---

license: apache-2.0

language:

• zh
• en
• yue
• ar
• de
• fr
• es
• pt
• id
• it
• ko
• ru
• th
• vi
• ja
• tr
• hi
• ms
• nl
• sv
• da
• fi
• pl
• cs
• fil
• fa
• el
• ro
• hu
• mk

tags:

• asr
• automatic-speech-recognition
• qwen
• gguf
• multilingual
• speech-to-text

base_model:

• Qwen/Qwen3-ASR-1.7B

---

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)

| 语言 | 代码 | 语言 | 代码 | 语言 | 代码 |

|------|------|------|------|------|------|

| 中文 | zh | 英语 | en | 粤语 | yue |

| 日语 | ja | 韩语 | ko | 阿拉伯语 | ar |

| 德语 | de | 法语 | fr | 西班牙语 | es |

| 葡萄牙语 | pt | 意大利语 | it | 俄语 | ru |

| 泰语 | th | 越南语 | vi | 印地语 | hi |

| 土耳其语 | tr | 印尼语 | id | 马来语 | ms |

| 荷兰语 | nl | 瑞典语 | sv | 丹麦语 | da |

| 芬兰语 | fi | 波兰语 | pl | 捷克语 | cs |

| 菲律宾语 | fil | 波斯语 | fa | 希腊语 | el |

| 罗马尼亚语 | ro | 匈牙利语 | hu | 马其顿语 | mk |

可用量化版本

| 文件名 | 量化类型 | 文件大小 | 说明 |

|--------|----------|----------|------|

| Qwen3-ASR-1.7B-Q4_K_M.gguf | Q4_K_M | ~1.1 GB | 推荐平衡精度与速度 |

| Qwen3-ASR-1.7B-Q5_K_M.gguf | Q5_K_M | ~1.3 GB | 更高精度 |

| Qwen3-ASR-1.7B-Q6_K.gguf | Q6_K | ~1.5 GB | 高精度 |

| Qwen3-ASR-1.7B-Q8_0.gguf | Q8_0 | ~1.8 GB | 最高量化精度 |

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