安装、模型工件与离线恢复
现在
常用
截至 11 月 4 日 · 项目源码和离线备用包

升级或换机前,我能分清缺的是 Python 依赖、固定权重还是 FireRed 的 WSL(Windows 的 Linux 子系统)。E 盘另存着一份模型和锁定版本依赖的离线备用包,上游撤包或暂时没网也能装回来。想换默认模型时,先用相同参考语料比较错误与复核代价,再明确切换并留回退点;不会因为下载完成、目录存在或公开分数更高,就偷偷换掉日常路线。

当前情况:已有模型安装、比较、切换和回退入口;9 月 29 日建好一份本机离线备用包(约 35.26 GiB),在新建的 Windows 和 Ubuntu 环境里不连软件源安装并自检通过过。这份包的模型清单还带着 10 月 20 日删掉的 Fun-ASR-Nano,还没按现在的模型重做;模型文件可以和模型目录共享同一份字节(硬链接),不算第二份独立副本。真正拔网线的断网安装、新环境里的 GPU 推理和换到另一台电脑恢复,还没有验证。

项目技术事实核对于 2026-11-04(北京时间),按当时的 main(4598696)只读核对;具体测试保留各自日期,页面不实时探测运行状态。

项目源码:公开仓库

安装、模型工件与离线恢复
现在
常用
截至 11 月 4 日 · 项目源码和离线备用包

升级或换机前,我能分清缺的是 Python 依赖、固定权重还是 FireRed 的 WSL(Windows 的 Linux 子系统)。E 盘另存着一份模型和锁定版本依赖的离线备用包,上游撤包或暂时没网也能装回来。想换默认模型时,先用相同参考语料比较错误与复核代价,再明确切换并留回退点;不会因为下载完成、目录存在或公开分数更高,就偷偷换掉日常路线。

当前情况:已有模型安装、比较、切换和回退入口;9 月 29 日建好一份本机离线备用包(约 35.26 GiB),在新建的 Windows 和 Ubuntu 环境里不连软件源安装并自检通过过。这份包的模型清单还带着 10 月 20 日删掉的 Fun-ASR-Nano,还没按现在的模型重做;模型文件可以和模型目录共享同一份字节(硬链接),不算第二份独立副本。真正拔网线的断网安装、新环境里的 GPU 推理和换到另一台电脑恢复,还没有验证。

项目技术事实核对于 2026-11-04(北京时间),按当时的 main(4598696)只读核对;具体测试保留各自日期,页面不实时探测运行状态。

项目源码:公开仓库

这项功能怎样使用

用途与实际影响

为什么需要它

源码、运行依赖与模型文件是三种东西;只保留其中一份,换机或断网时可能到最后才发现根本跑不起来。上游也可能撤掉某个版本的安装包。先查缺的层,再从可信的备份恢复。

举个实际例子

比如我问“上游撤了一个依赖包、这台电脑又暂时没网,怎样把 ChineseASR 重新装到能跑严格转写?”系统会先核对 E 盘离线备用包里的两套依赖锁、离线轮包和校验清单,只用本地轮包重建 Windows 虚拟环境;需要 FireRed 时再验证新的 WSL 环境,并把缺失的模型和固定版本的 FireRed 源码从包里补回,已有但哈希对不上的模型不会被覆盖。最后必须跑默认 strict 冒烟;重要证据路线还要另跑 FireRed + Qwen 冒烟并人工核听。

最后我会得到什么

交回这台机器哪些识别路线真的能运行、缺哪些依赖或模型文件、恢复后是否通过小段真实声音检查,以及离线备用包是否还和当前配置对得上。想换默认模型时还会交回同材料比较与可回退的配置决定;只下载完成不能算可用。

正常时

运行依赖、对应模型文件和一次实际试跑都通过后,才把这条路线标为可用;重要录音的质量仍需单独回听。

发现问题时

只修好一部分时保留已经核对的结果,指出缺的层;修额外路线不会顺手改掉日常路线。

入口不可用或证据不足时

离线备用包、模型文件或必要系统环境缺失时,只停受影响路线,不猜版本或找相似模型顶替。离线备用只有 E 盘这一份,E 盘整盘损坏时它也一起不可用。

这项功能怎样使用

用途与实际影响

为什么需要它

源码、运行依赖与模型文件是三种东西;只保留其中一份,换机或断网时可能到最后才发现根本跑不起来。上游也可能撤掉某个版本的安装包。先查缺的层,再从可信的备份恢复。

举个实际例子

比如我问“上游撤了一个依赖包、这台电脑又暂时没网,怎样把 ChineseASR 重新装到能跑严格转写?”系统会先核对 E 盘离线备用包里的两套依赖锁、离线轮包和校验清单,只用本地轮包重建 Windows 虚拟环境;需要 FireRed 时再验证新的 WSL 环境,并把缺失的模型和固定版本的 FireRed 源码从包里补回,已有但哈希对不上的模型不会被覆盖。最后必须跑默认 strict 冒烟;重要证据路线还要另跑 FireRed + Qwen 冒烟并人工核听。

最后我会得到什么

交回这台机器哪些识别路线真的能运行、缺哪些依赖或模型文件、恢复后是否通过小段真实声音检查,以及离线备用包是否还和当前配置对得上。想换默认模型时还会交回同材料比较与可回退的配置决定;只下载完成不能算可用。

正常时

运行依赖、对应模型文件和一次实际试跑都通过后,才把这条路线标为可用;重要录音的质量仍需单独回听。

发现问题时

只修好一部分时保留已经核对的结果,指出缺的层;修额外路线不会顺手改掉日常路线。

入口不可用或证据不足时

离线备用包、模型文件或必要系统环境缺失时,只停受影响路线,不猜版本或找相似模型顶替。离线备用只有 E 盘这一份,E 盘整盘损坏时它也一起不可用。

结果怎么看
正常时

运行依赖、对应模型文件和一次实际试跑都通过后,才把这条路线标为可用;重要录音的质量仍需单独回听。

发现问题时

只修好一部分时保留已经核对的结果,指出缺的层;修额外路线不会顺手改掉日常路线。

入口不可用或证据不足时

离线安装材料、模型文件或必要系统环境缺失时,只停受影响路线,不猜版本或找相似模型顶替。

结果怎么看
正常时

运行依赖、对应模型文件和一次实际试跑都通过后,才把这条路线标为可用;重要录音的质量仍需单独回听。

发现问题时

只修好一部分时保留已经核对的结果,指出缺的层;修额外路线不会顺手改掉日常路线。

入口不可用或证据不足时

离线安装材料、模型文件或必要系统环境缺失时,只停受影响路线,不猜版本或找相似模型顶替。

从哪里开始

安装、升级、换机或模型加载失败时,要求核对依赖和固定模型;升级模型、依赖或默认路线时,同一轮刷新离线备用包。

需要准备什么
  • 遇到的安装或加载故障
  • 这次要使用的识别用途
从开始到拿到结果
1系统核对并处理
分清 Python、显卡、固定权重及特殊环境缺哪层,只恢复当前路线所需部分并核对真实装载;没网时从 E 盘离线备用包取依赖和缺失的模型。
2交付与接续
用小样本确认运行与回退点;下载完成、目录存在或离线安装自检通过,都不等于模型可用。
从哪里开始

