dseditor/QwenASRMiniTool
基於OpenVino-int8權重，精簡的QwenASR小工具，用於即時辨識以及字幕轉換使用
What it solves
声音识别小工具（QwenASR WebView 版）是一个本地离线运行的语音识别和字幕生成工具。它解决了两大问题：一是让普通用户无需联网、无需专业知识，就能把音频、视频或麦克风录音转换成SRT字幕文件；二是保护隐私，因为所有处理都在用户自己的电脑上完成，数据不会离开设备。此外，它针对中文、繁体中文（台湾国语）、日语等语言做了优化，并提供说话人分离、卡拉OK逐字高亮等实用功能。
How it works
工具的核心是多个可切换的语音识别引擎：CrispASR（基于whisper.cpp和Qwen3-ASR的Vulkan/CUDA GPU加速后端）、OpenVINO（纯CPU推理）以及兼容用的chatllm。用户可以在界面上按用途选择模型，例如识别标准中文、台湾国语、日语或混合语言。程序会检测显卡并推荐合适的加速版本。工作流程是：音频/视频文件先被提取音轨（视频用ffmpeg），然后送入识别引擎生成带时间戳的文本，最后整理成SRT或纯文本。对于麦克风录音，它使用VAD检测说话停顿自动分段。用户还能粘贴提示文字（如歌词、人名）来提升准确率，并可选启用说话人分离或字级时间轴对齐（用于卡拉OK效果）。软件还内置了OpenAI兼容的转录API和手机扫码上传页面，以及一个供AI Agent调用的命令行接口。
Who it's for
目标用户是普通家庭用户、学生、办公室人员，以及任何希望免费、离线、在自己电脑上完成语音识别和字幕制作的人。它特别适合处理会议录音、播客、课程视频、日语动画台词或台湾国语对话。同时，开发者或AI Agent可以通过其CLI或API将其集成到自动化流程中。
Highlights
- 完全本地离线运行，数据不离开电脑，隐私安全
- 支持音频、视频、麦克风录音转SRT字幕，视频自动提取音轨
- 多推理核心：Vulkan（GPU，支持NVIDIA/AMD/Intel）、CUDA（NVIDIA）、纯CPU（OpenVINO）
- 内置多种特化模型：Qwen3-ASR通用版、日语动漫版、台湾国语TEA模型、Whisper Breeze繁中/台语版
- 说话人分离、卡拉OK逐字高亮、批次处理、实时录音分段识别
- 提供OpenAI兼容API及手机扫码上传，支持临时公网通道（Cloudflare）
- 无头CLI模式，输出干净的JSON/SRT，并附有
apply命令防止Agent破坏时间戳
- 自带模型下载管理、VAD、ffmpeg按需下载，开箱即用
- WebView图形界面，支持深/浅色主题、多语言界面、界面缩放
Related
- Project
Blue-B/WhisperSubTranslateWhisperSubTranslate is a desktop app that locally transcribes video audio using whisper.cpp and then translates the subtitles either offline with Tencent’s Hy‑MT2 models or via online services like DeepL or OpenAI. It runs on Windows (portable ZIP) and can be built for Linux, supports GPU acceleration, and keeps all data on the user’s machine.
- Project
HaujetZhao/CapsWriter-OfflineA completely offline voice-to-text input tool for Windows that enables low-latency, push-to-talk typing and file transcription using local ASR models.
- Project
goodroot/hyprwhsprhyprwhspr is a native Linux speech‑to‑text app that runs as a system‑wide service. It uses local models (Whisper, Cohere, Parakeet, Qwen3‑ASR, etc.) for near‑real‑time dictation, optionally falls back to cloud APIs, and integrates with Wayland/X11 desktops, status bars, and a themed visualiser. Install via the AUR or a one‑line script, configure with `hyprwhspr setup`, then toggle dictation with `Super+Alt+D` to have transcribed text auto‑pasted into any window.
- Project
minghe36/haoone-appA professional AI subtitle software that uses advanced ASR models and a custom Rust/C++ engine to provide high-accuracy local transcription and translation.