dseditor/QwenASRMiniTool

解決的問題

QwenASRMiniTool 是一款本地語音轉文字工具，允許使用者從音訊檔案、影片以及即時麥克風錄音生成 SRT 字幕，且資料不會離開個人電腦。它簡化了非專業人士的離線轉錄流程，提供免費且私密的雲端服務替代方案。

運作方式

此工具採用 WebView 為基礎的介面，並支援多種推理後端，以確保在不同硬體上的相容性：

• 推理核心：使用 CrispASR（透過 Vulkan GPU）支援 NVIDIA、AMD 與 Intel GPU，使用 OpenVINO 實現純 CPU 執行。
• 模型：利用 Qwen3-ASR（包含專用的日文動畫版本）與 Whisper (Breeze-ASR-26) 模型，於 30 種語言中實現高準確度轉錄。
• 處理流程：使用 FFmpeg 從影片檔案中提取音訊，使用 Silero-VAD 進行語音活動偵測，以處理即時錄音中的停頓。
• 附加功能：包含 ForcedAligner 用於生成單字級時間戳（卡拉OK模式），以及基於 ONNX 的引擎實現說話人分離。

適用對象

• 需要對會議、播客或講座進行私密離線轉錄的個人。
• 希望為影片或歌詞生成單字級精確字幕的內容創作者。
• 擁有不同硬體（從高階 GPU 到基本 CPU）但需要簡單「開箱即用」ASR 工具的使用者。

核心亮點

• 本地化 & 隱私安全：所有處理均在裝置上完成，資料不會上傳至雲端。
• 硬體無關：支援透過 Vulkan（NVIDIA/AMD/Intel）實現 GPU 加速，以及透過 OpenVINO 實現純 CPU 模式。
• 卡拉OK模式：提供單字級高亮，實現精確的字幕對齊與審校。
• 說話人分離：自動識別並標註轉錄中的不同說話人。
• 批次處理：支援匯入並順序處理多個音訊/影片檔案。
• API 與遠端存取：內建 OpenAI 相容的轉錄 API 與 Cloudflare 隧道，支援行動裝置安全遠端上傳。