离线中文及中英混合语音转文字识别,纯C实现,无需Python或FFmpeg依赖,适用于边缘设备。
qwen-asr — 离线中文语音识别(纯 C 实现)是一项面向实际任务的技能,主要用于使用 antirez/qwen-asr 的 qwen3-asr-0.6b 模型进行中文语音转文字, 无 Python/GIL/FFmpeg 依赖 ,适合边缘部署;macOS;
OpenBLAS 或 Intel MKL;需手动安装;支持中/英文混读(模型。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
使用 antirez/qwen-asr 的 qwen3-asr-0.6b 模型进行中文语音转文字,无 Python/GIL/FFmpeg 依赖,适合边缘部署。
| 平台 | 依赖项 | 说明 |
|---|---|---|
| macOS | Accelerate.framework | 系统自带,自动链接 |
| Linux | OpenBLAS 或 Intel MKL | 需手动安装 |
# 转写音频(自动预处理为 16kHz/mono/WAV) .skill qwen-asr --audio /path/to/audio.wav # 指定模型(small=0.6B, large=1.7B) .skill qwen-asr --audio /path/to/audio.wav --model large # 指定线程数 .skill qwen-asr --audio /path/to/audio.wav --threads 4
[中文] 现在已经可以用了吗?
支持中/英文混读(模型训练语料含双语)。
| 模型 | 大小 | 推荐场景 |
|---|---|---|
qwen3-asr-0.6b |
~1.7GB | 推荐:低延迟、边缘设备 |
qwen3-asr-1.7b |
~4.5GB | 高精度(需 ≥4GB 内存) |
.ogg/.mp3/.wav→.wav 预处理(FFmpeg 内置支持)MIT(qwen-asr)+ 阿里云 Qwen3 ASR Model License
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 133.9万人学习
共49课时 | 82.5万人学习
最新文章