README.md

# Qwen3-ASR
## 论文
[Qwen3-ASR Technical Report](https://arxiv.org/abs/2601.21337)

## 模型简介
Qwen3-ASR 是通义千问（Qwen）开源的自动语音识别模型系列，包含 `Qwen3-ASR-1.7B`、`Qwen3-ASR-0.6B` 以及时间戳对齐模型 `Qwen3-ForcedAligner-0.6B`。该系列支持 30 种语言与 22 种中文方言的语音识别，覆盖离线与流式推理场景，并支持语言识别与时间戳预测。

<div align=center>
    <img src="./doc/overview.jpg"/>
</div>

## 环境依赖
| 软件 | 版本 |
| :------: | :------: |
| DTK | 26.04 |
| python | 3.10.12 |
| torch | 2.9.0+das.opt1.dtk2604.20260206.g275d08c2 |
| transformers | 4.57.6 |
| vllm | 0.15.1+das.opt1.alpha.dtk2604.20260220.g2799735a |

推荐使用镜像：`harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm0.15.1-ubuntu22.04-dtk26.04-0130-py3.10-20260220`

```bash
docker run -it \
    --shm-size 60g \
    --network=host \
    --name qwen3-asr \
    --privileged \
    --device=/dev/kfd \
    --device=/dev/dri \
    --device=/dev/mkfd \
    --group-add video \
    --cap-add=SYS_PTRACE \
    --security-opt seccomp=unconfined \
    -u root \
    -v /opt/hyhal/:/opt/hyhal/:ro \
    -v /path/your_code_data/:/path/your_code_data/ \
    harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm0.15.1-ubuntu22.04-dtk26.04-0130-py3.10-20260220 bash
```
更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用。
关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装。
其它包参照requirements.txt安装：
```bash
pip install -r requirements.txt
```
镜像内其他环境配置
```
1.解压vllm.zip到/usr/local/lib/python3.10/dist-packages直接覆盖需要修改的文件
    unzip -o vllm.zip -d /usr/local/lib/python3.10/dist-packages
```

## 数据集
暂无

## 训练
暂无

## 推理
### transformers
#### 单机推理
```bash
python inference.py
```

### vllm
#### 单机推理
```bash
## serve启动
export VLLM_USE_FUSED_RMS_ROPE=0

vllm serve Qwen3-ASR/Qwen3-ASR-1.7B \
    --trust-remote-code \
    --limit-mm-per-prompt '{"audio": 1}'

## client访问
curl -X POST "http://127.0.0.1:8000/v1/audio/transcriptions" \
    -F "file=@/path/to/test.wav" \
    -F "model=/public/home/weishb/Qwen3-ASR/Qwen3-ASR-1.7B"
```

## 效果展示
示例输入音频：`./doc/asr_en.wav`
<div align=center>
    <img src="./doc/vllm_result.png"/>
</div>


### 精度
`DCU与GPU精度一致，推理框架：transformers、vllm`

## 预训练权重
| 模型名称  | 权重大小  | DCU型号  | 最低卡数需求 | 下载地址 |
|:-----:|:----------:|:----------:|:---------------------:|:----------:|
| Qwen3-ASR-1.7B | 1.7B | BW1000 | 1 | [ModelScope](https://www.modelscope.cn/models/Qwen/Qwen3-ASR-1.7B) |
| Qwen3-ASR-0.6B | 0.6B | BW1000 | 1 | [ModelScope](https://www.modelscope.cn/models/Qwen/Qwen3-ASR-0.6B) |
| Qwen3-ForcedAligner-0.6B | 0.6B | BW1000 | 1 | [ModelScope](https://www.modelscope.cn/models/Qwen/Qwen3-ForcedAligner-0.6B) |

## 源码仓库及问题反馈
- [ModelZoo 项目地址](https://developer.sourcefind.cn/codes/modelzoo/qwen3-asr)

## 参考资料
- [Qwen3-ASR 官方仓库](https://github.com/QwenLM/Qwen3-ASR)
- [Qwen3-ASR ModelScope 集合页](https://modelscope.cn/collections/Qwen/Qwen3-ASR)
- [Qwen3-ASR 官方博客](https://qwen.ai/blog?id=qwen3asr)