qwen
Qwen: Qwen3 ASR 1.7B
qwen/qwen3-asr-1.7b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Qwen3 ASR 1.7B es un modelo de reconocimiento automático de voz de Qwen que recibe audio y devuelve transcripciones. Según su documentación, realiza identificación de idioma y transcripción en 30 idiomas y 22 dialectos chinos, incluidos acentos de inglés de varias regiones, y un solo modelo admite inferencia en streaming y sin conexión, incluso con audio largo. El proveedor afirma resultados de vanguardia entre los modelos ASR de código abierto y competitividad frente a APIs comerciales destacadas, pero este paquete no incluye datos de evaluación independientes. Las marcas de tiempo a nivel de palabra requieren el modelo independiente Qwen3-ForcedAligner-0.6B.[1][2]
Puntos fuertes
- Amplia cobertura lingüística reportada: 30 idiomas, 22 dialectos chinos y varios acentos de inglés, sobre voz hablada, voz cantada y canciones con música de fondo.[2]
- Un único modelo admite inferencia en streaming y sin conexión para audio largo, con un kit de inferencia abierto que ofrece procesamiento por lotes y servicio asíncrono basados en vLLM.[1][2]
- Publicado abiertamente bajo licencia Apache-2.0 con un paquete Python dedicado, qwen-asr, compatible con los backends transformers y vLLM.[2]
Limitaciones
- La inferencia en streaming solo está disponible con el backend vLLM y no admite procesamiento por lotes ni devolución de marcas de tiempo.[2]
- Las marcas de tiempo dependen del modelo independiente Qwen3-ForcedAligner-0.6B, que cubre solo 11 idiomas y hasta cinco minutos de voz.[2]
- Las afirmaciones de precisión y competitividad provienen del proveedor; este paquete no contiene evaluaciones independientes, por lo que conviene validar calidad y latencia con sus propios audios.[1][2]
Dónde utilizarlo
- Pipelines de transcripción multilingüe que necesiten identificación automática de idioma entre los idiomas y dialectos documentados.[2]
- Subtitulado o transcripción en tiempo real mediante el backend vLLM en streaming, cuando no se requieren lotes ni marcas de tiempo.[1][2]
- Transcripción de voz cantada o canciones con música de fondo, un tipo de audio que la documentación indica explícitamente como compatible.[2]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen3 ASR 1.7BFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen3 ASR 1.7BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Qwen3 ASR 1.7B is an automatic speech recognition model from Qwen. It supports multilingual language identification and transcription across 30 languages and 22 Chinese dialects, with streaming and offline inference...
Especificaciones
- ID del modelo
- qwen/qwen3-asr-1.7b
- ID canónico
- qwen/qwen3-asr-1.7b-20260813
- Creador
- qwen
- Añadido a OpenRouter
- 13.08.2026
- Longitud de contexto
- 0
- Modalidad
- audio->transcription
- Modalidades de entrada
- audio
- Modalidades de salida
- transcription
- Precio por token
- Sin precio por token en la instantánea fuente — consulta OpenRouter para la unidad de facturación
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | entrada: audio |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| PrimeIntellectbf16 | 0 | — | — | — | — | 100% |
| DeepInfra | 0 | — | — | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.