安装、升级、换机或模型加载失败时,要求核对依赖和固定模型;升级模型、依赖或默认路线时,同一轮刷新离线备用包。

需要准备什么
  • 遇到的安装或加载故障
  • 这次要使用的识别用途
从开始到拿到结果
1系统核对并处理
分清 Python、显卡、固定权重及特殊环境缺哪层,只恢复当前路线所需部分并核对真实装载;没网时从 E 盘离线备用包取依赖和缺失的模型。
2交付与接续
用小样本确认运行与回退点;下载完成、目录存在或离线安装自检通过,都不等于模型可用。
技术实现与依据(一)
这里保留实现、关键条件、精确入口、历史记录和验证结果。
固定模型、候选比较及配置切换/回退已实现;9 月 29 日建成 Windows+FireRed WSL 离线备用包,新环境无索引安装与自检有历史通过,真断网、新环境 GPU 和跨机恢复未验
关键规则与设计选择
1
桌面听写用 scripts/dictation.ps1 -Mode Install 安装额外依赖、创建 ChineseASR Dictation 登录自启并立即启动;Status/Stop/Start 读回与停启,Uninstall 移除登录自启、保留项目和模型。
2
requirements-core.txt 固定 FunASR 1.4.14 与 NumPy 1.26.4,满足 NumPy <2;requirements-dictation.txt 增加 sounddevice 0.5.6、pystray 0.19.5、Pillow >=10。Qwen ASR(自动语音识别) 0.0.6、Torch 2.11.0+cu128、Transformers 4.57.6 维持。
3
新机在线安装与断网恢复使用同一模型 Registry(登记清单),但依赖获取方式不同;模型、依赖或默认路线升级时同轮用 refresh-offline 刷新离线备用,没有定时任务或后台更新。
4
项目要求 Python >=3.11;Windows 当前环境是 3.11.9,FireRed WSL(Windows 的 Linux 子系统) 固定 3.12.3。
5
Windows PyTorch/TorchAudio 从 CUDA 12.8 index 安装;在线脚本不固定精确 torch 版本,离线可复现性由健康环境导出的 lock 和 wheelhouse 承担。
6
requirements-core 固定 FunASR 1.4.14 与 NumPy 1.26.4,Qwen runtime(运行环境) 固定 qwen-asr 0.0.6;FireRed 在 WSL(Windows 的 Linux 子系统) 中使用自己的一组精确依赖和 PyTorch/TorchAudio 2.10.0+cu128。
7
Qwen 和 FireRed 只接受固定 repository/revision 与规范 MODEL_RECEIPT,文件缺失、大小或 SHA-256 漂移都在模型加载前失败关闭。
8
离线备用分开 Windows 与 Linux 两套依赖锁和 wheelhouse,不能混装;模型权重和固定 FireRed 源码归档作为单独部分放进同一个包,私人录音、输出和虚拟环境本身不进包。
技术实现与依据(一)
这里保留实现、关键条件、精确入口、历史记录和验证结果。
固定模型、候选比较及配置切换/回退已实现;9 月 29 日建成 Windows+FireRed WSL 离线备用包,新环境无索引安装与自检有历史通过,真断网、新环境 GPU 和跨机恢复未验
关键规则与设计选择
1
桌面听写用 scripts/dictation.ps1 -Mode Install 安装额外依赖、创建 ChineseASR Dictation 登录自启并立即启动;Status/Stop/Start 读回与停启,Uninstall 移除登录自启、保留项目和模型。
2
requirements-core.txt 固定 FunASR 1.4.14 与 NumPy 1.26.4,满足 NumPy <2;requirements-dictation.txt 增加 sounddevice 0.5.6、pystray 0.19.5、Pillow >=10。Qwen ASR(自动语音识别) 0.0.6、Torch 2.11.0+cu128、Transformers 4.57.6 维持。
3
新机在线安装与断网恢复使用同一模型 Registry(登记清单),但依赖获取方式不同;模型、依赖或默认路线升级时同轮用 refresh-offline 刷新离线备用,没有定时任务或后台更新。
4
项目要求 Python >=3.11;Windows 当前环境是 3.11.9,FireRed WSL(Windows 的 Linux 子系统) 固定 3.12.3。
5
Windows PyTorch/TorchAudio 从 CUDA 12.8 index 安装;在线脚本不固定精确 torch 版本,离线可复现性由健康环境导出的 lock 和 wheelhouse 承担。
6
requirements-core 固定 FunASR 1.4.14 与 NumPy 1.26.4,Qwen runtime(运行环境) 固定 qwen-asr 0.0.6;FireRed 在 WSL(Windows 的 Linux 子系统) 中使用自己的一组精确依赖和 PyTorch/TorchAudio 2.10.0+cu128。
7
Qwen 和 FireRed 只接受固定 repository/revision 与规范 MODEL_RECEIPT,文件缺失、大小或 SHA-256 漂移都在模型加载前失败关闭。
8
离线备用分开 Windows 与 Linux 两套依赖锁和 wheelhouse,不能混装;模型权重和固定 FireRed 源码归档作为单独部分放进同一个包,私人录音、输出和虚拟环境本身不进包。
技术实现与依据(二)
9
setup、download、Doctor、unit test、离线安装自检、runtime(运行环境) smoke 与真实录音 E2E(端到端验证) 是不同证据层,不能互相代替。
10
模型候选先用独立配置跑同语料 baseline/high_quality 评测,比较通过且输入/代码/配置仍匹配后才明确 activate-profile;旧权重和运行依赖独立保留,回退不覆盖后来修改的默认引擎。
当前怎样实现
  • pyproject.toml 要求 Python >=3.11;install-torch-cu128-direct.ps1 创建项目 .venv,从 CUDA 12.8 index 安装 PyTorch/TorchAudio 并现场打印 CUDA 可用性和设备。
  • setup-core.ps1 安装 requirements-core.txt、editable(可编辑)项目,依次运行 pip check 和 zh_asr doctor;镜像不能满足时回退官方 PyPI。
  • setup-qwen.ps1 在同一 Windows .venv 安装 qwen-asr==0.0.6;download-models.ps1 从 ModelScope 获取 Qwen/Qwen3-ASR-1.7B 固定 revision a04930dbe5419bfee073f7cade734f572689a3a8。
  • qwen_identity.py 定义 13 个规范必要文件及其固定字节数/SHA-256;MODEL_RECEIPT 还绑定 schema(数据结构)、repository 和 revision,adapter(执行适配器) 在 Qwen3ASRModel.from_pretrained 前验证 runtime(运行环境)、回执与实际文件。
  • setup-firered.ps1 在 Ubuntu WSL(Windows 的 Linux 子系统) 的 /opt/chineseasr/firered/.venv 建隔离环境,固定 FireRedASR2S commit 4e7d9aaf4482a47cec1724807026b9b151926eb5,验证 imports 与 CUDA 并回读 BF16 支持;Windows 默认模型配置不被改写。
  • FireRed WSL(Windows 的 Linux 子系统) 依赖由 requirements-firered.txt 精确约束,含 Transformers 5.1.0、NumPy 2.4.2 等;Torch/TorchAudio 固定 2.10.0+cu128 并单独安装。
技术实现与依据(二)
9
setup、download、Doctor、unit test、离线安装自检、runtime(运行环境) smoke 与真实录音 E2E(端到端验证) 是不同证据层,不能互相代替。
10
模型候选先用独立配置跑同语料 baseline/high_quality 评测,比较通过且输入/代码/配置仍匹配后才明确 activate-profile;旧权重和运行依赖独立保留,回退不覆盖后来修改的默认引擎。
当前怎样实现
  • pyproject.toml 要求 Python >=3.11;install-torch-cu128-direct.ps1 创建项目 .venv,从 CUDA 12.8 index 安装 PyTorch/TorchAudio 并现场打印 CUDA 可用性和设备。
  • setup-core.ps1 安装 requirements-core.txt、editable(可编辑)项目,依次运行 pip check 和 zh_asr doctor;镜像不能满足时回退官方 PyPI。
  • setup-qwen.ps1 在同一 Windows .venv 安装 qwen-asr==0.0.6;download-models.ps1 从 ModelScope 获取 Qwen/Qwen3-ASR-1.7B 固定 revision a04930dbe5419bfee073f7cade734f572689a3a8。
  • qwen_identity.py 定义 13 个规范必要文件及其固定字节数/SHA-256;MODEL_RECEIPT 还绑定 schema(数据结构)、repository 和 revision,adapter(执行适配器) 在 Qwen3ASRModel.from_pretrained 前验证 runtime(运行环境)、回执与实际文件。
  • setup-firered.ps1 在 Ubuntu WSL(Windows 的 Linux 子系统) 的 /opt/chineseasr/firered/.venv 建隔离环境,固定 FireRedASR2S commit 4e7d9aaf4482a47cec1724807026b9b151926eb5,验证 imports 与 CUDA 并回读 BF16 支持;Windows 默认模型配置不被改写。
  • FireRed WSL(Windows 的 Linux 子系统) 依赖由 requirements-firered.txt 精确约束,含 Transformers 5.1.0、NumPy 2.4.2 等;Torch/TorchAudio 固定 2.10.0+cu128 并单独安装。
技术实现与依据(三)
1
联网健康环境先用 install-torch-cu128-direct.ps1、setup-core.ps1 建立 Windows 基线;需要 strict 时再 setup-qwen.ps1,需要 FireRed 时另建 WSL(Windows 的 Linux 子系统) 隔离环境。
