

ChineseASR · 功能说明
我按用途选路线:对电脑说话打字用 Qwen3-ASR-1.7B;AI 处理选定录音时,免费期内先用阿里云 Qwen Audio 3.1,不等本地;先快速看录音内容用 SenseVoiceSmall;本地严格核对默认用 Qwen 与 SenseVoice 两路;重要录音要本地证据时点名走高质量路线,由 FireRedASR2-LLM 主听、Qwen 校验。多人录音要逐句时间和按声音分组时点名 Paraformer,确认文案配时间用 Qwen3-ForcedAligner。微信实时语音用提前热好的 Qwen,和云端同时转。本地标出疑点的文件在免费期内会再请阿里云听一遍;本地默认路线不会因安装新模型而自动改路线或上传云端。
当前情况:已有云优先转写、快速初稿、本地双模型核对、重要录音高质量路线、带逐句时间的 Paraformer 路线和疑难云复核。文件转写现在登记 4 个识别引擎(FireRedASR2-LLM、Qwen3-ASR-1.7B、SenseVoiceSmall、Paraformer)和 2 套组合(日常 baseline、重要录音 high_quality)。10 月 20 日起,一直没在用的 Fun-ASR-Nano、只登记没接上的 Whisper、本地大模型仲裁和过期的云端 Qwen Audio 3.0 都已删除,不再是可选路线。
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
我按用途选路线:对电脑说话打字用 Qwen3-ASR-1.7B;AI 处理选定录音时,免费期内先用阿里云 Qwen Audio 3.1,不等本地;先快速看录音内容用 SenseVoiceSmall;本地严格核对默认用 Qwen 与 SenseVoice 两路;重要录音要本地证据时点名走高质量路线,由 FireRedASR2-LLM 主听、Qwen 校验。多人录音要逐句时间和按声音分组时点名 Paraformer,确认文案配时间用 Qwen3-ForcedAligner。微信实时语音用提前热好的 Qwen,和云端同时转。本地标出疑点的文件在免费期内会再请阿里云听一遍;本地默认路线不会因安装新模型而自动改路线或上传云端。
当前情况:已有云优先转写、快速初稿、本地双模型核对、重要录音高质量路线、带逐句时间的 Paraformer 路线和疑难云复核。文件转写现在登记 4 个识别引擎(FireRedASR2-LLM、Qwen3-ASR-1.7B、SenseVoiceSmall、Paraformer)和 2 套组合(日常 baseline、重要录音 high_quality)。10 月 20 日起,一直没在用的 Fun-ASR-Nano、只登记没接上的 Whisper、本地大模型仲裁和过期的云端 Qwen Audio 3.0 都已删除,不再是可选路线。
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
不同用途需要不同速度和复核强度;装了新模型、有了更强的路线,不等于它该接管日常任务。固定当前默认和实际执行身份,才能知道这次结果是怎样来的。
“先快速知道这段语音讲什么;里面要正式引用的部分按重要录音处理。”AI 免费期内先把这段送云端,要引用的部分标成重要。要本地证据时,快看用 SenseVoiceSmall 出初稿;重要部分点名高质量路线,FireRedASR2-LLM 主听、Qwen3-ASR-1.7B 校验,把分歧连到原音。不点名的本地转写仍走 Qwen 主识别、SenseVoice 对照的日常两路,不会因为有了更强的路线就被悄悄提升。若我只要给确认过的旁白标词语秒数,则改用对齐入口,不重新识别文案。
每次交回实际使用的模型、初稿或双路文字、需要回听的差异与时间位置;对齐任务另给逐词秒数。以前登记过的 Whisper Large V3 和 Fun-ASR-Nano 已在 10 月 20 日删除,点名它们会直接报“没有这个引擎”,也不会成为失败后的自动备选。云端识别分三种:AI 处理选定录音,免费期内直接上云,不用逐次同意;本地标出疑点的文件,在免费期内由 AI 自动请云端复核;免费期已过还想传,须我明确同意这一次。
所选本地模型、文件和运行条件都可用时,按这次用途执行,并在结果中写明实际用了哪一套;双路复核会保留两份结果和差异。
主识别失败而对照有结果时,只交暂定文字和失败原因,不能称为两路已经核对;重要词句仍要回听。
所选权重或运行环境缺失时只暂停对应路线;点名已删除的路线(Whisper、Fun-ASR-Nano)直接报错。不会用相近模型顶替,也不会自行下载、换默认,或拿上传云端顶替缺失的本地模型。

