Modelpublic

Toan2408/qwen3-asr-1.7b-vietnamese-phonetic-lora

sourceHugging Faceapache-2.0updated 1mo agoView on Hugging Face

0likes46downloads

Model Card

Qwen3-ASR-1.7B — Vietnamese Phonetic Confusion Fine-tune

Fine-tuned từ Qwen/Qwen3-ASR-1.7B bằng LoRA (r=16) + audio projector (proj1/proj2), tập trung giảm lỗi nhận diện các cặp từ dễ nhầm ngữ âm tiếng Việt (trong/chong, dành dụm/giành giụm, bật/bậc, v.v.).

Kết quả benchmark

Phiên bản	WER Target	CER Target	WER Hồi quy	CER Hồi quy
Baseline (Greedy)	4.15%	1.83%	9.57%	4.03%
Trained (Greedy)	1.92%	0.88%	5.95%	2.78%
Trained (Beam x4)	1.28%	0.73%	5.54%	2.54%

Dữ liệu: VIVOS + Common Voice + FOSD, tách speaker-independent giữa train/test.