Qwen Scribe v0.1.0-beta.1 – 适用于 Apple Silicon 的本地转录与听写

概览与关键要点

Qwen Scribe v0.1.0-beta.1 为 Apple Silicon Mac 提供私密的本地转录和听写，完全在设备上运行 Qwen3‑ASR。该应用仅以源码形式发布；用户使用 make app 在本地构建应用。无需账号、API 密钥或云服务，音频和转录文本均保留在 Mac 上。

功能与特性

Qwen Scribe 提供拖拽式媒体转录、通过右 Command 键进行实时听写、多语言支持并具备语言检测，以及本地转录历史。用户可以将音频或视频文件拖入聚焦的网页界面，选择 1.7B 模型以获得更高准确度或 0.6B 模型以提升速度，并获得自动语言检测、可选强制语言、词汇提示、单词时间戳以及 SRT 导出。在任意文本框中按住右 Command 键即可激活听写；说完后松开键，系统将在本地转录并将结果粘贴到光标位置。一个不抢占焦点的 HUD 会显示“Listening（监听）”“Transcribing（转录）”“成功”和“失败”状态。所有转录均以 JSON 格式本地存储，可重新打开、单独删除或全部清除。

系统要求与安装

运行 Qwen Scribe 需要配备 Apple Silicon 的 Mac，系统为 macOS 14 或更高版本，Python 3.12、ffmpeg 和 Xcode 命令行工具，然后使用 make app 从源码构建应用。 1.7B 模型约占 3.4 GB 统一内存，0.6B 模型约占 1.2 GB，加上常规应用开销。模型权重未随应用打包；首次运行时会从 cache/huggingface/hub 下载。构建完成后，dist/Qwen Scribe.app 启动服务器和听写助手，而 dist/Stop Qwen Scribe.app 仅停止 Qwen Scribe 启动的进程。

架构与数据流

该应用将基于浏览器的 UI、FastAPI 作业队列以及 MLX 加速的 Qwen3‑ASR 分离，同时原生 macOS 辅助程序负责听写快捷键。 UI 与仅在本地主机运行的 FastAPI 服务器通信，服务器串行化 GPU 作业以避免内存争用。媒体文件以随机临时名称进行暂存，处理完毕后即被删除。对于听写，原生 arm64 捆绑可执行文件（native/DictationHelper.m）监控右 Command 事件，生成临时 WAV 文件，将其发送至同一作业队列，获取转录文本，快照剪贴板，使用 Command‑V 粘贴文本，并在剪贴板未改变时恢复之前的内容。

使用方法：文件转录与听写

用户可以通过位于 http://127.0.0.1:8990 的网页界面转录本地音频/视频文件，或在任意文本框中按住右 Command 键启动听写。文件转录：打开本地服务器地址，拖入文件，选择模型大小和选项，然后下载转录文本或 SRT。听写：在系统设置 → 隐私与安全中授予麦克风、输入监控和辅助功能权限；按住右 Command，讲话后松开即可插入文本。如果辅助功能被拒绝，辅助程序会将转录文本留在剪贴板上并报告失败，而不是声称成功。

性能与社区对比

早期社区反馈指出，Qwen Scribe 在 M1 Mac 上的运行速度约为实时的 2 倍，而部分用户将其与 Whisper、Parakeet 等工具进行比较，但未提供基准数据。

"这相当于在 M1 上的 2 倍实时速度，而在 fluidaudio 上使用 parakeet 则是 60 倍。" — @foobarqux 仓库中未提供官方的延迟或准确率数据；上述性能声明仅来源于引用的评论。

隐私、权限与数据处理

Qwen Scribe 将所有音频和转录数据保存在 Mac 本地，听写需要麦克风、输入监控和辅助功能权限，并将转录以未加密的 JSON 形式存放在应用支持文件夹中。已保存的转录位于 ~/Library/Application Support/Qwen Scribe/transcripts，为可读的 JSON。私有运行时和诊断日志与其一起存放。模型权重缓存于 ~/.cache/huggingface/hub。由于转录未加密，本地备份或文件系统删除可能仍保留副本；应用本身不执行安全擦除。

开发、构建流程与路线图

项目提供基于 Makefile 的工作流，用于创建虚拟环境、运行测试、构建临时签名的应用以及生成 beta 发布包，计划在 v0.2 中提供 Developer ID 签名和公证的二进制文件。 make setup 会创建 .venv 并安装锁定的依赖。 make test 运行轻量级的 API/历史测试，无需模型权重。 make check 添加源码编译和发布规范检查。 make app 将原生 DictationHelper 编译为 arm64 捆绑包，嵌入服务器启动器和跟踪的源码作为签名资源，验证属性列表，签名并验证结果。 make package 在 dist/ 中生成 beta 发布的 zip 包。将 CODESIGN_IDENTITY 设置为 Developer ID 身份可启用发布构建签名；公证是计划在 v0.2 中实现的独立步骤。

社区提问与洞见

Hacker News 的评论者询问了语言支持、与 Whisper 及其他听写工具的对比、为何选择 Python 而非 mlx‑swift，以及 ffmpeg 的安装方式等。

"它比 oai 的 Whisper 更好吗？" — @yuraoak "恭喜发布！1. 我看到它使用 python，但我想知道是否可以改用 mlx‑swift。只是好奇你是否考虑过。2. 到目前为止，qwen ASR 在大多数听写应用中似乎不如 parakeet 或 whisper 那样得到良好支持（voxtral 在这方面也类似）。你认为是什么原因？谢谢，祝路线图顺利！" — @jiehong "它与 handy.computer 和 whisprflow 的模型相比如何？" — @dandaka "它支持哪些语言？" — @abdullahkhalids "来自一位不熟悉 macports 的用户的提问。brew 在某种程度上与 macports 正交。有没有办法轻松链接到 macports 安装的 ffmpeg？谢谢。" — @dmwood "像这样的东西才是医生应该使用的，而不是把患者数据发送给一个知道这些信息的 AI 抄写员。我很确定这在法律上是非法的，但它仍在发生，我也很确定这也是推动 FHE 解决方案的原因之一……但显然在本地处理更实用、更私密。" — @smalltorch "@claude 是贡献者吗？我觉得很难相信。" — @1-6 源材料中没有这些问题的答案；本文仅列出提问。