Moyf/moys-asr-workflow

解决的问题

通过自动化音频转文字的语音识别，并提供专业的编辑环境，简化了本地媒体文件字幕的创建流程。它弥合了原始AI转录结果（通常需要手动修正）与最终导出的字幕文件（SRT、ASS）之间的差距。

工作原理

该工作流包含三个主要阶段：转录、编辑和导出。用户需提供所选ASR（自动语音识别）服务（如Qwen、Fun-ASR、Soniox或OpenAI）的API密钥，软件将自动处理媒体上传与转录。生成的数据以.mosp项目文件形式保存，随后在MAWE Server编辑器中打开，利用波形定位和视觉预览进行精确调整。最后，字幕将导出为标准格式。

适用人群

需要高效生成和精修AI转录字幕的视频创作者、视频编辑者和翻译人员。

主要亮点

• 多服务商支持：集成多种ASR服务，包括Qwen、Fun-ASR、Soniox、腾讯云和OpenAI。
• 高级编辑功能：MAWE编辑器支持波形定位、段落拆分/合并及静音间隙处理。
• 双轨字幕支持：支持导入第二条字幕轨道，实现并排编辑、轨道绑定/解绑及跨轨道吸附。
• 自动化就绪：提供公开CLI，支持批量处理和AI驱动的自动化。
• 本地选项：实验性支持本地ASR模型，如Qwen3-ASR、FunASR和Faster-Whisper。