用途与实际影响
不同用途需要不同速度和复核强度;装了新模型、有了更强的路线,不等于它该接管日常任务。固定当前默认和实际执行身份,才能知道这次结果是怎样来的。
“先快速知道这段语音讲什么;里面要正式引用的部分按重要录音处理。”AI 免费期内先把这段送云端,要引用的部分标成重要。要本地证据时,快看用 SenseVoiceSmall 出初稿;重要部分点名高质量路线,FireRedASR2-LLM 主听、Qwen3-ASR-1.7B 校验,把分歧连到原音。不点名的本地转写仍走 Qwen 主识别、SenseVoice 对照的日常两路,不会因为有了更强的路线就被悄悄提升。若我只要给确认过的旁白标词语秒数,则改用对齐入口,不重新识别文案。
每次交回实际使用的模型、初稿或双路文字、需要回听的差异与时间位置;对齐任务另给逐词秒数。以前登记过的 Whisper Large V3 和 Fun-ASR-Nano 已在 10 月 20 日删除,点名它们会直接报“没有这个引擎”,也不会成为失败后的自动备选。云端识别分三种:AI 处理选定录音,免费期内直接上云,不用逐次同意;本地标出疑点的文件,在免费期内由 AI 自动请云端复核;免费期已过还想传,须我明确同意这一次。
所选本地模型、文件和运行条件都可用时,按这次用途执行,并在结果中写明实际用了哪一套;双路复核会保留两份结果和差异。
主识别失败而对照有结果时,只交暂定文字和失败原因,不能称为两路已经核对;重要词句仍要回听。
所选权重或运行环境缺失时只暂停对应路线;点名已删除的路线(Whisper、Fun-ASR-Nano)直接报错。不会用相近模型顶替,也不会自行下载、换默认,或拿上传云端顶替缺失的本地模型。

所选本地模型、文件和运行条件都可用时,按这次用途执行,并在结果中写明实际用了哪一套;双路复核会保留两份结果和差异。
Qwen 主识别失败而 SenseVoice 有结果时,只交暂定文字和失败原因,不能称为两路已经核对;重要词句仍要回听。
所选权重或运行环境缺失时只暂停对应路线;点名已删除的路线(Whisper、Fun-ASR-Nano)直接报错,不会用相近模型顶替,也不会自行下载、换默认或上传。

所选本地模型、文件和运行条件都可用时,按这次用途执行,并在结果中写明实际用了哪一套;双路复核会保留两份结果和差异。
Qwen 主识别失败而 SenseVoice 有结果时,只交暂定文字和失败原因,不能称为两路已经核对;重要词句仍要回听。
所选权重或运行环境缺失时只暂停对应路线;点名已删除的路线(Whisper、Fun-ASR-Nano)直接报错,不会用相近模型顶替,也不会自行下载、换默认或上传。

说明是快速初稿、平常录音转写、重要录音复核、说话打字还是已有文案对齐。
- 音频或实时场景
- 所需复核强度和时间线
- 免费期外上传时的单次同意(免费期内的云优先和疑难复核不用逐次同意)


说明是快速初稿、平常录音转写、重要录音复核、说话打字还是已有文案对齐。
- 音频或实时场景
- 所需复核强度和时间线
- 免费期外上传时的单次同意(免费期内的云优先和疑难复核不用逐次同意)