2
按显式 engine 下载固定模型;Qwen 和 FireRed 生成/验证 MODEL_RECEIPT,SenseVoice、Paraformer 等常规模型进入 Git 忽略的 ModelScope 缓存。
  • download-models.ps1 从 Hugging Face 获取 FireRedTeam/FireRedASR2-LLM 固定 revision 2c5e0f415b9afb8f67cb8b00ea4c54959f70e824,并为 14 个必要文件原子生成带路径、大小和 SHA-256 的 MODEL_RECEIPT。
  • export-lock.ps1 与 build-wheelhouse.ps1 为 Windows 和 FireRed Linux 分别导出依赖锁、下载轮包(当前 Windows 129 个、Linux 68 个),torch 系依赖走 CUDA 12.8 index,其余走 PyPI,并写出逐文件大小与 SHA-256 的清单;offline_bundle.py 管整包清单与模型选择。
  • refresh-offline.ps1 串起两套依赖锁和轮包、按配置选模型放进包里(优先用硬链接和模型目录共享同一份字节,不支持或跨卷才复制,10 月 31 日 7fcbc78)、SHA 校验、整包回读和新环境无索引安装自检;全部完成才把候选切成 offline/current,旧版进回收站,任何一步失败都保留旧版。
  • verify-wheelhouse.ps1 逐项检查清单内文件存在与 SHA-256;install-offline.ps1 默认先验证,-Venv 用 --no-index --find-links 建 Windows 环境并运行 pip check 与 Doctor,-VerifyLinux/-LinuxVenv 验证新的 WSL 环境,-RestoreModels 补回缺失模型和固定 FireRed 源码,已有但哈希不同的模型拒绝覆盖。两种 Python 须先可用,项目源码先从可信 Git 恢复;原 .venv 丢失时可显式提供 HostPython;Windows 目标须在 E 盘,WSL 临时路径在 E 盘的 Ubuntu 虚拟磁盘内。
  • runtime(运行环境)/firered_worker.py 在哈希大权重和加载前同时验证固定源码 HEAD/干净工作树、模型回执、WSL(Windows 的 Linux 子系统) 配置容量和当前可用容量;半精度与 FP32 使用不同门槛。
  • src/zh_asr/adapters/firered_worker.py 在加载模型前先对指定 WSL 发行版执行 /bin/true,默认最多等 10 秒;超时结束这次探针并说明尚未加载模型,不用重试加载掩盖 WSL 没就绪,也不关别的 Linux 工作(11 月 3 日 b68e650)。
  • model_lifecycle 的 compare 验相同音频/真值/指标、独立样本规模、无重复或无效数据;纯合成、跳过案例或未改善拒绝提升。activate-profile 用当前代码/配置身份只切 strict 两个默认引擎并保存switch.json;rollback拒绝覆盖后来改变的默认值,保留无关设置。权重、运行依赖和驻留进程仍需各自恢复。
执行流程
技术实现与依据(三)
1
联网健康环境先用 install-torch-cu128-direct.ps1、setup-core.ps1 建立 Windows 基线;需要 strict 时再 setup-qwen.ps1,需要 FireRed 时另建 WSL(Windows 的 Linux 子系统) 隔离环境。
2
按显式 engine 下载固定模型;Qwen 和 FireRed 生成/验证 MODEL_RECEIPT,SenseVoice、Paraformer 等常规模型进入 Git 忽略的 ModelScope 缓存。
  • download-models.ps1 从 Hugging Face 获取 FireRedTeam/FireRedASR2-LLM 固定 revision 2c5e0f415b9afb8f67cb8b00ea4c54959f70e824,并为 14 个必要文件原子生成带路径、大小和 SHA-256 的 MODEL_RECEIPT。
  • export-lock.ps1 与 build-wheelhouse.ps1 为 Windows 和 FireRed Linux 分别导出依赖锁、下载轮包(当前 Windows 129 个、Linux 68 个),torch 系依赖走 CUDA 12.8 index,其余走 PyPI,并写出逐文件大小与 SHA-256 的清单;offline_bundle.py 管整包清单与模型选择。
  • refresh-offline.ps1 串起两套依赖锁和轮包、按配置选模型放进包里(优先用硬链接和模型目录共享同一份字节,不支持或跨卷才复制,10 月 31 日 7fcbc78)、SHA 校验、整包回读和新环境无索引安装自检;全部完成才把候选切成 offline/current,旧版进回收站,任何一步失败都保留旧版。
  • verify-wheelhouse.ps1 逐项检查清单内文件存在与 SHA-256;install-offline.ps1 默认先验证,-Venv 用 --no-index --find-links 建 Windows 环境并运行 pip check 与 Doctor,-VerifyLinux/-LinuxVenv 验证新的 WSL 环境,-RestoreModels 补回缺失模型和固定 FireRed 源码,已有但哈希不同的模型拒绝覆盖。两种 Python 须先可用,项目源码先从可信 Git 恢复;原 .venv 丢失时可显式提供 HostPython;Windows 目标须在 E 盘,WSL 临时路径在 E 盘的 Ubuntu 虚拟磁盘内。
  • runtime(运行环境)/firered_worker.py 在哈希大权重和加载前同时验证固定源码 HEAD/干净工作树、模型回执、WSL(Windows 的 Linux 子系统) 配置容量和当前可用容量;半精度与 FP32 使用不同门槛。
  • src/zh_asr/adapters/firered_worker.py 在加载模型前先对指定 WSL 发行版执行 /bin/true,默认最多等 10 秒;超时结束这次探针并说明尚未加载模型,不用重试加载掩盖 WSL 没就绪,也不关别的 Linux 工作(11 月 3 日 b68e650)。
  • model_lifecycle 的 compare 验相同音频/真值/指标、独立样本规模、无重复或无效数据;纯合成、跳过案例或未改善拒绝提升。activate-profile 用当前代码/配置身份只切 strict 两个默认引擎并保存switch.json;rollback拒绝覆盖后来改变的默认值,保留无关设置。权重、运行依赖和驻留进程仍需各自恢复。
执行流程
技术实现与依据(四)
3
环境通过 pip check/Doctor 后,由 refresh-offline 导出 Windows 与 Linux 两套依赖锁、下载两套轮包,并按当前配置选出要备份的模型。
4
对放进包里的模型做 SHA 校验(硬链接时和模型目录是同一份字节,这一步不证明另有独立副本),整包回读,再在新建环境里做无索引安装自检;全部通过才切成 E 盘的 offline/current,旧版进回收站。
5
Git 仓库只保存源码、脚本和小型 manifest(清单);离线包、模型和输出都被 Git 忽略,项目源码另从可信 Git 恢复。
6
断网时先验证清单,再由 install-offline.ps1 无索引建 Windows 环境、验证新的 WSL 环境,并按需补回缺失模型和固定 FireRed 源码;正常验收不使用 SkipVerify。
7
恢复 Qwen 时核对固定 revision、13 项必要文件和回执;恢复 FireRed 时再核对 14 项权重、固定源码 commit、干净工作树、WSL(Windows 的 Linux 子系统) Python/CUDA 与内存门槛。
8
同一 adapter(执行适配器) 替换模型时先更新 Registry(登记清单) 与身份合同,再下载工件;新增不同 runtime(运行环境) 时新增 adapter(执行适配器),不在旧 profile 下伪装。
9
最后运行默认 strict 与 smoke-asr-smart;FireRed + Qwen 还运行 smoke-evidence-asr 并核对每段 verified、非空 raw、dtype、无 engine_failure,关键语句人工回听。
技术实现与依据(四)
3
环境通过 pip check/Doctor 后,由 refresh-offline 导出 Windows 与 Linux 两套依赖锁、下载两套轮包,并按当前配置选出要备份的模型。
4
对放进包里的模型做 SHA 校验(硬链接时和模型目录是同一份字节,这一步不证明另有独立副本),整包回读,再在新建环境里做无索引安装自检;全部通过才切成 E 盘的 offline/current,旧版进回收站。
5
Git 仓库只保存源码、脚本和小型 manifest(清单);离线包、模型和输出都被 Git 忽略,项目源码另从可信 Git 恢复。
6
断网时先验证清单,再由 install-offline.ps1 无索引建 Windows 环境、验证新的 WSL 环境,并按需补回缺失模型和固定 FireRed 源码;正常验收不使用 SkipVerify。
7
恢复 Qwen 时核对固定 revision、13 项必要文件和回执;恢复 FireRed 时再核对 14 项权重、固定源码 commit、干净工作树、WSL(Windows 的 Linux 子系统) Python/CUDA 与内存门槛。
8
同一 adapter(执行适配器) 替换模型时先更新 Registry(登记清单) 与身份合同,再下载工件;新增不同 runtime(运行环境) 时新增 adapter(执行适配器),不在旧 profile 下伪装。
9
最后运行默认 strict 与 smoke-asr-smart;FireRed + Qwen 还运行 smoke-evidence-asr 并核对每段 verified、非空 raw、dtype、无 engine_failure,关键语句人工回听。
名词和入口
本模块用到的名词
名词意思
dependency lock(依赖锁)从一套健康环境冻结的精确 Python 包版本;online requirements 中的下限不能替代它。
wheelhouse(离线轮包仓库)为 lock 预下载的 Python wheel 集合;它让 pip 在断网时安装,但不含模型权重。
checksum manifest(校验清单)wheelhouse.sha256 逐文件验哈希,wheelhouse.json 另记录 lock 哈希、文件大小和 SHA-256。
MODEL_RECEIPT(模型回执)绑定模型仓库、固定 revision、规范文件列表、字节数和 SHA-256;它验证已有工件,不负责备份工件。
pinned revision(固定修订)精确锁定模型或源码版本,防止同一名称在恢复后实际变成另一份内容。
runtime smoke(运行冒烟)实际加载模型并从入口生成最终制品;比安装、Doctor 和单元测试更接近可用性。
专业定义

