Qwen3-ASR 处理管线¶
Qwen3-ASR 是一个基于阿里巴巴 Qwen 架构的替代语音识别引擎，以不同的语音识别方法提供高质量的日语文本输出。
模型¶
| 模型 | 大小 | 备注 |
|---|---|---|
| Qwen3-ASR 1.7B | ~4 GB | 完整模型，最佳质量 |
| Qwen3-ASR 0.6B | ~2 GB | 更小、更快，质量略低 |
使用方法¶
GUI（Ensemble 选项卡）¶
- 进入 Ensemble 选项卡
- 将 Pipeline 设置为 Qwen3-ASR
- 选择模型大小
- 点击 Start
CLI¶
作为集成模式的 Pass 2¶
Qwen3-ASR 与基于 Whisper 的处理管线配合良好：
- Pass 1： Balanced（Whisper — 良好的时间轴）
- Pass 2： Qwen3-ASR（良好的文本质量）
- 合并策略： Smart Merge
系统要求¶
- 必须安装 HuggingFace 扩展：
pip install whisperjav[huggingface] - 需要
transformers和accelerate包 - 首次运行时会从 HuggingFace 下载模型
优势与局限¶
优势：
- 出色的日语文本质量
- 对口语化/日常对话处理良好
- 标点符号和句子结构表现强
局限：
- 时间轴可能与基于 Whisper 的处理管线有差异
- Apple Silicon：目前仅支持 CPU（MPS 尚不支持强制对齐器）
- 需要安装 HuggingFace 扩展