- configs/models.yaml 声明本地模型 id、适配器、版本、能力和设备要求;另有独立的 cloud_review 段登记两款 Qwen Audio 3.1 云模型(
qwen-audio-3.1-asr-flash、qwen-audio-3.1-asr-flash-message);过期的 3.0 Legacy 后备 10 月 20 日已删。云模型不计入本地 4 个引擎和 2 套 profiles。
- config.py 读取并验证模型配置;未知引擎直接失败。
- config.py 的 list_engine_names 列出全部登记引擎,list_transcription_engine_names 只列有可用适配器(firered-worker、funasr、qwen-asr)的引擎;随 Whisper 占位删除,原来排除 is_whisper 的那层守卫也撤了。
- pipeline.py 按 quick、strict、high_quality 和显式参数组织主/对照引擎;点名未登记的引擎或 profile,在加载前报 Unknown ASR engine / Unknown ASR profile。
- adapters 分离 Qwen、FunASR 与 FireRed 的运行差异。
- Paraformer 固定 v2.0.4,并显式携带 VAD(语音活动检测)/PUNC/CAM++ aliases。原来的 fun-asr-nano(ModelScope hub、funasr-automodel、GPU、trust_remote_code=true、revision 05201c46…)10 月 20 日已删;要恢复,须从 32df3b9 的父版本取回 configs/models.yaml 条目和 pipeline.py 语言映射,再运行 scripts/download-models.ps1 -Engine fun-asr-nano(本机权重已可恢复地移入回收站)。
- qwen_identity.py 对 Qwen runtime(运行环境) 与模型身份做精确约束。


- configs/models.yaml 声明本地模型 id、适配器、版本、能力和设备要求;另有独立的 cloud_review 段登记两款 Qwen Audio 3.1 云模型(
qwen-audio-3.1-asr-flash、qwen-audio-3.1-asr-flash-message);过期的 3.0 Legacy 后备 10 月 20 日已删。云模型不计入本地 4 个引擎和 2 套 profiles。
- config.py 读取并验证模型配置;未知引擎直接失败。
- config.py 的 list_engine_names 列出全部登记引擎,list_transcription_engine_names 只列有可用适配器(firered-worker、funasr、qwen-asr)的引擎;随 Whisper 占位删除,原来排除 is_whisper 的那层守卫也撤了。
- pipeline.py 按 quick、strict、high_quality 和显式参数组织主/对照引擎;点名未登记的引擎或 profile,在加载前报 Unknown ASR engine / Unknown ASR profile。
- adapters 分离 Qwen、FunASR 与 FireRed 的运行差异。
- Paraformer 固定 v2.0.4,并显式携带 VAD(语音活动检测)/PUNC/CAM++ aliases。原来的 fun-asr-nano(ModelScope hub、funasr-automodel、GPU、trust_remote_code=true、revision 05201c46…)10 月 20 日已删;要恢复,须从 32df3b9 的父版本取回 configs/models.yaml 条目和 pipeline.py 语言映射,再运行 scripts/download-models.ps1 -Engine fun-asr-nano(本机权重已可恢复地移入回收站)。
- qwen_identity.py 对 Qwen runtime(运行环境) 与模型身份做精确约束。




| 名词 | 意思 |
|---|---|
| Registry | 模型配置的唯一登记表,决定 id、角色、适配器和边界。 |
| primary engine(主引擎) | 严格模式主要正文候选的来源。 |
| secondary engine(对照引擎) | 独立转写同一输入,用于发现分歧和疑似幻觉。 |
| engine / profile | engine 是一个精确模型及其运行合同;profile 是主、对照两个 engine 的固定组合(现有 baseline、high_quality)。都不是模糊产品别名。 |
| registered-only profile(仅登记配置) | 以前为记录备用/对照身份留在 Registry(登记清单)、却没有执行路径的登记;Whisper Large V3 曾是这一类,10 月 20 日已删,现在没有这类登记。 |

