Qwen3-ASR-1.7B GGUF

Qwen3-ASR-1.7B GGUF

用 Qwen3-ASR-1.7B 的量化 GGUF 文件，在 CrispASR 里把语音、歌声和歌曲转成文字或英文。适合想在本地转写 30 种语言和 22 种中文方言的人。

由 cstr 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是 Qwen3-ASR-1.7B 语音识别模型的量化 GGUF 文件，为 CrispASR 命令行工具准备。模型支持 30 种语言和 22 种中文方言，能处理说话、歌声和带背景音乐的歌曲。音频输入最长可达 5 分钟。这个仓库只改了文件格式和数字精度，没有新的训练。

适合谁：适合想在自己电脑上转写或翻译音频、并且习惯用命令行的人。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 播客作者和视频剪辑师 | 把录音转成文字，用于字幕和笔记 | 一段简短采访片段的文字稿
软件 | 给产品加语音输入的开发者 | 在脚本里调用本地命令 | 循环转写一个文件夹里的音频文件
本地化 | 译员 | 一步完成转写并翻译成英文 | 从一段日语片段得到英文文本
音乐 | 收集歌词的人 | 转写歌声和带背景音乐的歌曲 | 起草一首歌的歌词

如果你的录音超过 5 分钟又不想拆分，或者你更喜欢图形界面而不是命令行，可以跳过它。

用在哪里：这些文件是为 CrispASR 做的，你在终端里运行它。

• CrispASR，这些文件所针对的命令行工具
• 普通的 CPU 机器，因为模型卡的速度测试用了四个 CPU 线程
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

使用场景 | 谁用 | 得到什么
转写 | 播客作者 | 来自说话、歌声或带背景音乐歌曲的文字
翻译 | 译员 | 来自另一种语言录音的英文文本
本地批量任务 | 开发者 | 在命令行里得到转写文字，不用云服务

如何设置：先安装 CrispASR，然后让它在第一次使用时自动获取模型，或者你自己下载文件。Q4_K 文件是模型卡对大多数人的推荐。

• CrispASR，运行这些文件的工具
• Python，只有用 Hugging Face 下载命令时才需要
• Q4_K 文件约需 1.5 GB 磁盘空间，F16 最多 4.7 GB（约 5 GB 内存）

1. 从模型卡提到的项目安装 CrispASR。
2. 可选：用 Hugging Face 工具下载文件。
3. 选一个量化：大多数用途选 Q4_K，要更高质量选 Q8_0，要完整精度选 F16。
4. 对你的音频文件运行 crispasr 命令。

pip install -U huggingface_hub
hf download cstr/qwen3-asr-1.7b-GGUF

如何使用：用模型名或模型文件，让 crispasr 指向一个音频文件。你可以加上语言提示，或者打开翻译模式来得到英文文本。

# Auto-download and transcribe (Q4_K)
crispasr -m qwen3-1.7b -f audio.wav

# Or specify the model path directly
crispasr -m qwen3-asr-1.7b-q4_k.gguf -f audio.wav --backend qwen3

# With language hint
crispasr -m qwen3-1.7b -f audio.wav -l ja

# Translation mode
crispasr -m qwen3-1.7b -f audio.wav --translate --target-lang en

工具 | 作用
-m | 选择模型，用短名称或文件路径
-f | 指定要转写的音频文件
-l | 给出语言提示，比如 ja 代表日语
--translate with --target-lang | 打开翻译模式，模型卡的例子里目标语言是 en
--backend qwen3 | 在你给出文件路径时指明模型系列

示例：对一段名为 audio.wav 的日语录音运行翻译命令，把目标语言设为 en。CrispASR 读取音频，打印出英文文本，而不是日语原文。

新手与专家：语音识别模型把说出的音频变成书面文字，GGUF 文件是一个紧凑的副本，在普通电脑上就能运行。第一个小尝试是对一段短录音运行第一条 crispasr 命令，因为它会自己获取模型。

对专家来说，整个结构是一个 24 层 Whisper 风格的音频编码器、一个 2 层 MLP 投影器和一个 28 层 Qwen3 解码器。Q4_K 文件压缩了语言主体，但把音频编码器保持在 Q8_0，因为位数更低的编码器会漂移，产生空的或重复的转写。在模型卡的 JFK 样本上，修复后编码器输出与 F16 参考的最小余弦相似度为 0.9989，之前是 0.9632。代价是文件大了约 0.15 GB。

音频文件输入
编码器把声音转成特征
投影器为解码器做映射
Qwen3 解码器写出文字
输出转写或英文翻译

注意事项：这三个文件在大小和需要的内存上有差别。

Title: 各量化的大致文件大小
Q4_K: 1.5 GB
Q8_0: 2.5 GB
F16: 4.7 GB

• Origin: 这个仓库只转换并量化上游模型，所以上游作者仍然是它的提供方。
• Fix: Q4_K 文件被重新制作，因为早先的导出有时会返回空白文本或循环重复一句话。另外两个文件没有这个问题。
• Speed: 在一段 11 秒的英文样本上，Q4_K 文件在 4 个线程的 CPU 上以 0.2x 实时速度运行，模型卡报告转写完全正确。
• License: Apache 2.0，与上游模型相同。
• Cost to run: 未提及，没有 API 密钥、账号或付费服务。
• Data it reaches: 它读取你指给它的音频文件，第一次自动下载会获取模型。
• Not for: 一次处理超过 5 分钟的音频。关于训练数据的问题请去看上游模型卡。

Hugging Face 上的数据（2026年11月13日）

• 任务：automatic speech recognition
• 参数量：2.3B
• Weights: about 1.2 GB at 4-bit (estimate)
• Formats: GGUF
• 最近 30 天下载：11,523
• 点赞：17
• 许可证：apache-2.0
• 语言：en, zh, ja, ko, de, fr, es, pt
• 基于：Qwen/Qwen3-ASR-1.7B
• 标签：gguf, speech-recognition, qwen3, automatic-speech-recognition

链接

• 模型：https://huggingface.co/cstr/qwen3-asr-1.7b-GGUF
• 文件：https://huggingface.co/cstr/qwen3-asr-1.7b-GGUF/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download cstr/qwen3-asr-1.7b-GGUF

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。