Qwen3-ASR-1.7B-gguf

Qwen3-ASR-1.7B GGUF

阿里通义千问团队推出的多语言自动语音识别(ASR)模型，支持30种语言。

模型简介

Qwen3-ASR-1.7B 是阿里巴巴通义千问团队的语音识别模型，具有以下特点：

• 参数量：1.7B
• 语言支持：30种语言（中英日韩法德西葡俄阿拉伯语等）
• 量化格式：GGUF (llama.cpp 兼容)
• 适用场景：语音转文字、字幕生成、会议记录转写、多语言转录

支持语言 (30种)

可用量化版本

使用方法

llama.cpp 命令行

./main -m Qwen3-ASR-1.7B-Q4_K_M.gguf -f audio.wav --output-txt

Python (llama-cpp-python)

from llama_cpp import Llama

# 加载模型
llm = Llama(
    model_path="Qwen3-ASR-1.7B-Q4_K_M.gguf",
    n_gpu_layers=-1,  # 使用GPU加速
)

# 进行语音识别
result = llm.transcribe("audio.wav")
print(result["text"])

whisper.cpp 风格调用

whisper_context * ctx = whisper_init_from_file("Qwen3-ASR-1.7B-Q4_K_M.gguf");
whisper_full(ctx, wparams, samples, n_samples, nullptr, 0);

性能特点

• 多语言识别准确率高，支持30种语言
• 中文识别尤其优秀，支持普通话和粤语
• 对噪音有一定抗干扰能力
• 支持实时流式转写

技术规格

• 架构: 基于 Transformer 的编码器-解码器结构
• 采样率: 16kHz
• 输入格式: WAV/PCM 音频
• 输出格式: 文本

许可证

Apache 2.0 License

致谢

• 原始模型：Qwen/Qwen3-ASR-1.7B
• GGUF转换：由 voconly 团队完成