把每个模型的身份、版本、能力与分工集中登记;日常快慢路线保持稳定,重要录音按用途点名更强的本地路线,新装更强模型也不会暗中改掉默认结果。
解决什么
解决模型配置漂移、默认路线暗改、同名模型版本不清、主/对照角色混乱,以及模型失败后仍被显示为完整双模型成功的问题。



把每个模型的身份、版本、能力与分工集中登记;日常快慢路线保持稳定,重要录音按用途点名更强的本地路线,新装更强模型也不会暗中改掉默认结果。
解决什么
解决模型配置漂移、默认路线暗改、同名模型版本不清、主/对照角色混乱,以及模型失败后仍被显示为完整双模型成功的问题。

- 未知模型或配置字段错误: 启动前失败并指出精确 profile,不选择相近模型。

- 未知模型或配置字段错误: 启动前失败并指出精确 profile,不选择相近模型。

- 用户直接请求已删除的 Whisper Large V3 或 Fun-ASR-Nano: 按未登记引擎直接报错(Unknown ASR engine);不加载模型、不生成假转写,也不静默改走另一个引擎。
- 主引擎失败、对照成功: 保留对照文本但标为 provisional,并记录主引擎错误。
- 两路都失败: 输出听不清或失败状态,不生成貌似完整正文。
- 结果声明的模型与实际 runtime(运行环境) 不同: 证据回执验证失败,结果不能升级为 verified。

- 用户直接请求已删除的 Whisper Large V3 或 Fun-ASR-Nano: 按未登记引擎直接报错(Unknown ASR engine);不加载模型、不生成假转写,也不静默改走另一个引擎。
- 主引擎失败、对照成功: 保留对照文本但标为 provisional,并记录主引擎错误。
- 两路都失败: 输出听不清或失败状态,不生成貌似完整正文。
- 结果声明的模型与实际 runtime(运行环境) 不同: 证据回执验证失败,结果不能升级为 verified。

- 模型 Registry(登记清单) 与默认角色
- 配置加载与验证
- quick / strict 流水线
- 闲置路线退役记录(32df3b9:Nano、Whisper 占位、LLM 仲裁、Audio 3.0)
- Qwen ASR(自动语音识别) 适配器
- SenseVoice、Paraformer 与 FunASR 适配
- FireRed 隔离 worker 适配
- 2026-08-31 Doctor 枚举当时登记的六个引擎(含后来删除的 Nano 和 Whisper 占位),并确认 FunASR、Qwen ASR(自动语音识别)、PyTorch 已安装;这是历史,登记数量也不等于可直接执行数量。

- 模型 Registry(登记清单) 与默认角色
- 配置加载与验证
- quick / strict 流水线
- 闲置路线退役记录(32df3b9:Nano、Whisper 占位、LLM 仲裁、Audio 3.0)
- Qwen ASR(自动语音识别) 适配器
- SenseVoice、Paraformer 与 FunASR 适配
- FireRed 隔离 worker 适配
- 2026-08-31 Doctor 枚举当时登记的六个引擎(含后来删除的 Nano 和 Whisper 占位),并确认 FunASR、Qwen ASR(自动语音识别)、PyTorch 已安装;这是历史,登记数量也不等于可直接执行数量。