把新机安装、断网重建与模型抢修拆成三组可核对工件:依赖包、固定模型缓存与回执、FireRed WSL(Windows Linux 子系统)运行时;E 盘再把三者合成一份离线备用包。下载完、装完都还得跑真实冒烟。

解决什么

解决代码都在但环境跑不起来、上游撤包或断网后才发现依赖或模型没预存、模型目录部分损坏却仍被加载、FireRed WSL(Windows 的 Linux 子系统) 因版本或存储容量漂移在重载时失败,以及换模型只改配置却没有重新验收真实转写的问题。

名词和入口
本模块用到的名词
名词意思
dependency lock(依赖锁)
意思:
从一套健康环境冻结的精确 Python 包版本;online requirements 中的下限不能替代它。
wheelhouse(离线轮包仓库)
意思:
为 lock 预下载的 Python wheel 集合;它让 pip 在断网时安装,但不含模型权重。
checksum manifest(校验清单)
意思:
wheelhouse.sha256 逐文件验哈希,wheelhouse.json 另记录 lock 哈希、文件大小和 SHA-256。
MODEL_RECEIPT(模型回执)
意思:
绑定模型仓库、固定 revision、规范文件列表、字节数和 SHA-256;它验证已有工件,不负责备份工件。
pinned revision(固定修订)
意思:
精确锁定模型或源码版本,防止同一名称在恢复后实际变成另一份内容。
runtime smoke(运行冒烟)
意思:
实际加载模型并从入口生成最终制品;比安装、Doctor 和单元测试更接近可用性。
专业定义

把新机安装、断网重建与模型抢修拆成三组可核对工件:依赖包、固定模型缓存与回执、FireRed WSL(Windows Linux 子系统)运行时;E 盘再把三者合成一份离线备用包。下载完、装完都还得跑真实冒烟。

解决什么

解决代码都在但环境跑不起来、上游撤包或断网后才发现依赖或模型没预存、模型目录部分损坏却仍被加载、FireRed WSL(Windows 的 Linux 子系统) 因版本或存储容量漂移在重载时失败,以及换模型只改配置却没有重新验收真实转写的问题。

