Qwen3-ASR-0.6B
支持30种语言与22种中文方言的语音识别模型，覆盖多国英语口音与粤语等场景，支持语言识别、流式/离线统一推理，官方称可转写长音频。
最后核实：
https://huggingface.co/Qwen/Qwen3-ASR-0.6B特点与限制
主要特点
- 支持30种语言与22种中文方言，官方另称覆盖多国英语口音与粤语
- 同一模型支持离线与流式推理，官方称可转写长音频，音频类型覆盖语音、歌声与带BGM歌曲
- 官方0.6B档定位为准确率与效率的折中，称并发128时达到2000倍吞吐
- 官方提供qwen-asr包（transformers与vLLM两种后端）、Docker镜像与语言识别输出
- 可配合Qwen3-ForcedAligner-0.6B输出词/字级时间戳（另需安装强制对齐模型）
使用边界
- 官方评测表同时列出公开数据集与内部数据集结果，本条目只收录公开数据集口径；歌声/带BGM与内部集成绩未收录。
- 官方模型卡未披露LLM token上下文长度；音频时长上限与max_new_tokens属生成/输入配置口径，不能换算为token上下文，本条不填写数值。
- 官方称支持22种中文方言与多国英语口音，但未给出逐方言、逐口音的公开成绩，目标方言需自行验证。
- 官方称0.6B档并发128时约2000倍吞吐，但未附机器与运行时细节，本条未收录该速度数值。
- 本站未实测识别准确率与流式延迟。
模型信息
- 家族与版本
- Qwen / 3-ASR
- 输入与输出
- 音频 → 文本
- 公开参数规模
- 0.938B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方型号名称为0.6B档；Hugging Face仓库元数据（safetensors）标注该检查点参数为938,008,576（约0.938B），为包含音频编码器与Qwen3-Omni系语言模型骨干的完整检查点；官方未给出分组件参数口径。 参数来源
- 原生上下文
- 未提供
- 扩展上下文
- 未提供
- 语言声明
- 中文、英语、粤语、阿拉伯语、德语、法语、西班牙语、葡萄牙语、印尼语、意大利语、韩语、俄语、泰语、越南语、日语、土耳其语、印地语、马来语、荷兰语、瑞典语、丹麦语、芬兰语、波兰语、捷克语、菲律宾语、波斯语、希腊语、匈牙利语、马其顿语、罗马尼亚语、22种中文方言（官方列举安徽、东北、福建、甘肃、贵州、河北、河南、湖北、湖南、江西、宁夏、山东、陕西、山西、四川、天津、云南、浙江、香港粤语口音、广东粤语口音、吴语、闽南语）、多国英语口音（官方称覆盖不同国家与地区的英语口音）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- 未核实
- 训练资料
- 官方说明两个ASR模型均基于大规模语音训练数据与Qwen3-Omni基座的音频理解能力训练；未公开具体语料清单与数据许可明细。
能力依据
模型变体：专用版；家族与版本：Qwen / 3-ASR
语音识别
Qwen3-ASR模型卡公开数据集评测（WER） · WER8.88%GigaSpeech · 英语Qwen3-ASR模型卡多语言评测（WER） · WER7.57%Fleurs（官方附注列明12种语言的汇总） · 多语言（12种语言的官方汇总）Qwen3-ASR模型卡公开数据集评测（WER） · WER3.15%AISHELL-2-test · 中文查看评估与来源收起补充信息
语音识别
Qwen3-ASR模型卡公开数据集评测（WER） · WER8.88%GigaSpeech · 英语
Qwen3-ASR模型卡多语言评测（WER） · WER7.57%Fleurs（官方附注列明12种语言的汇总） · 多语言（12种语言的官方汇总）
Qwen3-ASR模型卡公开数据集评测（WER） · WER3.15%AISHELL-2-test · 中文
可作为多语种转写候选：官方模型卡报告0.6B档在GigaSpeech英语WER 8.88%、AISHELL-2-test中文WER 3.15%、KeSpeech（方言方向）WER 7.08%、Fleurs十二语汇总WER 7.57%。成绩为发布方在同一评测配置下的自测。
已有依据支持
- 官方按型号逐列列出Qwen3-ASR-0.6B结果，未借用1.7B档或其他系列成绩。
- 同一批次评测的精度、输出上限与解码方式在表格前统一说明（bfloat16、max_new_tokens=1024、贪婪解码、未指定language）。
- 公开数据集覆盖英文、中文与中文方言方向，并有十二语种汇总值可参考。
证据限制
- 成绩由模型发布方运行，未找到许可明确且确认为独立方的同型号同条件复测。
- 公开表中没有逐方言、逐英语口音的细分成绩，官方宣传的22种方言与多国口音覆盖面缺乏公开数字支撑。
- 来源未披露模型revision、音频分段与文本标准化细节；内部数据集与歌声/带BGM结果未收录。
- 本站未实测识别质量、流式延迟或长音频表现。
Qwen3-ASR模型卡公开数据集评测（WER） · WER
8.88%官方报告 · Qwen Team（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- Qwen/Qwen3-ASR-0.6B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- GigaSpeech / 未提供
- 基准 / 报告版本
- Qwen3-ASR模型卡ASR Benchmarks on Public Datasets表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方评测说明：使用dtype=torch.bfloat16、max_new_tokens=1024、vLLM后端推理，全部贪婪解码，且所有测试均未指定language参数。本行为Qwen3-ASR-0.6B列GigaSpeech单元格。来源未披露模型revision、音频分段方式、文本标准化与评分脚本细节；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- qwen-team / qwen-team-qwen3-asr-report
- 来源
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露模型revision、音频分段与文本标准化等足以复现和统一对齐的评测条件；该结果仅记录原报告口径，不加入跨型号比较组。
Qwen3-ASR模型卡公开数据集评测（WER） · WER
3.15%官方报告 · Qwen Team（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- Qwen/Qwen3-ASR-0.6B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- AISHELL-2-test / 未提供
