能力入口 · 个人维护的能力入口
中文录音转写与说话人证据
把已有录音变成可核对文字，或直接说话输入Windows；已有文案和旁白还可以只找词语的时间位置。Qwen 负责桌面与默认主转写，SenseVoice 用于快速初稿和第二份对照，现有时间对齐模型负责把已知文案放到音频上的准确位置，不把模型分组说成真实身份。
主要模型链有来源任务的真实音频证据；本次没有读私人录音、开麦克风或启动模型。转写准确、时间覆盖与本人声音归属在具体录音中分别核对。先看怎么用
你不需要记住 Skill 名，直接说需求就行
什么时候用
- 需要中文录音全文，或能回听定位的文字
- 需要区分录音中不同的匿名声音
- 需要判断某个精确片段是否支持本人说话
- 重要录音需要两份独立转写与原音频复核
- 普通转写有影响理解的疑点，且选定录音已明确授权云质量复核
- 已有文稿和对应音频，只需词语时间用于配音或字幕
- 需要在本机应用实时中文听写，或排查 Win+H
可以直接这样说
“这段会议先给我初稿，金额和承诺听不准的地方标出来，让我能回听。”按需要选择SenseVoice初稿或Qwen＋SenseVoice双路核对；只有该入口真实提供时才附时间位置。录音很长就沿同一任务分段接续，不重复提交。
最后会得到什么
我会得到可搜索的转写和风险提示；只有所选方法真实提供时才有时间位置，需要时再附说话人证据。原录音始终是最高证据，识别不确定的地方不会被写成确定事实。已有文稿只对时则返回词语位置，不重新生成正文，也不声称稿件逐字真实；桌面听写只处理当前麦克风会话，最后由本人发送，不建立录音档案。
不适合这样用
- 扫描整个音频库
- 把模型分出的声音组直接当作真实人数或姓名
- 把自动转写当作逐字准确的证明
- 等待超时后重复提交同一录音任务
正常时
音频可读且所选处理方式可用时，交回转写或对时结果；只有实际支持时才附时间位置和说话人范围。
发现问题时
音质差、只有部分内容或说话人证据不足时，保留可用结果，标出听不清、分歧与覆盖缺口。
入口不可用或证据不足时
本地模型、显卡调度或任务入口不可用时，保留原文件与原任务并说明缺口，不重复提交，也不未经授权改走云端。
从哪里开始
在当前 AI 对话给出一段已选录音或视频音轨，说明是转写、核对关键话、找时间，还是判断谁说了话。电脑实时听写则从现有 Win+H 输入入口开始。
需要准备什么
- 处理文件时给出具名音频或视频音轨，以及要得到文字、时间或说话人证据的目的；实时听写只需当前麦克风会话
- 已有稿件仅对时时提供稿件；要求云复核时另明确精确录音与上传许可
为什么需要这个能力
长录音不能像文档一样搜索，自动识别还可能听错人名、把同一个人分成多人，或把不同人合并。
先看初稿，或认真核对重要录音
先知道录音大意；重要的人名和承诺要核准。
选中一份录音或视频音轨，并说明要快速看内容，还是要对关键话语做更仔细的本地核对。
快速初稿可用 SenseVoice；普通认真转写由 Qwen3-ASR-1.7B 识别，并让 SenseVoice 独立对照。明确要另一条高质量本地路线时，用 FireRedASR2-LLM 与 Qwen 对照。AI 会保留两份结果不一致和需要回听的地方。
你会得到可阅读或搜索的文字，以及关键分歧、听不清的片段和实际覆盖范围；只有所选处理方式能给时间时才附时间。
等待读回同一份任务，不因等待时间到就重做。两套模型意见一致也不证明逐字正确，人名、金额和承诺仍以原录音核对。
找录音里一句话的时间
那句关于改期的话从几分几秒开始？
一份已经选中的原录音和几句能识别那段话的内容线索。
AI 先查看这份原录音已有的时间结果；有未完任务就沿原任务继续。确实没有时间且允许补处理时，只对这一份录音用本地 Paraformer 补句级时间。
你会拿到起止时间、相关文字和时间精度，同时知道哪些内容仍未覆盖。
明确只读时只报告时间缺口；不会为定位一句话上传录音或处理整个目录。时间位置也不能单独证明文字和说话人都正确。
已有文案，只需给字幕找时间
稿子已经定了，帮我把每句话对到录音上。
对应音频和已确认的文字稿；不需要再说一遍全文转写需求。
AI 用现有 Qwen 对齐能力寻找稿中词语在音频里的起止位置；录音太长时按实际内容分段处理。
你会得到可用于字幕或画面的词语时间，以及对齐是否可靠的说明。
把稿子对到时间不等于重新核实稿子逐字正确，也不会生成配音。稿子与声音不合时先指出冲突。
区分声音，或核对本人说过哪几句
这里有几个人说话？哪些句子能确认是我说的？
点名一份录音和要核对的时间范围；已有本人独立样本由现有项目提供。
AI 先利用仍适用于这份原录音的证据，把不同声音暂时分组；要判断本人时，再按实际说话句段和独立样本比较，并结合已知声道与对话关系。
你会看到哪些句段支持是本人、支持不是本人或仍无法判断，以及实际测过的时间范围。
声音分组不是实名或确定人数，一句话不能替同组其余句子作证；不会从这份待判断录音现场建立本人样本。
明确允许后做云端复核
这段重要录音也用云端复核一下，保留和本地结果的分歧。
点名录音、复核目的，并明确允许这份内容上传；录音重要与允许上传是两个决定。
AI 沿现有云端转写路线处理这份录音，把云端与本地结果分别保存和比较，必要时回听原音频。
你会得到云端实际处理结果、与本地不一致的地方和仍需本人或原音频核实的关键内容。