出问题时(一)
解决什么
解决代码都在但环境跑不起来、断网后才发现依赖或模型没预存、模型目录部分损坏却仍被加载、FireRed WSL(Windows 的 Linux 子系统) 因版本或存储容量漂移在重载时失败,以及换模型只改配置却没有重新验收真实转写的问题。
边界
offline/current、models、输出与私人音频都被 Git 忽略;公开仓库不是灾备载体。离线备用只有 E 盘项目里这一份,按现有登记不由日常备份另复制到 G、H 盘:它防上游撤包和本机无网重装,E 盘整盘损坏时同样不可用。
离线备用已能重建 Windows 环境、验证新的 FireRed WSL 环境并补回缺失模型和固定源码;但真正拔网线断网安装、新 WSL 环境里的 GPU 录音推理和换到另一台电脑恢复,都还没有验证。
现存 offline/current 的模型选择还有 FunAudioLLM/Fun-ASR-Nano-2512,而当前配置已删这个引擎;“按当前配置选模型”是刷新流程的设计,这份包还没同步。要不要重制归项目维护,这里只如实交代。
硬链接省空间,但不是独立备份:删掉其中一条路径不会让另一条消失,原地改写共享文件却会影响同一份字节。现存包只抽查了模型清单第一项是硬链接,没有逐文件核全包。
MODEL_RECEIPT 不是模型文件、备份、数字签名或真实推理证明;只有工件仍在时才能逐项校验。
verify-wheelhouse 校验清单内文件的存在与 SHA-256,不证明 Python ABI、GPU 驱动或新机器硬件兼容;必须实际 install smoke。
FireRed 半精度至少要求 28 GiB RAM、34 GiB RAM+swap,启动时至少 18 GiB MemAvailable、22 GiB MemAvailable+SwapFree;FP32 对应 40/48 GiB 与 36/44 GiB。
当前 32 GiB WSL(Windows 的 Linux 子系统) RAM + 8 GiB swap(10 月 11 日 .wslconfig 仍是这组值)是这台机器的验证配置,不是所有硬件的统一承诺。
模型下载、环境体检、离线安装自检和源码测试都不能替代真实音频 E2E(端到端验证);重要录音还必须人工核听。
模型目录缺失或损坏时先验真再修复;离线包能补回缺失的模型文件,但不覆盖哈希不同的已有文件。离线安装自检通过不能声称完整断网换机和 GPU 恢复已经验收。
失败与恢复
出问题时(一)
解决什么
解决代码都在但环境跑不起来、断网后才发现依赖或模型没预存、模型目录部分损坏却仍被加载、FireRed WSL(Windows 的 Linux 子系统) 因版本或存储容量漂移在重载时失败,以及换模型只改配置却没有重新验收真实转写的问题。
边界
offline/current、models、输出与私人音频都被 Git 忽略;公开仓库不是灾备载体。离线备用只有 E 盘项目里这一份,按现有登记不由日常备份另复制到 G、H 盘:它防上游撤包和本机无网重装,E 盘整盘损坏时同样不可用。
离线备用已能重建 Windows 环境、验证新的 FireRed WSL 环境并补回缺失模型和固定源码;但真正拔网线断网安装、新 WSL 环境里的 GPU 录音推理和换到另一台电脑恢复,都还没有验证。
现存 offline/current 的模型选择还有 FunAudioLLM/Fun-ASR-Nano-2512,而当前配置已删这个引擎;“按当前配置选模型”是刷新流程的设计,这份包还没同步。要不要重制归项目维护,这里只如实交代。
硬链接省空间,但不是独立备份:删掉其中一条路径不会让另一条消失,原地改写共享文件却会影响同一份字节。现存包只抽查了模型清单第一项是硬链接,没有逐文件核全包。
MODEL_RECEIPT 不是模型文件、备份、数字签名或真实推理证明;只有工件仍在时才能逐项校验。
verify-wheelhouse 校验清单内文件的存在与 SHA-256,不证明 Python ABI、GPU 驱动或新机器硬件兼容;必须实际 install smoke。
FireRed 半精度至少要求 28 GiB RAM、34 GiB RAM+swap,启动时至少 18 GiB MemAvailable、22 GiB MemAvailable+SwapFree;FP32 对应 40/48 GiB 与 36/44 GiB。
当前 32 GiB WSL(Windows 的 Linux 子系统) RAM + 8 GiB swap(10 月 11 日 .wslconfig 仍是这组值)是这台机器的验证配置,不是所有硬件的统一承诺。
模型下载、环境体检、离线安装自检和源码测试都不能替代真实音频 E2E(端到端验证);重要录音还必须人工核听。
模型目录缺失或损坏时先验真再修复;离线包能补回缺失的模型文件,但不覆盖哈希不同的已有文件。离线安装自检通过不能声称完整断网换机和 GPU 恢复已经验收。
失败与恢复
出问题时(二)
  • 断网时离线备用包缺失或不完整: 明确判定无法离线重建;回到有网络且已验证的健康环境用 refresh-offline 重新制备,不从未知缓存猜版本。
  • wheel 文件缺失或 SHA-256 不一致: verify-wheelhouse 失败并阻断安装;从可信源重新构建或恢复完整轮包,不使用 SkipVerify 绕过正常验收。
  • 离线备用刷新中途失败: 候选不切成 current,原来的离线备用原样保留;排查失败那一步后重新刷新。
  • offline pip install、pip check 或 Doctor 失败: 保留失败包与错误,丢弃这次未通过的 venv,使用已验证的锁和轮包重建;不改变模型默认路由。
  • Qwen receipt(执行回执)、runtime(运行环境) 版本或 13 项必要文件漂移: 在模型 loader 前失败关闭;从固定 revision 重取或从离线备用、可信备份恢复,并重新生成/核验规范回执。
  • FireRed 模型回执、固定源码 HEAD 或干净工作树不符: 拒绝加载;恢复固定 14 项权重与 pinned checkout(本地检出目录),不在被修改源码上继续证据路线。
  • FireRed WSL(Windows 的 Linux 子系统) 配置总量不足: 先调整 .wslconfig;在没有重要 WSL(Windows 的 Linux 子系统)/Docker 任务时执行 wsl(Windows 的 Linux 子系统) --shutdown 后重新启动,再复核容量。
  • FireRed 的 WSL 就绪检查超时: 默认等 10 秒后结束这次探针,说明模型还没开始加载;等 WSL 起来再提交,不反复重试加载,也不关别的 Linux 工作。
  • FireRed 配置足够但当前可用内存不足: 关闭或等待占用进程后重试,不把临时争用误报为模型损坏,也不让 OOM 后反复装载。
出问题时(二)
  • 断网时离线备用包缺失或不完整: 明确判定无法离线重建;回到有网络且已验证的健康环境用 refresh-offline 重新制备,不从未知缓存猜版本。
  • wheel 文件缺失或 SHA-256 不一致: verify-wheelhouse 失败并阻断安装;从可信源重新构建或恢复完整轮包,不使用 SkipVerify 绕过正常验收。
  • 离线备用刷新中途失败: 候选不切成 current,原来的离线备用原样保留;排查失败那一步后重新刷新。
