跳到主要内容

qwen-asr-skill - Claude Code本地语音转文字技能

Summary​

qwen-asr-skill 是一个 Claude Code 技能，基于 Qwen3-ASR-1.7B 模型提供本地语音转文字能力。支持 52 种语言和 22 种中文方言，兼容 WAV、MP3、FLAC 等多种音频格式。系统能自动检测硬件并适配 GPU/CPU，使用 silero-vad 进行静音检测和自然断句分块转录，输出结构化 JSON 格式结果。

Key Concepts​

  • ASR (Automatic Speech Recognition) - 自动语音识别技术
  • Qwen3 ASR - 阿里通义千问 1.7B 参数语音识别模型
  • VAD (Voice Activity Detection) - silero-vad 静音检测，自然断句分块
  • Claude Code Skill - 安装到 ~/.claude/skills/ 的技能扩展
  • Hardware Adaptation - 自动尝试 GPU (float16)，VRAM 不足回退 CPU (float32)

Detailed Content​

核心特性​

  • 多语言：52 种语言 + 22 种中文方言
  • 格式支持：WAV / MP3 / FLAC / M4A / OGG 等
  • 智能硬件适配：自动尝试 GPU (float16)，VRAM 不足回退 CPU (float32)
  • 长音频处理：VAD (Voice Activity Detection) 静音检测，自然断句分块转录
  • 结构化输出：JSON 格式

安装使用​

uv venv --python 3.12
pip install qwen-asr soundfile silero-vad
# 复制到 ~/.claude/skills/asr
python qwen-asr-skill/scripts/transcribe.py <audio_path>

参数：--language / --device / --model-path / --max-chunk-sec

  • Agent Skills Framework
  • Local AI Models
  • Claude Code
  • Speech Processing