qwen

Qwen: Qwen3 ASR 1.7B

qwen/qwen3-asr-1.7b

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

O Qwen3 ASR 1.7B é um modelo de reconhecimento automático de fala da Qwen que recebe áudio e retorna transcrições. Segundo a documentação, ele faz identificação de idioma e transcrição em 30 idiomas e 22 dialetos chineses, incluindo sotaques de inglês de várias regiões, e um único modelo oferece inferência em streaming e offline, inclusive para áudios longos. O fornecedor relata resultados de ponta entre modelos ASR de código aberto e competitividade com APIs comerciais fortes, mas este pacote não traz avaliações independentes. Carimbos de tempo em nível de palavra exigem o modelo separado Qwen3-ForcedAligner-0.6B.[1][2]

Pontos fortes

Ampla cobertura de idiomas relatada: 30 idiomas, 22 dialetos chineses e vários sotaques de inglês, abrangendo fala, voz cantada e músicas com acompanhamento musical.[2]
Um único modelo oferece inferência em streaming e offline para áudio longo, com um kit de inferência aberto que inclui processamento em lote e serviço assíncrono via vLLM.[1][2]
Lançado abertamente sob licença Apache-2.0 com o pacote Python dedicado qwen-asr, compatível com os backends transformers e vLLM.[2]

Limitações

A inferência em streaming só está disponível no backend vLLM e não aceita processamento em lote nem retorno de carimbos de tempo.[2]
Os carimbos de tempo dependem do modelo separado Qwen3-ForcedAligner-0.6B, que cobre apenas 11 idiomas e até cinco minutos de fala.[2]
As alegações de precisão e competitividade vêm do fornecedor; este pacote não contém avaliação independente, portanto valide qualidade e latência nos seus próprios áudios.[1][2]

Onde usar

Pipelines de transcrição multilíngue que precisem de identificação automática de idioma entre os idiomas e dialetos documentados.[2]
Legendagem ou transcrição em tempo real pelo backend vLLM em streaming, quando lotes e carimbos de tempo não são necessários.[1][2]
Transcrição de voz cantada ou músicas com acompanhamento, tipo de áudio que a documentação lista explicitamente como suportado.[2]

Fontes

[1] OpenRouter catalog · Qwen: Qwen3 ASR 1.7BFontes consultadas: 13 de nov. de 2026
[2] Model documentation · Qwen: Qwen3 ASR 1.7BFontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo: qwen/qwen3-asr-1.7b
ID canônico: qwen/qwen3-asr-1.7b-20260813
Criador: qwen
Adicionado ao OpenRouter: 13.08.2026
Comprimento de contexto: 0
Modalidade: audio->transcription
Modalidades de entrada: audio
Modalidades de saída: transcription
Preço por token: Sem preço por token no snapshot da fonte — consulte o OpenRouter para a unidade de cobrança
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	entrada: audio
Vídeo	Sem medição	—
Embeddings	Sem medição	—

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
PrimeIntellectbf16	0	—	—	—	—	100%
DeepInfra	0	—	—	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.