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。
模型大細

越低越好。

字錯率(CER) (1.7B). 越低越好。
測試集Koelony 微調版原版 Qwen3-ASRWhisper large-v3
FLEURS yue_hant_hk3.89%4.20%20.97%
Common Voice yue3.94%5.46%36.44%
Common Voice 23 zh-HK5.02%7.65%41.76%
MDCC2.47%4.25%34.52%
LegCo7.16%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-HKBF16 safetensors4.08 GBtransformers, qwen-asr, vLLM, ComfyUI
Qwen3-ASR-1.7B-Cantonese-HK-GGUFGGUF Q4_K_M / Q6_K / Q8_01.1–1.8 GBllama.cpp, OraType
Qwen3-ASR-1.7B-Cantonese-HK-FP8FP8 W8A82.67 GBvLLM
Qwen3-ASR-1.7B-Cantonese-HK-NVFP4NVFP4A162.05 GBvLLM
Qwen3-ASR-0.6B-Cantonese-HKBF16 safetensors1.56 GBtransformers, qwen-asr, vLLM
Qwen3-ASR-0.6B-Cantonese-HK-GGUFGGUF Q4_K_M / Q6_K / Q8_0397–639 MBllama.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。