qwen-asr — 离线中文语音识别（纯 C 实现）
使用 antirez/qwen-asr 的 qwen3-asr-0.6b 模型进行中文语音转文字，无 Python/GIL/FFmpeg 依赖，适合边缘部署。
依赖
| 平台 | 依赖项 | 说明 |
|---|---|---|
| macOS | Accelerate.framework | 系统自带，自动链接 |
| Linux | OpenBLAS 或 Intel MKL | 需手动安装 |
典型用法
# 转写音频（自动预处理为 16kHz/mono/WAV）
.skill qwen-asr --audio /path/to/audio.wav
# 指定模型（small=0.6B, large=1.7B）
.skill qwen-asr --audio /path/to/audio.wav --model large
# 指定线程数
.skill qwen-asr --audio /path/to/audio.wav --threads 4
输出
[中文] 现在已经可以用了吗？
支持中/英文混读（模型训练语料含双语）。
模型大小
| 模型 | 大小 | 推荐场景 |
|---|---|---|
qwen3-asr-0.6b | ~1.7GB | 推荐：低延迟、边缘设备 |
qwen3-asr-1.7b | ~4.5GB | 高精度（需 ≥4GB 内存） |
注意事项
- 音频必须为 16kHz/mono/16-bit PCM WAV（脚本会自动转换非合规音频）
- 首次运行会下载模型（~1.7GB），后续无需重复下载
- 仅支持
.ogg/.mp3/.wav→.wav预处理（FFmpeg 内置支持） - 推理为纯离线，无需网络（模型下载阶段除外）
作者
- GitHub: @antirez
- 技能封装: OpenClaw Agent
许可
MIT（qwen-asr）+ 阿里云 Qwen3 ASR Model License