  • offline pip install、pip check 或 Doctor 失败: 保留失败包与错误,丢弃这次未通过的 venv,使用已验证的锁和轮包重建;不改变模型默认路由。
  • Qwen receipt(执行回执)、runtime(运行环境) 版本或 13 项必要文件漂移: 在模型 loader 前失败关闭;从固定 revision 重取或从离线备用、可信备份恢复,并重新生成/核验规范回执。
  • FireRed 模型回执、固定源码 HEAD 或干净工作树不符: 拒绝加载;恢复固定 14 项权重与 pinned checkout(本地检出目录),不在被修改源码上继续证据路线。
  • FireRed WSL(Windows 的 Linux 子系统) 配置总量不足: 先调整 .wslconfig;在没有重要 WSL(Windows 的 Linux 子系统)/Docker 任务时执行 wsl(Windows 的 Linux 子系统) --shutdown 后重新启动,再复核容量。
  • FireRed 的 WSL 就绪检查超时: 默认等 10 秒后结束这次探针,说明模型还没开始加载;等 WSL 起来再提交,不反复重试加载,也不关别的 Linux 工作。
  • FireRed 配置足够但当前可用内存不足: 关闭或等待占用进程后重试,不把临时争用误报为模型损坏,也不让 OOM 后反复装载。
出问题时(三)
  • 已有模型文件与离线包哈希不同: -RestoreModels 拒绝覆盖,先查明是哪一份被改过,再决定从固定 revision 重取还是保留现状。
  • 模型更换后 Doctor 通过但 smoke 失败: 该 profile 仍为 unavailable/provisional;回到固定工件、adapter(执行适配器) 与实际输出排查,不能把下载成功写成 ASR(自动语音识别) 场景可用。
  • E 盘整盘损坏: 项目内唯一的离线备用一起丢失;源码从可信 Git 恢复,依赖和模型只能联网重新取得。
出问题时(三)
  • 已有模型文件与离线包哈希不同: -RestoreModels 拒绝覆盖,先查明是哪一份被改过,再决定从固定 revision 重取还是保留现状。
  • 模型更换后 Doctor 通过但 smoke 失败: 该 profile 仍为 unavailable/provisional;回到固定工件、adapter(执行适配器) 与实际输出排查,不能把下载成功写成 ASR(自动语音识别) 场景可用。
  • E 盘整盘损坏: 项目内唯一的离线备用一起丢失;源码从可信 Git 恢复,依赖和模型只能联网重新取得。
依据与来源(一)
真实入口
  • Python >=3.11 与项目安装入口
  • Windows 核心依赖、FunASR 1.4.14 与 NumPy 1.26.4
  • Qwen ASR(自动语音识别) runtime(运行环境) 0.0.6
  • FireRed WSL(Windows 的 Linux 子系统) 精确 Python 依赖
  • 四引擎 Registry(登记清单)、固定 revision 与运行门
  • Windows CUDA 12.8 PyTorch/TorchAudio 安装
  • Windows 核心 venv、pip check 与 Doctor
  • 固定 Qwen runtime(运行环境) 安装
依据与来源(一)
真实入口
  • Python >=3.11 与项目安装入口
  • Windows 核心依赖、FunASR 1.4.14 与 NumPy 1.26.4
  • Qwen ASR(自动语音识别) runtime(运行环境) 0.0.6
  • FireRed WSL(Windows 的 Linux 子系统) 精确 Python 依赖
  • 四引擎 Registry(登记清单)、固定 revision 与运行门
  • Windows CUDA 12.8 PyTorch/TorchAudio 安装
  • Windows 核心 venv、pip check 与 Doctor
  • 固定 Qwen runtime(运行环境) 安装
依据与来源(二)
  • FireRed WSL(Windows 的 Linux 子系统) 隔离环境与固定源码
  • 固定模型下载与 MODEL_RECEIPT 生成
  • Windows/Linux 两套依赖锁导出与整包刷新
  • 两套离线轮包下载与 checksum/JSON manifest(清单)
  • 离线工件逐文件 SHA-256 校验
  • 无索引安装、WSL 验证、模型补回、pip check 与 Doctor
  • Qwen 13 项模型工件和 runtime(运行环境) 身份失败关闭
  • FireRed 14 项工件、源码、容量与装载验证
依据与来源(二)
  • FireRed WSL(Windows 的 Linux 子系统) 隔离环境与固定源码
  • 固定模型下载与 MODEL_RECEIPT 生成
  • Windows/Linux 两套依赖锁导出与整包刷新
  • 两套离线轮包下载与 checksum/JSON manifest(清单)
  • 离线工件逐文件 SHA-256 校验
  • 无索引安装、WSL 验证、模型补回、pip check 与 Doctor
  • Qwen 13 项模型工件和 runtime(运行环境) 身份失败关闭
  • FireRed 14 项工件、源码、容量与装载验证
依据与来源(三)
  • setup、下载、wheelhouse、offline install、整包刷新与 smoke 脚本回归
  • 模型身份、WSL(Windows 的 Linux 子系统) 容量、数据流与替换验收边界
如何验证
  • 2026-08-31 安装恢复基线:当时 PUBLIC(公开) main=70e3255326ad8ba7b0e335fdf6b4a19caf0d8029,README、architecture、Registry(登记清单)、requirements 与完整安装/下载/离线脚本已逐项核对;该提交只作历史基线,现行 main 为 459869608730ed8e6e8ce656c5cef39553255624(11 月 4 日本机读到,和本机记录的 origin/main 一致,未联网刷新远端),离线备用来自 9 月 29 日提交 f4d75fc。
  • Unit tests:2026-08-31 那次 .venv\Scripts\python.exe -m unittest -v tests.test_scripts 运行 18 项并全部通过;它验证脚本合同,不下载 wheel、不装模型也不跑音频。
  • 2026-08-31 Full regression 历史观察:同一轮 .venv\Scripts\python.exe -m unittest discover -s tests -q 运行 345 项,用时 83.524 秒并全部通过;仍不等于真实模型 E2E(端到端验证)。
