fasr-asr-qwen3

内置 Qwen3-ASR 推理（Transformers / vLLM）的语音识别模型插件，为 fasr 提供无时间戳 ASR 能力。

安装

pip install fasr-asr-qwen3

注册模型

使用方式

from fasr import AudioPipeline

pipeline = (
    AudioPipeline()
    .add_pipe("detector", model="fsmn")
    .add_pipe("recognizer", model="qwen3_1.7b")  # 或 qwen3_0.6b
    .add_pipe("sentencizer", model="ct_transformer")
)

单独使用模型

模型实例化时会自动执行 download_checkpoint() + load_checkpoint()：

from fasr.config import registry

model = registry.asr_models.get("qwen3_1.7b")(gpu_memory_utilization=0.6)
# or model.load_checkpoint("/path/to/custom/qwen3")

运行期 / 会话参数

流式使用（StreamASR）

stream_qwen3_* 实现了 ASRModel.push_chunk，接在流式 VAD 之后即可：

from fasr.config import registry

model = registry.stream_asr_models.get("stream_qwen3_0_6b")(
    chunk_size_ms=2000,
    language="zh",          # 可选：强制语种
)
for chunk in audio_chunk_stream:
    span = model.push_chunk(chunk)
    if span is not None:
        print(span.text, flush=True)

注意：Qwen3-ASR 流式本质是“累计音频重解码”，每个 chunk 返回的是 当前累计结果（AudioSpan.raw_text）。后续 chunk 可能会改写前文， 所以上层消费应采用“覆盖显示最新文本”，而不是拼接增量 delta。

输出说明

• 当前模型不返回词级/字级时间戳。
• 离线模式把整段识别文本写入 span.raw_text（span.text 即可访问）； 流式模式每个 chunk 都返回当前累计文本（AudioSpan(raw_text=...)）， 最后一个 chunk 的返回带 is_last=True。