Qwen3-ASR 引擎

除 Whisper 外，OnceScribe 还内置了 Qwen3-ASR（通义千问音频模型） 引擎。它针对 中文、方言与中英混说 场景做了优化，所有推理同样在本地完成，数据不会上传。

适用场景

• 中文普通话、方言或中英混说的音频/视频
• 对中文识别准确率要求高于 Whisper 的场景
• 实时录音转写（工作台「即时转写」默认使用 Qwen3 引擎）
• 希望使用更小的本地模型完成日常转写

模型选择

在 设置 → 模型 中切换 ASR 引擎为 Qwen3-ASR，并下载对应模型：

首次下载需要联网。下载完成后，即可在离线状态下使用。

语言支持

Qwen3-ASR 官方主要针对 中文 与 英语 训练。建议：

• 中文内容：直接指定 zh 以获得最佳效果
• 英文内容：指定 en
• 其他语言：可尝试 auto 自动检测，但准确率可能不如 Whisper

切换引擎时，语言选项会自动调整为 Qwen3 支持的集合。

提示词与词表

Qwen3-ASR 支持通过提示词（Prompt）引导识别结果：

• 提示词：在设置中输入产品名、人名、领域术语等，最多 512 字
• 词表：把高频专有名词加入引导文本，提升品牌名、技术术语识别率

提示词对文件转写和录音转写均生效。

精准字幕时间轴

Qwen3-ASR 本身先输出文本，字幕时间轴默认使用估算分段。如需帧级精准时间轴：

1. 前往 设置 → 模型
2. 下载可选的 Qwen3-ForcedAligner-0.6B（约 1.3 GB）
3. 导出 SRT/VTT 时会自动进行强制对齐

未安装 Forced Aligner 时，导出仍可用，但字幕边界为估算值。

限制说明

Qwen3-ASR 与 Whisper 的能力不完全相同，请注意以下差异：

• 不支持说话人分离：需要 Speaker Diarization 时请切换回 Whisper 引擎
• 不支持翻译为英语：Qwen3 按原语言输出，不提供 translate 模式
• 不支持以下参数：温度（temperature）、上下文窗口、Beam 搜索、词级时间戳
• 实时录音：支持固定间隔或 VAD 断句两种流式模式

常见问题

Q：Qwen3 和 Whisper 哪个更好？ A：中文场景通常 Qwen3-ASR 更准；多语言或需要说话人分离时推荐 Whisper。

Q：1.7B 模型为什么需要 Pro？ A：1.7B 模型体积更大、推理成本更高，仅对 Pro 用户开放。0.6B 模型免费可用。

Q：可以同时在本地安装 Whisper 和 Qwen3 吗？ A：可以。两者保存在不同目录，可在设置中随时切换引擎。