  • Windows 运行环境:2026-08-31 Doctor 历史观察为 Python 3.11.9、PyTorch/TorchAudio 2.11.0+cu128、FunASR 1.4.5、Qwen ASR(自动语音识别) 0.0.6、ModelScope 1.38.1,RTX 5090 D 驱动 616.56、32607 MiB,六个引擎可枚举。2026-10-11 只读核对当前 .venv 的安装元数据:Python 3.11.9、Torch/TorchAudio 2.11.0+cu128、Transformers 4.57.6、FunASR 1.4.14、NumPy 1.26.4、qwen-asr 0.0.6、ModelScope 1.38.1、OpenCC 0.1.7 等,与 129 项 Windows 依赖锁无不一致;显卡驱动 617.14。这是安装元数据,不是新的 GPU/CUDA 验收。
  • Model artifacts:Qwen receipt(执行回执) 为 1763 B / SHA-256 0c43de9dd883adefb65cfa1477ad7156f749868105a554e647b47de73c841ef9,13 项声明合计 4703115105 B;FireRed receipt(执行回执) 为 2124 B / SHA-256 c4effd6931c0e09d8b2caaf7f8b9f58bed370fa4a174edfc64b668dd0b48dd01,14 项声明合计 18870501538 B。2026-10-11 再次确认所有声明路径存在、文件大小一致,只核对回执自身哈希,未重哈希权重、未加载模型。
依据与来源(三)
  • setup、下载、wheelhouse、offline install、整包刷新与 smoke 脚本回归
  • 模型身份、WSL(Windows 的 Linux 子系统) 容量、数据流与替换验收边界
如何验证
  • 2026-08-31 安装恢复基线:当时 PUBLIC(公开) main=70e3255326ad8ba7b0e335fdf6b4a19caf0d8029,README、architecture、Registry(登记清单)、requirements 与完整安装/下载/离线脚本已逐项核对;该提交只作历史基线,现行 main 为 459869608730ed8e6e8ce656c5cef39553255624(11 月 4 日本机读到,和本机记录的 origin/main 一致,未联网刷新远端),离线备用来自 9 月 29 日提交 f4d75fc。
  • Unit tests:2026-08-31 那次 .venv\Scripts\python.exe -m unittest -v tests.test_scripts 运行 18 项并全部通过;它验证脚本合同,不下载 wheel、不装模型也不跑音频。
  • 2026-08-31 Full regression 历史观察:同一轮 .venv\Scripts\python.exe -m unittest discover -s tests -q 运行 345 项,用时 83.524 秒并全部通过;仍不等于真实模型 E2E(端到端验证)。
  • Windows 运行环境:2026-08-31 Doctor 历史观察为 Python 3.11.9、PyTorch/TorchAudio 2.11.0+cu128、FunASR 1.4.5、Qwen ASR(自动语音识别) 0.0.6、ModelScope 1.38.1,RTX 5090 D 驱动 616.56、32607 MiB,六个引擎可枚举。2026-10-11 只读核对当前 .venv 的安装元数据:Python 3.11.9、Torch/TorchAudio 2.11.0+cu128、Transformers 4.57.6、FunASR 1.4.14、NumPy 1.26.4、qwen-asr 0.0.6、ModelScope 1.38.1、OpenCC 0.1.7 等,与 129 项 Windows 依赖锁无不一致;显卡驱动 617.14。这是安装元数据,不是新的 GPU/CUDA 验收。
  • Model artifacts:Qwen receipt(执行回执) 为 1763 B / SHA-256 0c43de9dd883adefb65cfa1477ad7156f749868105a554e647b47de73c841ef9,13 项声明合计 4703115105 B;FireRed receipt(执行回执) 为 2124 B / SHA-256 c4effd6931c0e09d8b2caaf7f8b9f58bed370fa4a174edfc64b668dd0b48dd01,14 项声明合计 18870501538 B。2026-10-11 再次确认所有声明路径存在、文件大小一致,只核对回执自身哈希,未重哈希权重、未加载模型。
依据与来源(四)
  • FireRed runtime(运行环境):WSL(Windows 的 Linux 子系统) Python 3.12.3、PyTorch 2.10.0+cu128、Transformers 5.1.0、NumPy 2.4.2 是现行固定版本和 9 月 29 日包内版本,11 月 4 日没有启动 WSL 重取已安装环境;固定源码 HEAD=4e7d9aaf4482a47cec1724807026b9b151926eb5 仍干净。CUDA/BF16 可用、“内存高于半精度门槛”是 9 月 17 日的历史现场,10 月 11 日没有取得 WSL 可用内存。
  • 离线备用(2026-09-29 建,f4d75fc):清单 307 个文件、37,855,429,442 字节,连同 bundle.json 共 308 个、37,855,493,658 字节(约 35.26 GiB);其中模型 104 个文件 30,622,178,199 字节,Windows 轮包 129 个、FireRed Linux 轮包 68 个,FireRed 源码归档 8,570,880 字节。9 月 29 日在新建的 Windows/Ubuntu 环境里用 --no-index/--find-links 只从本地轮包安装,pip check、项目 Doctor 和 FireRed 源码导入通过,整包 307 项 SHA 封存后回读通过;同日离线/脚本专项 20 项通过,全量运行 531 项(20 项跳过)。2026-10-11 只核对 307 项存在且大小吻合、models.yaml 哈希与包内记录一致(bundle.json 自身 SHA-256 b223061e3b66673c309063f7e55935a12cc469718aa00c73f3004cab1aa3db3c),没有重算整包 SHA。
  • 2026-11-04 09:12–09:14 只读 offline/current/bundle.json 和 model-selection.json:selection.models 还有 Fun-ASR-Nano-2512,model_files=104、files=307;模型清单第一项 models/aligner/Qwen3-ForcedAligner-0.6B/…/chat_template.json 的 LinkType=HardLink。没有重算大权重,没有运行离线刷新或恢复,9 月 29 日的大小和自检仍是那一天的历史。
  • Unverified:未拔网线断网安装、未在新 WSL 环境做真实 GPU 录音推理、未验证换到另一台电脑恢复;current 仍是 9 月 29 日那一版,真实的 35 GiB 新旧版本轮换没有验收。11 月 4 日也未加载模型、未运行 strict/evidence smoke,未用私人录音做 E2E(端到端验证)。
与其他模块的关系

