标签
Qwen Scribe 是一款开源工具，专为 Apple Silicon Mac 提供隐私、设备本地的转录和听写功能，通过 MLX 使用 Qwen3-ASR 模型。它支持拖放式音视频转码、语言检测、SRT 导出以及带有 HUD 的系统级听写。
探讨了在没有GPU的情况下，在CPU上使用Qwen3-ASR和Kokoro-TTS ONNX模型运行语音助手的性能，测量响应时间。
南洋理工、新国立和上海 AI Lab 联合发布 Mega-ASR，一个基于 Qwen3-ASR 构建的完全开源 ASR 模型，通过 Voices-in-the-Wild-2M 数据集和渐进式声学到语义优化，在真实世界嘈杂环境中实现最高 30% 的相对词错误率下降，且仅 1.7B 参数可在消费级硬件高效推理。
推荐使用Qwen3-ASR替代Whisper以减少幻觉，使用LattifAI工具进行精确的音文本对齐和字幕生成，并介绍自己的OmniVAD-Kit项目用于语音活动检测。