Qwen3-ASR 引擎

除 Whisper 外，OnceScribe 還內置了 Qwen3-ASR（通義千問音頻模型） 引擎。它針對 中文、方言與中英混說 場景做了優化，所有推理同樣在本地完成，資料不會上傳。

適用場景

• 中文普通話、方言或中英混說的音頻/視頻
• 對中文識別準確率要求高於 Whisper 的場景
• 實時錄音轉寫（工作臺「即時轉寫」預設使用 Qwen3 引擎）
• 希望使用更小的本地模型完成日常轉寫

模型選擇

在 設定 → 模型 中切換 ASR 引擎爲 Qwen3-ASR，並下載對應模型：

首次下載需要聯網。下載完成後，即可在離線狀態下使用。

語言支持

Qwen3-ASR 官方主要針對 中文 與 英語 訓練。建議：

• 中文內容：直接指定 zh 以獲得最佳效果
• 英文內容：指定 en
• 其他語言：可嘗試 auto 自動檢測，但準確率可能不如 Whisper

切換引擎時，語言選項會自動調整爲 Qwen3 支持的集合。

提示詞與詞表

Qwen3-ASR 支持透過提示詞（Prompt）引導識別結果：

• 提示詞：在設定中輸入產品名、人名、領域術語等，最多 512 字
• 詞表：把高頻專有名詞加入引導文字，提升品牌名、技術術語識別率

提示詞對檔案轉寫和錄音轉寫均生效。

精準字幕時間軸

Qwen3-ASR 本身先輸出文字，字幕時間軸預設使用估算分段。如需幀級精準時間軸：

1. 前往 設定 → 模型
2. 下載可選的 Qwen3-ForcedAligner-0.6B（約 1.3 GB）
3. 導出 SRT/VTT 時會自動進行強制對齊

未安裝 Forced Aligner 時，導出仍可用，但字幕邊界爲估算值。

限制說明

Qwen3-ASR 與 Whisper 的能力不完全相同，請注意以下差異：

• 不支持說話人分離：需要 Speaker Diarization 時請切換回 Whisper 引擎
• 不支持翻譯爲英語：Qwen3 按原語言輸出，不提供 translate 模式
• 不支持以下參數：溫度（temperature）、上下文視窗、Beam 搜尋、詞級時間戳
• 實時錄音：支持固定間隔或 VAD 斷句兩種流式模式

常見問題

Q：Qwen3 和 Whisper 哪個更好？ A：中文場景通常 Qwen3-ASR 更準；多語言或需要說話人分離時推薦 Whisper。

Q：1.7B 模型爲什麼需要 Pro？ A：1.7B 模型體積更大、推理成本更高，僅對 Pro 用戶開放。0.6B 模型免費可用。

Q：可以同時在本地安裝 Whisper 和 Qwen3 嗎？ A：可以。兩者保存在不同目錄，可在設定中隨時切換引擎。