- 2026-10-22 重读当前配置:engines 登记 4 个(fireredasr2-llm、qwen3-asr-1.7b、sensevoice、paraformer),profiles 为 baseline、high_quality 两套,cloud_review 只剩两款 Qwen Audio 3.1。32df3b9(10 月 20 日 16:27)删掉了 fun-asr-nano、whisper-large-v3 占位、llm_arbitration 和 3.0 旧云模型,相关测试一并删改;10 月 11 日读到的“登记 6 个、直接转写闭集 5 个”是删除前的旧配置。之后 9343a8e、ed8d64f、325b0c4(10 月 21 日 13:00—13:12)只把测试输出、隐藏入口报错、FireRed 进出和云结果固定为 UTF-8,没有改默认模型(当时只读源码,未执行测试)。
- config、pipeline、Qwen identity、FireRed worker 等单元回归包含在 2026-08-31 的 345 项通过结果中;之后各次全量运行保留各自日期,不合并成新的全量通过。
- Registry(登记清单) 静态回读确认 Paraformer revision=v2.0.4、Qwen revision=a04930db…(runtime qwen-asr 0.0.6)、FireRed 源码 4e7d9aaf…/权重 2c5e0f41…(Fun-ASR-Nano revision=05201c46… 已随路线删除)。10 月 11 日本机 9 个模型目录合计 30,645,308,894 字节(约 28.54 GiB,含辅助模型、对齐器和目录里的源码/元数据/样例,不是当时 6 个引擎体积相加);10 月 22 日重数为 8 个目录、约 26.5 GiB(Nano 权重已移入回收站),11 月 4 日再数仍是 8 个、26.5 GiB;目录存在只算“在、未验证”,精确配置不冒充推理E2E(端到端验证)。
- 2026-11-04 只读 configs/models.yaml:4 个引擎、2 套组合、本地默认角色和两款云模型都未变。
- 本次没有对 4 个引擎分别运行真实录音,实际速度与准确率仍以具名 benchmark 为准。
模型与模式模块声明要运行的精确 profile;安装与恢复模块负责让对应依赖、模型工件和隔离运行时可重建,入口、长音频、审计和说话人模块只能在这两层共同成立的能力范围内工作。

- 2026-10-22 重读当前配置:engines 登记 4 个(fireredasr2-llm、qwen3-asr-1.7b、sensevoice、paraformer),profiles 为 baseline、high_quality 两套,cloud_review 只剩两款 Qwen Audio 3.1。32df3b9(10 月 20 日 16:27)删掉了 fun-asr-nano、whisper-large-v3 占位、llm_arbitration 和 3.0 旧云模型,相关测试一并删改;10 月 11 日读到的“登记 6 个、直接转写闭集 5 个”是删除前的旧配置。之后 9343a8e、ed8d64f、325b0c4(10 月 21 日 13:00—13:12)只把测试输出、隐藏入口报错、FireRed 进出和云结果固定为 UTF-8,没有改默认模型(当时只读源码,未执行测试)。
- config、pipeline、Qwen identity、FireRed worker 等单元回归包含在 2026-08-31 的 345 项通过结果中;之后各次全量运行保留各自日期,不合并成新的全量通过。
- Registry(登记清单) 静态回读确认 Paraformer revision=v2.0.4、Qwen revision=a04930db…(runtime qwen-asr 0.0.6)、FireRed 源码 4e7d9aaf…/权重 2c5e0f41…(Fun-ASR-Nano revision=05201c46… 已随路线删除)。10 月 11 日本机 9 个模型目录合计 30,645,308,894 字节(约 28.54 GiB,含辅助模型、对齐器和目录里的源码/元数据/样例,不是当时 6 个引擎体积相加);10 月 22 日重数为 8 个目录、约 26.5 GiB(Nano 权重已移入回收站),11 月 4 日再数仍是 8 个、26.5 GiB;目录存在只算“在、未验证”,精确配置不冒充推理E2E(端到端验证)。
- 2026-11-04 只读 configs/models.yaml:4 个引擎、2 套组合、本地默认角色和两款云模型都未变。
- 本次没有对 4 个引擎分别运行真实录音,实际速度与准确率仍以具名 benchmark 为准。
模型与模式模块声明要运行的精确 profile;安装与恢复模块负责让对应依赖、模型工件和隔离运行时可重建,入口、长音频、审计和说话人模块只能在这两层共同成立的能力范围内工作。
数字截至 2026 年 11 月 6 日
复制 AI 续作说明
项目:快速初稿、双模型核对和专门对齐,分别选什么;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。








