qwenlm/qwen3-asr は Qwen チームが Alibaba Cloud で開発したオープンソースの音声認識モデル群です。リポジトリには Qwen3-ASR-1.7B と Qwen3-ASR-0.6B、そして Qwen3-ForcedAligner-0.6B が含まれています。ASR は音声を文字に起こす自動音声認識です。リポジトリの説明によると、2 つの ASR モデルは 52 の言語との方言について言語識別と音声認識に対応し、ストリーミング推論、オフライン推論、長時間音声の文字起こしを提供します。
強制アラインメント（forced alignment）は、与えられたテキストを音声の時間位置に対応づける処理です。Qwen3-ForcedAligner-0.6B は 11 の言語でこのアラインメントを行います。したがってこのリポジトリは、音声からテキストを得る段階と、そのテキストが音声のどの時点に対応するかを確かめる段階の両方を扱います。実装言語は Python、ライセンスは Apache-2.0 です。
ただし、提供された記録には認識精度や処理速度、他モデルとの比較結果はありません。音楽や歌唱の認識、タイムスタンプ予測もリポジトリの説明で言及されていますが、提供された README の要約は動作条件や性能の根拠を示していません。そのため機能の範囲は確認できますが、実際の性能や適用条件を判断するには根拠が不足しています。