语言	代码	语言	代码	语言	代码
中文	zh	英语	en	粤语	yue
日语	ja	韩语	ko	阿拉伯语	ar
德语	de	法语	fr	西班牙语	es
葡萄牙语	pt	意大利语	it	俄语	ru
泰语	th	越南语	vi	印地语	hi
土耳其语	tr	印尼语	id	马来语	ms
荷兰语	nl	瑞典语	sv	丹麦语	da
芬兰语	fi	波兰语	pl	捷克语	cs
菲律宾语	fil	波斯语	fa	希腊语	el
罗马尼亚语	ro	匈牙利语	hu	马其顿语	mk

可用量化版本

文件名	量化类型	文件大小	说明
Qwen3-ASR-1.7B-Q4_K_M.gguf	Q4_K_M	~1.1 GB	推荐平衡精度与速度
Qwen3-ASR-1.7B-Q5_K_M.gguf	Q5_K_M	~1.3 GB	更高精度
Qwen3-ASR-1.7B-Q6_K.gguf	Q6_K	~1.5 GB	高精度
Qwen3-ASR-1.7B-Q8_0.gguf	Q8_0	~1.8 GB	最高量化精度

使用方法

llama.cpp 命令行

./main -m Qwen3-ASR-1.7B-Q4_K_M.gguf -f audio.wav --output-txt

Python (llama-cpp-python)

python

from llama_cpp import Llama

# 加载模型
llm = Llama(
    model_path="Qwen3-ASR-1.7B-Q4_K_M.gguf",
    n_gpu_layers=-1,  # 使用GPU加速
)

# 进行语音识别
result = llm.transcribe("audio.wav")
print(result["text"])

whisper.cpp 风格调用

cpp

whisper_context * ctx = whisper_init_from_file("Qwen3-ASR-1.7B-Q4_K_M.gguf");
whisper_full(ctx, wparams, samples, n_samples, nullptr, 0);

性能特点

多语言识别准确率高，支持30种语言
中文识别尤其优秀，支持普通话和粤语
对噪音有一定抗干扰能力
支持实时流式转写

技术规格

架构: 基于 Transformer 的编码器-解码器结构
采样率: 16kHz
输入格式: WAV/PCM 音频
输出格式: 文本

许可证

Apache 2.0 License

致谢

原始模型：Qwen/Qwen3-ASR-1.7B
GGUF转换：由 voconly 团队完成

voconly-org/Qwen3-ASR-1.7B-gguf

Qwen3-ASR-1.7B GGUF

模型简介

支持语言 (30种)

可用量化版本

使用方法

llama.cpp 命令行

Python (llama-cpp-python)

whisper.cpp 风格调用

性能特点

技术规格

许可证

致谢

voconly-org/
Qwen3-ASR-1.7B-gguf