Qwen Scribe v0.1.0-beta.1 – 本地轉錄與口述 for Apple Silicon
概觀與重點
Qwen Scribe v0.1.0-beta.1 提供在 Apple Silicon Mac 上的私密、本地轉錄與口述，完整在裝置上執行 Qwen3‑ASR。此應用程式僅以原始碼形式發布；使用者可透過 make app 在本機建置應用程式。無需帳號、API 金鑰或雲端服務，音訊與轉錄文字皆保留在 Mac 上。
功能與能力
Qwen Scribe 提供拖放式媒體轉錄、透過右 Command 鍵的即時口述、多語言支援與語言偵測，以及本地轉錄歷史記錄。使用者可將音訊或影片檔案拖放至聚焦的網頁介面，選擇 1.7B 模型以求精確或 0.6B 模型以求速度，並取得自動語言偵測、可選的強制語言、詞彙提示、單字時間戳記與 SRT 匯出。口述功能透過在任何文字欄位按住右 Command 鍵啟動；說完後放開鍵即可在本機轉錄並將結果貼到游標位置。非搶焦的 HUD 會顯示 Listening、Transcribing、成功與失敗狀態。所有轉錄皆以 JSON 本地儲存，可重新開啟、單獨刪除或全部清除。
系統需求與安裝
要執行 Qwen Scribe，您需要搭載 macOS 14 或更新版本的 Apple Silicon Mac、Python 3.12、ffmpeg 與 Xcode 命令列工具，之後使用 make app 從原始碼建置應用程式。1.7B 模型約佔 3.4 GB 統一記憶體，0.6B 模型約 1.2 GB，加上一般應用程式的開銷。模型權重未隨程式打包；會在首次執行時下載至 cache/huggingface/hub。
建置完成後，dist/Qwen Scribe.app 會啟動伺服器與口述輔助程式，而 dist/Stop Qwen Scribe.app 則僅停止 Qwen Scribe 所啟動的程序。
架構與資料流程
此應用程式將瀏覽器為基礎的 UI、FastAPI 工作佇列與 MLX 加速的 Qwen3‑ASR 分離，同時以原生 macOS 輔助程式處理口述快捷鍵。
UI 與僅在本機的 FastAPI 伺服器通訊，該伺服器會序列化 GPU 工作以避免記憶體競爭。媒體檔案會以隨機暫存名稱暫存，處理完畢後即刪除。對於口述，原生 arm64 捆綁執行檔 (native/DictationHelper.m) 監控右 Command 事件，產生暫存 WAV 檔，將其送至相同的工作佇列，接收轉錄結果，快照剪貼簿，使用 Command‑V 貼上文字，若剪貼簿未變更則恢復先前內容。
使用方式：檔案轉錄與口述
使用者可透過位於 http://127.0.0.1:8990 的網頁介面轉錄本機音訊/影片檔，或在任何文字欄位按住右 Command 鍵啟動口述。
檔案轉錄：開啟本機伺服器 URL，拖放檔案，選擇模型大小與選項，下載轉錄文字或 SRT。口述：在「系統設定 → 隱私與安全性」中授予麥克風、輸入監控與輔助功能權限；按住右 Command，說話，放開即插入文字。若輔助功能被拒絕，輔助程式會將轉錄結果留在剪貼簿並回報失敗，而非宣稱成功。
效能與社群比較
早期社群回饋指出 Qwen Scribe 在 M1 Mac 上的執行速度約為實時的 2 倍，部分使用者則將其與 Whisper、Parakeet 及其他工具比較，但未提供基準測試資料。
"這就像在 M1 上 2 倍實時，而在 fluidaudio 使用 parakeet 時則是 60 倍。" — @foobarqux
儲存庫未提供任何官方的延遲或準確度數據；上述效能聲稱僅來自引用的評論。
隱私、權限與資料處理
Qwen Scribe 將所有音訊與轉錄資料保留在 Mac 本機，口述功能需要麥克風、輸入監控與輔助功能權限，並將轉錄以未加密的 JSON 儲存在應用程式支援資料夾中。
已儲存的轉錄位於 ~/Library/Application Support/Qwen Scribe/transcripts，以可讀的 JSON 格式存放。私有執行時與診斷日誌與其一起存放。模型權重快取於 ~/.cache/huggingface/hub。由於轉錄未加密，本機備份或檔案系統刪除可能仍保留副本；應用程式不執行安全抹除。
開發、建置流程與路線圖
本專案提供基於 Makefile 的工作流程，用於設定虛擬環境、執行測試、建置臨時簽署的應用程式，以及產生 beta 版發行套件，並計畫在 v0.2 中提供 Developer ID 簽署與公證的二進位檔。
make setup 會建立 .venv 並安裝鎖定的相依套件。
make test 執行輕量的 API/歷史測試，無需模型權重。
make check 加入來源編譯與發行衛生檢查。
make app 編譯原生 DictationHelper 為 arm64 捆綁檔，嵌入伺服器啟動器與追蹤來源作為簽署資源，驗證屬性清單，簽署並驗證結果。
make package 於 dist/ 產生 beta 版 zip。
將 CODESIGN_IDENTITY 設為 Developer ID 身分即可啟用發行版簽署；公證則是 v0.2 計畫中的另一個步驟。
社群問題與見解
Hacker News 的評論者詢問了語言支援、與 Whisper 及其他口述工具的比較、為何選擇 Python 而非 mlx‑swift，以及提供的 ffmpeg 安裝方式。
"它比 oai 的 whisper 更好嗎？" — @yuraoak
"恭喜上線！1. 我看到它使用 python，但我在想是否會改用 mlx‑swift。只是好奇你是否考慮過。2. 到目前為止，qwen ASR 在大多數口述應用中似乎支援度不如 parakeet 或 whisper（voxtral 也類似）。你認為原因是什麼？感謝，祝路線圖順利！" — @jiehong
"它與 handy.computer 與 whisprflow 的模型相比如何？" — @dandaka
"它支援哪些語言？" — @abdullahkhalids
"來自一位天真的 macports 使用者的問題。某種程度上 brew 與 macports 是正交的。是否有簡單的方法連結到 macports 安裝的 ffmpeg？謝謝。" — @dmwood
"這類東西才是醫生應該使用的，而不是把患者資料大量傳送給知道位置的 AI 書記。我相當確定這是違法的，但仍在發生，我也相當確定推動 FHE 的原因之一就是這個…但顯然在本機處理更實用且更私密。" — @smalltorch
"@claude 是貢獻者嗎？我很難相信。" — @1-6
這些問題在原始資料中沒有答案；本文僅列出提問。