本模块承接模型与模式模块的精确 profile,把依赖、权重和 FireRed WSL(Windows 的 Linux 子系统) 恢复成可执行候选;只有再通过入口模块的真实 smoke、长音频执行与审计证据,候选环境才成为可用 ASR(自动语音识别) 路线。

依据与来源(四)
  • FireRed runtime(运行环境):WSL(Windows 的 Linux 子系统) Python 3.12.3、PyTorch 2.10.0+cu128、Transformers 5.1.0、NumPy 2.4.2 是现行固定版本和 9 月 29 日包内版本,11 月 4 日没有启动 WSL 重取已安装环境;固定源码 HEAD=4e7d9aaf4482a47cec1724807026b9b151926eb5 仍干净。CUDA/BF16 可用、“内存高于半精度门槛”是 9 月 17 日的历史现场,10 月 11 日没有取得 WSL 可用内存。
  • 离线备用(2026-09-29 建,f4d75fc):清单 307 个文件、37,855,429,442 字节,连同 bundle.json 共 308 个、37,855,493,658 字节(约 35.26 GiB);其中模型 104 个文件 30,622,178,199 字节,Windows 轮包 129 个、FireRed Linux 轮包 68 个,FireRed 源码归档 8,570,880 字节。9 月 29 日在新建的 Windows/Ubuntu 环境里用 --no-index/--find-links 只从本地轮包安装,pip check、项目 Doctor 和 FireRed 源码导入通过,整包 307 项 SHA 封存后回读通过;同日离线/脚本专项 20 项通过,全量运行 531 项(20 项跳过)。2026-10-11 只核对 307 项存在且大小吻合、models.yaml 哈希与包内记录一致(bundle.json 自身 SHA-256 b223061e3b66673c309063f7e55935a12cc469718aa00c73f3004cab1aa3db3c),没有重算整包 SHA。
  • 2026-11-04 09:12–09:14 只读 offline/current/bundle.json 和 model-selection.json:selection.models 还有 Fun-ASR-Nano-2512,model_files=104、files=307;模型清单第一项 models/aligner/Qwen3-ForcedAligner-0.6B/…/chat_template.json 的 LinkType=HardLink。没有重算大权重,没有运行离线刷新或恢复,9 月 29 日的大小和自检仍是那一天的历史。
  • Unverified:未拔网线断网安装、未在新 WSL 环境做真实 GPU 录音推理、未验证换到另一台电脑恢复;current 仍是 9 月 29 日那一版,真实的 35 GiB 新旧版本轮换没有验收。11 月 4 日也未加载模型、未运行 strict/evidence smoke,未用私人录音做 E2E(端到端验证)。
与其他模块的关系

本模块承接模型与模式模块的精确 profile,把依赖、权重和 FireRed WSL(Windows 的 Linux 子系统) 恢复成可执行候选;只有再通过入口模块的真实 smoke、长音频执行与审计证据,候选环境才成为可用 ASR(自动语音识别) 路线。

复制 AI 续作说明

项目:安装、模型工件与离线恢复;仓库:wlyaaaaa/ChineseASR;范围:整个项目;目标:(这里写这次要做的事)。先读项目的 AGENTS.md 和说明,按现行规则做。

把“目标”换成这次要做的事,整段复制给 AI。