funasr-transcribelisted

# FunASR / Qwen3-ASR 本地语音转写 把录音转成文字的本地工具箱，GPU 加速、完全离线、无需 API 密钥。 **环境准备**（一次性）：Python 3.10+，`pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu130`，再 `pip install funasr modelscope`。完整安装步骤、版本要求（RTX 50 系显卡必须 cu128+）与故障修复见 `references/advanced.md` §五。模型首次运行时自动下载（Qwen3-ASR-1.7B 约 4.1GB），缓存在 `~/.cache/modelscope/models/`。 ## 快速决策（按需求选脚本） | 用户需求 | 用法 | |---------|------| | **日常转写（首选）**：单人或不需要区分说话人 | `python <技能目录>/scripts/qwen_asr.py <音频文件>` | | 会议/访谈，要区分"谁说了什么" | `python .../qwen_asr.py <音频文件> --diarize` | | 要字幕文件（SRT，可带说话人标签） | 加 `--srt`（fa-zh 强制对齐，字级时间戳） | | 专有名词/人名总听错 | 加 `--replace "错词=>对词"`（确定性替换） | | 录音嘈杂/带背景音乐 | 加 `--denoise`（ZipEnhancer 前处理，见约束 5） | | 只要 FunASR 原生通道（对照/低显存兜底） | `python <技能目录>/scripts/transcribe.py <音频文件>` | | 给无标点的转写文本补标点 | 见 references/advanced.md 的 ct-punc 节 | | 分析录音/某段���频的情绪 | 见 references/advanced.md 的 emotion2vec 节 | `<技能目录>` = 本 SKILL.md 所在目录。脚本直接用 `python` 跑。 ## 主力脚本 qwen_asr.py（双引擎，Qwen3-ASR 默认 / FireRedASR2-AED 可选） 识别引擎二选一，VAD/声纹/字幕/纠错各引擎通用： | 引擎 | 参数 | 强项 | 弱项 | |------|------|------|------| | Qwen3-ASR-1.7B（默认） | `--engine qwen` | 多语言（含**日文**）、自带标点、自带语种识别 | 中文偶有同音误听 | | FireRedASR2-AED | `--engine aed` | 中/英/粤准确率更高、原生字级时间戳+置信度 | **不支持日文**、输出无标点（脚本自动用 ct-punc 补）、只吃 wav（脚本自动转） | 实测对照（2026-09-14，同素材）：zh「开放时间」AED 与 Qwen 均对；en AED 拼对 "chieftain" 而 Qwen 误听为 "chief then"；粤语 AED 对、Qwen 对；**日文 Qwen 正确、 AED 输出中文乱码**；噪声音频 AED 明显更稳。速度（稳态）AED 约 2.7ms/秒音频（如 43s 音频 ≈0.2s），Qwen 约 10-17× 实时；AED 首调有 5-8s 预热。 ```bash python qw