audiosub

一个基于 Qwen3-ASR 的命令行工具，用于将音频文件转换为字幕文件。

特点

• Apple Silicon 专属优化：基于 MLX 框架，充分利用 Metal GPU 加速
• 准确度高：Qwen3-ASR-1.7B，中文及中英混排（技术词汇）识别优于 Whisper
• 智能断句：按标点拆分短字幕，标点丢弃；超长句在词间停顿处断开，兜底 24 字硬拆
• 词级时间戳：搭配 Qwen3-ForcedAligner，字幕与语音精准对齐
• 一键生成：简单命令即可生成 .srt 字幕文件

系统要求

• macOS（仅限 Apple Silicon 芯片，MLX 框架依赖 Metal GPU）
• Python 3.12+
• ffmpeg（brew install ffmpeg）
• uv

使用方法

通过 uv 的 uvx 命令安装并使用。

uvx audiosub <filename>
# 将在当前目录生成 audio.srt 字幕文件

注意事项

• 不支持 Intel 芯片的 Mac（MLX 框架仅支持 Apple Silicon）
• 支持的音频格式：MP3、WAV、M4A 等（经 ffmpeg 解码）
• 首次运行会自动下载 Qwen3-ASR-1.7B + ForcedAligner 模型（约 5GB）到 ~/.cache/huggingface/，请确保网络连接正常
• 若模型下载中断报错（CAS Client Error），重试即可断点续传

依赖

• Python 3.12+
• mlx-qwen3-asr

许可证

MIT