
ChineseASR · 功能说明
我不用为改动画踩点再花一次配音费用,也不用让视频项目安装另一套语音识别。把一段现成音频和已确认文案交过来,就能取得词语出现的秒数,同时知道有没有漏对齐、来源有没有变。
当前情况:已有把确认文案对齐到音频的入口和公开音频验收;11 月 4 日只读查过入口和模型文件,没有重新执行,对齐也不验证文案真假。
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


ChineseASR · 功能说明
我不用为改动画踩点再花一次配音费用,也不用让视频项目安装另一套语音识别。把一段现成音频和已确认文案交过来,就能取得词语出现的秒数,同时知道有没有漏对齐、来源有没有变。
当前情况:已有把确认文案对齐到音频的入口和公开音频验收;11 月 4 日只读查过入口和模型文件,没有重新执行,对齐也不验证文案真假。
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


用途与实际影响
重新识别可能把已经确认的名字和措辞改掉,按字数平均分配时间又会错过停顿和语速变化。这里把“说了什么”的确认与“这句话在哪一秒”分开,只处理后一个问题。
“这段旁白已经满意,请给确认过的稿子标词语时间,别重新配音。”项目将原音与文案对齐,交回每个词从哪一秒到哪一秒;单段超过五分钟就按真实声音拆分,不能按文字长度猜时间。
得到每个词在现成音频中的起止时间,附音频与文案的版本依据。覆盖不全或输入中途变化时保留旧结果;对齐成功仍不证明文案本身说得对。

用途与实际影响
重新识别可能把已经确认的名字和措辞改掉,按字数平均分配时间又会错过停顿和语速变化。这里把“说了什么”的确认与“这句话在哪一秒”分开,只处理后一个问题。
“这段旁白已经满意,请给确认过的稿子标词语时间,别重新配音。”项目将原音与文案对齐,交回每个词从哪一秒到哪一秒;单段超过五分钟就按真实声音拆分,不能按文字长度猜时间。
得到每个词在现成音频中的起止时间,附音频与文案的版本依据。覆盖不全或输入中途变化时保留旧结果;对齐成功仍不证明文案本身说得对。

原音和文案对应、时间顺序与覆盖都核对后,交回完整词语时间轴。
词语漏对、秒数异常或输入变了时不覆盖旧成果,说明具体缺口。
模型或显卡不可用、任务取消或超时,只停本次对齐;不下载、不上传或改走听写。

原音和文案对应、时间顺序与覆盖都核对后,交回完整词语时间轴。
词语漏对、秒数异常或输入变了时不覆盖旧成果,说明具体缺口。
模型或显卡不可用、任务取消或超时,只停本次对齐;不下载、不上传或改走听写。

给已有音频和确认文案,要求标出逐词起止时间。
- 现成音频
- 对应且已确认的文案


给已有音频和确认文案,要求标出逐词起止时间。
- 现成音频
- 对应且已确认的文案



- 命令 python -B -m zh_asr alignment-info 只读配置与路径,不加载模型;align 接收一个音频、UTF-8 --text-file、--output 与 --timeout-sec。
- 当前 Qwen/Qwen3-ForcedAligner-0.6B 固定 revision=c7cbfc2048c462b0d63a45797104fc9db3ad62b7,模型位于 models/aligner 对应版本目录,artifact_lock=configs/model-locks/qwen3-forced-aligner-0.6b.json,runtime(运行环境) qwen-asr=0.0.6。
- 现有音频前处理在本任务临时目录转 PCM,沿用受监督可终止 worker 和 GPU 短租约,不建立新监听口、后台服务或双模型转写任务。
- 先核验模型及对齐覆盖/时间范围,写入前重新核对音频与文本 SHA-256;只有完整成功才原子替换输出。


- 命令 python -B -m zh_asr alignment-info 只读配置与路径,不加载模型;align 接收一个音频、UTF-8 --text-file、--output 与 --timeout-sec。
- 当前 Qwen/Qwen3-ForcedAligner-0.6B 固定 revision=c7cbfc2048c462b0d63a45797104fc9db3ad62b7,模型位于 models/aligner 对应版本目录,artifact_lock=configs/model-locks/qwen3-forced-aligner-0.6b.json,runtime(运行环境) qwen-asr=0.0.6。
- 现有音频前处理在本任务临时目录转 PCM,沿用受监督可终止 worker 和 GPU 短租约,不建立新监听口、后台服务或双模型转写任务。
- 先核验模型及对齐覆盖/时间范围,写入前重新核对音频与文本 SHA-256;只有完整成功才原子替换输出。

- fetch-aligner/verify-aligner 由既有 model_lifecycle 明确执行:只从不可变锁恢复缺文件,异常已安装字节不被重新生成哈希批准。