- 基准 / 报告版本
- Qwen3-ASR模型卡ASR Benchmarks on Public Datasets表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方评测说明：使用dtype=torch.bfloat16、max_new_tokens=1024、vLLM后端推理，全部贪婪解码，且所有测试均未指定language参数。本行为Qwen3-ASR-0.6B列AISHELL-2-test单元格。来源未披露模型revision、音频分段方式、文本标准化与评分脚本细节；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- qwen-team / qwen-team-qwen3-asr-report
- 来源
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露模型revision、音频分段与文本标准化等足以复现和统一对齐的评测条件；该结果仅记录原报告口径，不加入跨型号比较组。
Qwen3-ASR模型卡公开数据集评测（WER） · WER
7.08%官方报告 · Qwen Team（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- Qwen/Qwen3-ASR-0.6B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- KeSpeech / 未提供
- 基准 / 报告版本
- Qwen3-ASR模型卡ASR Benchmarks on Public Datasets表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方评测说明：使用dtype=torch.bfloat16、max_new_tokens=1024、vLLM后端推理，全部贪婪解码，且所有测试均未指定language参数。本行为Qwen3-ASR-0.6B列KeSpeech单元格。来源未披露模型revision、音频分段方式、文本标准化与评分脚本细节；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- qwen-team / qwen-team-qwen3-asr-report
- 来源
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露模型revision、音频分段与文本标准化等足以复现和统一对齐的评测条件；该结果仅记录原报告口径，不加入跨型号比较组。
Qwen3-ASR模型卡多语言评测（WER） · WER
7.57%官方报告 · Qwen Team（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- Qwen/Qwen3-ASR-0.6B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- Fleurs（官方附注列明12种语言的汇总） / 未提供
- 基准 / 报告版本
- Qwen3-ASR模型卡Multilingual ASR Benchmarks表
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方评测说明：使用dtype=torch.bfloat16、max_new_tokens=1024、vLLM后端推理，全部贪婪解码，且所有测试均未指定language参数。本行为Qwen3-ASR-0.6B列Fleurs单元格；官方附注说明Fleurs包含12种语言（en、zh、yue、ar、de、es、fr、it、ja、ko、pt、ru）。来源未披露各语种分项、模型revision与文本标准化细节；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- qwen-team / qwen-team-qwen3-asr-report
- 来源
- https://huggingface.co/Qwen/Qwen3-ASR-0.6B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露各语种分项、模型revision与文本标准化等足以复现和统一对齐的评测条件；该汇总值仅记录原报告口径，不加入跨型号比较组。
运行条件与获取
qwen-asr（Transformers 后端）
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于运行时、精度、音频长度与硬件，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：Python 3.12（官方建议的新环境）、qwen-asr、torch、flash-attn（官方标注为可选优化项）。
STEP 01 安装 Transformers 后端依赖
官方Quickstart给出的最小安装命令，提供transformers后端支持；官方建议使用独立的Python 3.12环境。本站未执行。
pip install -U qwen-asrSTEP 02 加载指定模型并转写
按官方示例用Qwen3ASRModel.from_pretrained加载此模型并调用transcribe；language=None为自动语言识别，也可显式指定语种。需要时间戳时另传forced_aligner参数。本站未下载权重或执行模型，需在目标设备验证。
qwen-asr（vLLM 后端）
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；显存占用与吞吐取决于GPU、批大小与vLLM版本，官方未给出该型号的资源需求数值。
内存：未核实；显存：未核实。
依赖：Python 3.12（官方建议的新环境）、qwen-asr[vllm]、vllm（官方说明可用nightly wheel或Docker镜像）、flash-attn（官方建议用于强制对齐加速，可选）。
STEP 01 安装 vLLM 后端依赖
官方Quickstart给出的vLLM后端安装命令；官方说明vLLM后端用于更快的推理与流式支持，流式推理目前仅vLLM后端可用。本站未执行。
pip install -U qwen-asr[vllm]STEP 02 启动兼容 OpenAI 接口的服务
官方给出vllm serve命令与qwen-asr-serve封装；模型卡另提供OpenAI SDK、cURL与离线推理示例。本站未启动服务。
vllm serve Qwen/Qwen3-ASR-0.6B