云端处理成功不证明人名、逐字文字或说话人正确；云端给的大段时间也不能冒充精确句子时间。失败不改写本地证据。
直接对电脑说话打字
我想在当前输入框里用中文听写。
当前麦克风和目标输入位置；这条路线不需要先选一份录音文件。
桌面听写使用独立的 Qwen 本地路径，本人可以暂停，最后是否发送由本人控制。
你会在实际输入位置看到识别出的文字；入口故障时得到明确的停步原因。
不会为了普通听写等待另一模型、自动上传、润色或建立录音档案；文件转写与桌面听写的故障分开处理。
失败时会怎样恢复
只是想知道选中录音里一句话的时间
系统反应：先使用这份录音已有的时间结果，不重新转写整段。
恢复方式：原识别还在进行就继续那次；确需补时间且获准时，仅为选中录音用本地 Paraformer 处理，只读请求则说明缺口。
云端转写成功，但关键人名或句意有冲突
系统反应：分别保留云端与本地文字，不把服务成功当逐字准确。
恢复方式：回到确切录音和冲突片段核听；仍听不清时保留文字或说话人的不确定性。
等待转写的时间到了
系统反应：这只表示当前等待结束，不等于录音处理失败。
恢复方式：继续查看同一项录音任务，不能盲目提交第二份。
返回了空白文字
系统反应：不能据此断言录音没有人说话。
恢复方式：检查音频能否读取、选取的时间段与处理质量；仍不清楚就说明无法判断。
区分说话人的证据不足
系统反应：保持不同声音的临时分组与未知句段，不强行给人命名。
恢复方式：需要时只选声音清晰、时间可靠且与本人样本独立的句段再核对。
云路线失败
系统反应：不能伪装成本地成功或反过来。
恢复方式：分别报告本地与云证据，原音频始终是最高事实。
现有稿件与声音不符，或录音太长
系统反应：时间对齐不能证明稿件逐字正确，也不会擅自改走云端。
恢复方式：先核对这份音频与稿件，再按真实内容分段对齐；仍无法对应就交回缺口。
技术身份与验证证据
Skill · chinese-asr · 成熟度 A（稳定）
这个 Skill 用到的名词
- Transcript readback（既有转写回读）
- 按已核验录音hash（内容指纹）读取已存本地/云结果与依赖制品，保留句级或分块时间、质量与覆盖；不启动服务、模型或原音频。
- Quality review（转写质量复核）
- 同一阿里云入口的授权用途，使用-QualityReview与-CloudUploadAuthorized；它不冒充重要证据，也不要求先跑完两条本地专业链。
- ASR（自动语音识别）
- 把音频中的中文语音转换成可搜索文本；只有所选模式真实支持时才附时间信息。
- Speaker cluster（匿名说话人簇）
- 模型把相似声音分组的匿名标签，不等于真实人数或姓名。
- person:self（本人候选）
- 只判断精确句段是否支持用户本人说话，结果可反驳，不是法律身份。
- Held-out attribution（留出样本归属）
- 用未参与声纹建档的句段比较，避免拿同源样本自证。
- Objective sidecar（客观结果侧车）
- 记录输入 hash（内容指纹）、引擎、job（任务记录）、状态和输出路径的结构化证据，不替代转写正文。
- Strict / long-strict（严格 / 长音频模式）
- 普通录音和长录音的正式处理路线，分别控制分段、时间戳和恢复。
- Align-only（只对时）
- 输入已有文稿和音频，返回词级时间而不重新识别；lexical_truth_verified=false明确说明稿件真假未由此验证。
专业定义
三种请求分开处理：直接说话打字，用Qwen3-ASR-1.7B；先快看录音内容，可用SenseVoiceSmall初稿；重要词句要核对时，默认让Qwen与SenseVoice分别识别并保留分歧。已经有录音和确认文案，只需配字幕或画面时可用Qwen强制对齐器找词语时间，不重新识别或配音。完整模型分工在ChineseASR项目中，云端另按精确上传授权。
执行参考
下面保留 AI 和工具实际使用的参数、步骤与依赖。日常使用可以直接提出需求，不需要先手工准备这些协议。
输入
- 一个具名音频或视频音轨
- 模式、时间范围和必要的说话人证据边界
- 云路线需要明确双开关授权
输出
- 转写文本；所选模式支持时附时间戳，需要时附匿名 cluster
- objective sidecar（客观结果侧车文件） 与 job（任务记录） 状态
- 本人归属的精确句段、覆盖范围和不确定性
- 已存时间结果的实际时间、timestamp_granularity、质量、覆盖与原件/artifact绑定
- 同一云入口明确的 important_evidence 或 quality_review purpose、分块范围和保存结果
- align-only返回绑定音频/稿件的词级时间与质量，不产生第二份ASR（自动语音识别）正文，lexical_truth_verified=false
- 桌面听写只处理这次麦克风会话，明确手动发送、暂停与实际目标应用，不建立录音档案
执行顺序
- 1
查找某段录音时间时先用 transcript-readback 或媒体库 locate-audio，核对已存结果与当前原件 hash（内容指纹）
- 2
