Qwen3-ASR 香港廣東話版
佢會寫返香港人口語用嘅字(係、喺、嘅、咗、㗎),英文字保留英文,唔會走去簡體或者大陸書面語。權重以 Apache-2.0 開放。
兩個大細
1.7B
最準 v2.1
啱桌面電腦同伺服器。識聽短嘅語音指令;畀佢一串 hotword,佢唔會亂咁照抄:210 段壓力測試入面,亂抄率係 0%。
0.6B
大約三分一咁大 v1
一樣有訓練語音指令同 hotword,細到可以喺瀏覽器分頁入面跑。
字錯率(CER)
- 喺 FLEURS 廣東話測試,1.7B 嘅字錯率係 3.89%,Whisper large-v3 係 20.97%。
- 中英夾雜(MCE)嘅字錯率,由原版 Qwen3-ASR 1.7B 嘅 11.74% 降到 5.52%。
- 0.6B 一樣:中英夾雜嘅字錯率由 15.52% 降到 6.98%,少咗一半有多。
越低越好。
| 測試集 | Koelony 微調版 | 原版 Qwen3-ASR | Whisper large-v3 |
|---|---|---|---|
| FLEURS yue_hant_hk | 3.89% | 4.20% | 20.97% |
| Common Voice yue | 3.94% | 5.46% | 36.44% |
| Common Voice 23 zh-HK | 5.02% | 7.65% | 41.76% |
| MDCC | 2.47% | 4.25% | 34.52% |
| LegCo | 7.16% | 7.22% | 32.15% |
| MCE (code-switching) | 5.52% | 11.74% | 24.00% |
Greedy decoding、BF16 transformers、語言鎖定廣東話。評分前會轉做簡體、統一數字同刪走空格。詳細做法喺 repo 度。
權重同量化版本
| Hugging Face repo | 格式 | 大細 | 用乜嘢跑 |
|---|---|---|---|
| Qwen3-ASR-1.7B-Cantonese-HK | BF16 safetensors | 4.08 GB | transformers, qwen-asr, vLLM, ComfyUI |
| Qwen3-ASR-1.7B-Cantonese-HK-GGUF | GGUF Q4_K_M / Q6_K / Q8_0 | 1.1–1.8 GB | llama.cpp, OraType |
| Qwen3-ASR-1.7B-Cantonese-HK-FP8 | FP8 W8A8 | 2.67 GB | vLLM |
| Qwen3-ASR-1.7B-Cantonese-HK-NVFP4 | NVFP4A16 | 2.05 GB | vLLM |
| Qwen3-ASR-0.6B-Cantonese-HK | BF16 safetensors | 1.56 GB | transformers, qwen-asr, vLLM |
| Qwen3-ASR-0.6B-Cantonese-HK-GGUF | GGUF Q4_K_M / Q6_K / Q8_0 | 397–639 MB | llama.cpp, edge devices |
成個喺你個瀏覽器度跑。
唔使裝任何嘢,直接試 0.6B 模型。用咪錄音或者拉個音檔入去都得,段錄音唔會上傳。
打開 demo
第一次開要下載大約 1.2 GB,用桌面版 Chrome 或者 Edge 最好。