Qwen3-ASR エンジン

Whisper に加え、OnceScribe は Qwen3-ASR 音声モデルを同梱します。中国語・方言・中英混在向けに最適化され、Whisper と同様すべて端末上で動き、アップロードはありません。

いつ使うか

• 普通話、中国語方言、中英混在の音声／動画
• Whisper より中国語精度が重要な場面
• ライブ録音の転記（ワークベンチのライブは既定で Qwen3）
• 小型ローカルモデルでの日常転記

モデル選択

設定 → モデル で ASR エンジンを Qwen3-ASR に切り替え、使いたいモデルを取得します。

初回ダウンロードにはネットが必要。以降はオフラインで動きます。

言語サポート

Qwen3-ASR の公式訓練対象は 中国語 と 英語 です。

• 中国語: 言語を zh に
• 英語: en
• その他: auto を試せますが、Whisper より精度が落ちることがあります

エンジン切替時、言語リストは自動で変わります。

プロンプトと語彙

認識を導くデコードプロンプトに対応します。

• プロンプト: 製品名・人名・専門語、最大 512 文字
• 語彙: 固有名詞をプロンプト経路に追加し、ブランド・技術語の認識を改善

ファイル転記とライブ録音の両方に適用されます。

フレーム精度の字幕

Qwen3-ASR はまずテキストを出し、字幕時刻は既定で推定です。フレーム精度が必要なら:

1. 設定 → モデル
2. 任意の Qwen3-ForcedAligner-0.6B（約 1.3 GB）を取得
3. SRT/VTT 書き出しが自動でアラインされます

Forced Aligner なしでも字幕は使えますが、区間境界は推定です。

制限

Whisper と全く同じ能力ではありません。

• 話者分離なし: 話者ラベルが必要なら Whisper に戻す
• 英語翻訳モードなし: Qwen3 は元言語で出力
• 非対応パラメータ: 温度、コンテキスト窓、Beam search、単語レベル時刻
• ライブ録音: 固定間隔または VAD ストリーミング

FAQ

Q: Qwen3 と Whisper、どちらが良い？ A: 中国語は Qwen3-ASR の方が精度が高いことが多いです。多言語や話者分離は Whisper。

Q: なぜ 1.7B は Pro のみ？ A: より大きく負荷が高いため Pro 向け。0.6B は無料です。

Q: Whisper と Qwen3 を両方入れられる？ A: はい。別フォルダに保存され、設定でいつでも切り替えられます。