已返回定位缺口且允许补时，只对选中录音走本地 quick + paraformer，复用同一 job（任务记录）；导航不要求云上传或重跑目录
- 3
普通录音走 strict
- 4
长录音走 long-strict
- 5
说话人先聚类再对精确句段做 held-out attribution（留出样本归属）
- 6
重要录音按授权进入唯一云路线
- 7
以原音频为权威复核结果
- 8
现行 strict 默认 Qwen3-ASR 主引擎加 SenseVoice 交叉检查；quick 可选 SenseVoice 或明确的 Fun-ASR-Nano，具体默认仍读 configs/models.yaml
- 9
需要句级时间和匿名说话人时明确 quick/paraformer；重要录音本地交叉证据用 long-strict、fireredasr2-llm 与 qwen3-asr-1.7b，300秒逻辑分块和1秒重叠，FireRed内部片段最多35秒
- 10
重要录音的授权云转写与本地双引擎证据分开；job（任务记录）、manifest（清单） 和每个 chunk 的 evidence_status 均 verified 才说明本地引擎链完整，不保证逐字准确
- 11
已知稿对时明确使用Qwen强制对齐入口，校验UTF-8稿件和实际音频hash（内容指纹）；单片≤300秒，长内容沿源项目要求按场景分割，不复用另一段的时间。
- 12
严格或高质量双引擎输出要读差异与人工复核材料；两个模型一致也不是逐字正确证明。桌面听写沿独立现有入口，不为普通听写调用云或额外LLM。
操作边界
- 原音频始终高于转写
- 云失败不能伪装成本地成功
- 其他说话人保持匿名
- 空文本和超时不能自动解释为没有内容
- 云请求必须在 -Important 与 -QualityReview 中选择一个，并有 -CloudUploadAuthorized；质量复核不是重要证据，也不额外要求两条本地引擎先失败
- 已明确的精确云授权跨续作与后代持续有效；不按任意录音数量或反复本地失败自加门
- 复用 qwen-audio-3.0-asr-flash 及现有 SecretRef；不创建公网文件 URL、不切 Provider、不让云模型成为普通默认
- 云块时间只能帮助定位大段，不等于句级时间、说话人归属或逐字正确；API 成功也不证明人名与文字正确
- media.objective-result.v1 将执行、覆盖、质量与结果分开；只有绑定原音频、请求、模型和完整区间的有效否定证据，才能声称 no_speech_detected；空文本仍可能是无法转写或 indeterminate（无法判断）
- 本人声音按精确句段做留出样本比较并结合已知声道、对话角色与语境；一条句段不能代表整个匿名簇，语音向量与内部得分不回传
依赖
- E:\Projects\Tools\ChineseASR
- 模型 registry（登记清单）
- LocalGpuBroker（本地 GPU 调度器）
- 本地私有 person:self profile
验证状态
源码、安装、供应检查、当前任务、新任务和真实使用分别列出；一层通过不自动提升另一层。
- Source（源码）
- 当前 .agents source e734251 中的唯一源码已核对
- Install（安装）
- canonical junction（目录联接） 已安装
- Transaction（供应事务）
- 供应事务检查通过；0 个坏事务
- Current task（当前任务）
- 本轮宿主回执未知
- Fresh task（全新任务）
- 新任务回执未知
- End to end（端到端）
- 主要模型链有历史真实证据；当前时间戳复用与质量复核不因 Skill 存在就冒充本轮录音 E2E（端到端验证）
来源9月17日482项回归（1项跳过）以及已知稿对齐/高质量链/听写的分层证据由ChineseASR项目保留；本次只读规范Skill与已发布源码，没有读私人录音、开麦克风、启动权重或发云请求。
证据时间与来源
- Observed at（观察时间）
- 供应链现场：2026-09-24 12:56（中国时间）；项目场景按各项记录
- Source commit（来源提交）
e734251081dc48bdd86765372ce225b3929ce9ae- Supply command（供应验证命令）
E:\.agents\tools\Test-PersonalSkillSupply.ps1 -RequireInstalled -NoExternalEvidence -Json- Evidence basis（证据来源）
- .agents E171 release 1aa0b0a、当前 Personal Skill supply（个人能力供应链），以及本页明确标注的既有项目/Provider（固定服务入口）证据；source/install/transaction 通过不冒充 current（当前状态）/fresh/E2E
Canonical source（唯一维护源）
E:\.agents\skills\chinese-asr\SKILL.md该路径是维护源；用户目录中的发现入口不是第二份源码。