Moyf/moys-asr-workflow

解決的問題

透過自動化音訊轉文字的語音辨識，並提供專業的編輯環境，簡化本地媒體檔案字幕的建立流程。彌補原始AI轉錄結果（通常需要手動修正）與最終匯出的字幕檔案（SRT、ASS）之間的差距。

工作原理

此工作流程包含三個主要階段：轉錄、編輯與匯出。使用者需提供所選ASR（自動語音辨識）服務（如Qwen、Fun-ASR、Soniox或OpenAI）的API金鑰，軟體將自動處理媒體上傳與轉錄。產生的資料以.mosp專案檔案形式儲存，隨後在MAWE Server編輯器中開啟，利用波形定位與視覺預覽進行精確調整。最後，字幕將匯出為標準格式。

適用對象

需要高效生成與精修AI轉錄字幕的影片創作者、影片編輯者與翻譯人員。

主要亮點

• 多服務商支援：整合多種ASR服務，包括Qwen、Fun-ASR、Soniox、騰訊雲與OpenAI。
• 高階編輯功能：MAWE編輯器支援波形定位、段落拆分/合併及靜音間隙處理。
• 雙軌字幕支援：支援匯入第二條字幕軌道，實現並排編輯、軌道綁定/解綁及跨軌道吸附。
• 自動化就緒：提供公開CLI，支援批次處理與AI驅動的自動化。
• 本地選項：實驗性支援本地ASR模型，如Qwen3-ASR、FunASR與Faster-Whisper。