- fetch-aligner/verify-aligner 由既有 model_lifecycle 明确执行:只从不可变锁恢复缺文件,异常已安装字节不被重新生成哈希批准。



| 名词 | 意思 |
|---|---|
| forced alignment(强制对齐) | 给模型声音和已知文字,找文字的位置;不是重新识别,更不认证文字真伪。 |
| lexical_truth_verified=false | 这份结果没有证明词汇本身正确,哪怕覆盖完整、哈希一致、时间单调。 |
| 原子交付 | 完整结果先核对,最后一次替换目标;半成品、超时或被修改的输入不能覆盖旧成功文件。 |

视频已经配好旁白,或手头已有确认文本时,只借用一个共享对齐器找踩点。它找位置,不证明稿子真的说对了。



视频已经配好旁白,或手头已有确认文本时,只借用一个共享对齐器找踩点。它找位置,不证明稿子真的说对了。

- 模型或权重缺失: 本次对齐不可用,按现有固定锁恢复流程处理;原音频、文案和旧词轴保持不变。
- 单场超过300秒: 明确拒绝,按审阅后的分镜切成真实音频段,不从文字长度伪造分段位置。
- 输入改变、覆盖不全或时间异常: 不替换输出,报告具体覆盖/身份问题并保留上次成功成果。
- 取消、超时或租约丢失: 终止本次受管worker与相关临时物,不自动重试或占用他人资源。

- 模型或权重缺失: 本次对齐不可用,按现有固定锁恢复流程处理;原音频、文案和旧词轴保持不变。
- 单场超过300秒: 明确拒绝,按审阅后的分镜切成真实音频段,不从文字长度伪造分段位置。
- 输入改变、覆盖不全或时间异常: 不替换输出,报告具体覆盖/身份问题并保留上次成功成果。
- 取消、超时或租约丢失: 终止本次受管worker与相关临时物,不自动重试或占用他人资源。

- 输入、原子输出、词汇真值与300秒边界的当前产品合同
- 对齐模型生命周期、固定锁、质量与实际验收分层
- 唯一模型、运行时、对齐目录和时长配置
- 2026-09-18 21:30:47(北京时间)那次 alignment-info 为 read_only=true,返回固定Qwen对齐器目录、weights_present=true、max_audio_sec=300;未加载或重哈希权重。2026-10-11 只读核对:固定版本仍为 c7cbfc20…,8 项必要文件存在且大小吻合(声明 1,840,013,484 字节);没有调用 alignment-info、align 或 verify-aligner,也没有重算权重哈希。2026-11-04 再跑 python -B -m zh_asr alignment-info:read_only=true、固定 Qwen 对齐器、weights_present=true、max_audio_sec=300、lexical_truth_verified=false;只证明入口和权重路径存在,未加载、未重算权重,也没有对齐真实音频。
- 9月17日来源收尾记录真实公开音频Qwen3-ForcedAligner和文件流程验收通过;之后没有重跑,也不把该短样例视作任意旁白零误差保证。
- 取消、输入变化、覆盖检查和进程清理的源码合同与真实音频证据分别成立,最终消费者仍需听音预览。
本模块让 video-scaffold 等已有音频与确认文案的调用方复用 ChineseASR 对齐能力;模型、原件与时间证据留在此处,画面编排和最终成片验收仍归视频工程。

- 输入、原子输出、词汇真值与300秒边界的当前产品合同
- 对齐模型生命周期、固定锁、质量与实际验收分层
- 唯一模型、运行时、对齐目录和时长配置
- 2026-09-18 21:30:47(北京时间)那次 alignment-info 为 read_only=true,返回固定Qwen对齐器目录、weights_present=true、max_audio_sec=300;未加载或重哈希权重。2026-10-11 只读核对:固定版本仍为 c7cbfc20…,8 项必要文件存在且大小吻合(声明 1,840,013,484 字节);没有调用 alignment-info、align 或 verify-aligner,也没有重算权重哈希。2026-11-04 再跑 python -B -m zh_asr alignment-info:read_only=true、固定 Qwen 对齐器、weights_present=true、max_audio_sec=300、lexical_truth_verified=false;只证明入口和权重路径存在,未加载、未重算权重,也没有对齐真实音频。
- 9月17日来源收尾记录真实公开音频Qwen3-ForcedAligner和文件流程验收通过;之后没有重跑,也不把该短样例视作任意旁白零误差保证。
- 取消、输入变化、覆盖检查和进程清理的源码合同与真实音频证据分别成立,最终消费者仍需听音预览。
本模块让 video-scaffold 等已有音频与确认文案的调用方复用 ChineseASR 对齐能力;模型、原件与时间证据留在此处,画面编排和最终成片验收仍归视频工程。
复制 AI 续作说明
项目:已有音频和确认文案,只找每个词在声音中的位置;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。








