个人研习课程 · QWEN3-ASR

从一段声波，
到能微调、能压测的语音识别

十二课,目标只有一个:能跑通推理、微调自己的数据、读懂并改造训练流程。声音怎么变成文字、注意力在其中扮演什么角色、每一站的矩阵长什么样——用通俗类比、交互实验室和可运行的 Python 逐站拆开,每课一个可完成的胜利。

主干 Qwen3 技术报告 + 开源实现 每页代码可运行 · 可单步调试 声音 / 傅里叶 / 梅尔交互实验室 12 课全部发布
已发布,可进入 学习中 未发布——像因果掩码一样,后面的课先"看不见"
课

全部课程

从听懂声音到动手改造,十二课一条线(第 4、5 课为补充课,第 12 课为插入专题)

  1. 01 声音是怎么变成文字的——现代 ASR 全景图 已发布
  2. 02 注意力机制——Transformer 的心脏 已发布
  3. 03 语音前端——采样、波形与梅尔频谱 已发布
  4. 04 傅里叶变换可视化——从波形到频谱的每一步 补充课 已发布
  5. 05 梅尔频谱手把手——给频率轴换一把人耳尺子 补充课 已发布
  6. 06 Qwen3-ASR 架构精读——拆开两大件 已发布
  7. 07 用向量走一遍 Qwen3-ASR——每一站的矩阵乘法 已发布
  8. 08 推理全过程——一段音频到一行文字的完整旅程 已发布
  9. 09 流式与非流式——边说边出字是怎么做到的 已发布
  10. 10 维数全景——每一站的数字从哪来、是什么意思 已发布
  11. 11 推理实操——在 T4 上跑通 Qwen3-ASR-0.6B 已发布
  12. 12 ASR 性能压测与容量规划——3 个实例能接多少路电话? 插入专题 已发布

参考

术语表 Qwen3-ASR 架构速查卡