fasr-asr-qwen3asr

英文文档地址: README_EN.md

Qwen3-ASR 语音识别插件，使用内置的 Qwen3-ASR vLLM 后端。同一个模型实例支持离线批量识别和累计式流式识别。

安装

pip install fasr-asr-qwen3asr

注册模型

size="small" 使用 Qwen/Qwen3-ASR-0.6B，size="large" 使用 Qwen/Qwen3-ASR-1.7B。

流水线使用

from fasr import AudioPipeline

pipeline = (
    AudioPipeline()
    .add_pipe("detector", model="fsmn")
    .add_pipe(
        "recognizer",
        model="qwen3asr",
        size="small",
        gpu_memory_utilization=0.7,
        max_new_tokens=2048,
    )
    .add_pipe("sentencizer", model="ct_transformer")
)

Confection 配置

[asr_model]
@asr_models = "qwen3asr"
size = "small"
gpu_memory_utilization = 0.7
max_new_tokens = 2048
language = "Chinese"
hotwords = ["fasr", "Qwen3-ASR"]

放在流水线里：

[pipeline]
@pipelines = "AudioPipeline.v1"
pipe_order = ["recognizer"]

[pipeline.pipes]

[pipeline.pipes.recognizer]
@pipes = "thread_pipe"
batch_size = 1

[pipeline.pipes.recognizer.component]
@components = "recognizer"

[pipeline.pipes.recognizer.component.model]
@asr_models = "qwen3asr"
size = "small"
gpu_memory_utilization = 0.7
max_new_tokens = 2048
language = "Chinese"
hotwords = ["fasr", "Qwen3-ASR"]

单独使用

from fasr.config import registry

model = registry.asr_models.get("qwen3asr")(
    size="small",
    gpu_memory_utilization=0.7,
)

spans = model.transcribe(audio_spans)
for span in spans:
    print(span.text)

流式模式返回累计文本，上层应覆盖显示最新文本，不要拼接 delta：

model = registry.asr_models.get("qwen3asr")(
    size="small",
    chunk_size_ms=2000,
    language="zh",
)

for chunk in audio_chunks:
    span = model.push_chunk(chunk)
    if span is not None:
        print(span.text)

参数

输出

• 离线模式写入 span.raw_text。
• 流式模式返回累计 AudioSpan(raw_text=...)。
• 当前插件不返回词级或字级时间戳。

依赖

• fasr
• transformers == 4.57.6
• huggingface-hub >= 0.34.0, < 1.0
• vllm == 0.14.0
• accelerate == 1.12.0
• librosa
• soundfile
• Python 3.10-3.12