Qwen3-ASR 大規模音声認識モデル

Qwen3-ASR は、大規模言語モデル（LLM）の文脈理解能力を音声認識に統合し、複雑な方言、BGM が混ざった音声、および専門用語の認識において卓越した精度を発揮します。

---

設定例

ASR-Providers:
  qwen:
    enable: true
    engine: qwen
    load:
      model_name: Qwen/Qwen3-ASR-1.7B
      model_path: models/Qwen3-ASR-1.7B
      device: cuda
      dtype: float16
      max_new_tokens: 256
      max_inference_batch_size: 32