OneAsr 本地离线语音识别转字幕与音视频逐字对齐提取工具 便携版

7-30 🔥 基于Qwen3-ASR大模型与CTC强制对齐的本地离线音视频智能字幕生成工具

软件介绍：OneAsr是一款完全运行于本地环境的高性能离线语音识别与字幕生成工具。软件深度整合通义千问Qwen3-ASR大模型与CTC强制对齐算法，无需联网上传即可将音视频内容精准转写为带时间轴的SRT与TXT字幕。系统支持GPU显卡驱动直驱加速，内建人声分离与文稿智能断句，为视频创作者提供可靠高效的字幕提取方案。

核心特色

1. 多端音视频格式支持：内嵌定制版FFmpeg转换引擎，原生兼容WAV、MP3、FLAC、M4A、AAC、MP4、MKV、MOV、WebM等全格式音视频；
2. 双规格与量化模型可选：支持Qwen3-ASR 0.6B与1.7B尺寸模型，并提供INT8轻量量化权重，兼顾轻薄本与高性能独显设备；
3. 纯文本稿件强制打轴（Align模式）：支持用户直接载入自备文本或逐字稿，跳过识别环节直接由CTC模型完成音画时间戳毫米级绑定；
4. 内置Demucs人声音乐分离：针对嘈杂环境或重伴奏音视频，可一键先行剥离背景噪音与BGM，大幅提升人声转写准确率；
5. 智能文稿美化与语义分段：提供短句、标准与宽松等多种字幕切分预设，自动过滤无意义语气词并优化标点符号；
6. 双轨运行形态支持：同时提供直观易用的现代化桌面GUI窗口以及参数完备的oneasr-cli命令行接口，轻松集成自动化批处理脚本。
7. 零环境依赖开箱即用：完全免装Python、CUDA或C++编译依赖，解压即是全功能本地AI转写工作台；
8. 双模驱动（识别+打轴）：不仅能全自动听音辨字出字幕，更能将已有文稿精准附着到音视频时间轴上；
9. 隐私与数据零外流：所有媒体解码、模型推理、字幕渲染均在本地闭环运行，彻底杜绝数据泄露风险；
10. 完备的CLI与自动化：提供独立oneasr-cli程序，输出标准JSON进度事件流，便于融入个人或团队生产线。

我收藏已分类了，需要可前往观看