Qwen3-ASR-Engine

Neben Whisper liefert OnceScribe das Audiomodell Qwen3-ASR. Es ist für Chinesisch, Dialekte und chinesisch-englische Mischung optimiert und läuft wie Whisper komplett auf dem Gerät — kein Upload.

Wann nutzen

• Mandarin, chinesische Dialekte, gemischtes Audio/Video
• Wenn chinesische Genauigkeit wichtiger ist als bei Whisper
• Live-Aufnahme-Transkription (Live-Modus der Werkbank nutzt standardmäßig Qwen3)
• Alltag mit kleinem lokalem Modell

Modellwahl

ASR-Engine in Einstellungen → Modell auf Qwen3-ASR stellen und Modell laden:

Erster Download braucht Internet. Danach offline.

Sprachen

Qwen3-ASR ist offiziell für Chinesisch und Englisch trainiert:

• Chinesisch: Sprache zh
• Englisch: en
• Andere: auto versuchen, oft schwächer als Whisper

Die Sprachenliste passt sich beim Engine-Wechsel an.

Prompts und Vokabular

Dekodier-Prompt zur Steuerung der Erkennung:

• Prompt: Produktnamen, Personennamen, Fachbegriffe, bis 512 Zeichen
• Vokabular: Eigennamen für Marken und Technikbegriffe

Gilt für Dateitranskription und Live-Aufnahme.

Bildgenaue Untertitel

Qwen3-ASR gibt zuerst Text aus; Untertitelzeiten sind standardmäßig geschätzt. Für Bildgenauigkeit:

1. Einstellungen → Modell
2. Optionales Qwen3-ForcedAligner-0.6B (~1,3 GB) laden
3. SRT/VTT-Export wird automatisch ausgerichtet

Ohne Forced Aligner funktionieren Untertitel, Grenzen sind geschätzt.

Grenzen

Nicht dieselben Fähigkeiten wie Whisper:

• Keine Sprechertrennung: für Sprecherlabels zurück zu Whisper
• Kein Übersetzen-nach-Englisch: Qwen3 gibt die Originalsprache aus
• Nicht unterstützt: Temperatur, Kontextfenster, Beam search, Wortzeitstempel
• Live-Aufnahme: festes Intervall oder VAD-Streaming

FAQ

Q: Qwen3 oder Whisper? A: Für Chinesisch oft Qwen3-ASR genauer. Whisper für Mehrsprachigkeit oder Sprechertrennung.

Q: Warum 1.7B nur Pro? A: Größer und ressourcenhungriger. 0.6B ist kostenlos.

Q: Beide lokal? A: Ja. Getrennte Ordner, Wechsel jederzeit in den Einstellungen.