ASRbox v0.1.3

ASRbox v0.1.3 是 v0.1.1 之后的首个稳定版，包含 0.1.2-rc.1 / 0.1.2-rc.2 的全部内容：新增端到端说话人分离模型 MOSS-Transcribe-Diarize、模型页详细介绍、模型存储迁移与打包修复，以及设置页布局与文档改进。

中文 README · English README

当前 DMG 未签名、未公证，仅支持 Apple Silicon Mac。首次打开如提示"ASRbox.app 已损坏"，在终端执行一次 xattr -cr /Applications/ASRbox.app 即可，详见 README。

下载

• ASRbox_0.1.3_aarch64.dmg — macOS Apple Silicon 安装包
• SHA256SUMS.txt — DMG 与源码包校验值
• ASRbox-ffmpeg-source-8.1.2.tar.gz — 内置 FFmpeg 对应源码与构建材料

下载后建议校验：

shasum -a 256 -c SHA256SUMS.txt

本版本变化

• 新增 MOSS-Transcribe-Diarize 0.9B（Apache 2.0）：OpenMOSS 端到端音频理解模型，单次推理同时产出转写文本、段级时间戳和 [S01]/[S02] 说话人标签，支持 50+ 语言、单次约 90 分钟音频。无需配置 HF_TOKEN，不再依赖 pyannote 两段式分离；任务链路保留模型原生说话人标签并自动跳过 pyannote 后处理。INTERSPEECH 2026 MLC-SLM Challenge 第一名。
• 模型页详细介绍：每张模型卡片新增"模型介绍"展开区，展示能力、语言覆盖、适用场景与已知限制（中英文），覆盖全部 15 个已注册模型；新增"说话人分离"分类。
• 模型存储迁移修复：迁移模型存储后，Qwen3-ASR / FunASR 记录的绝对快照路径会重新锚定到新根目录，不再出现 "Unrecognized processing class" 加载失败。
• 打包稳定性：冻结后端完整内置 FunASR 模块注册表并启动时预导入；卡死的本地转写 worker 会在可配置的无进展窗口（默认 20 分钟）后终止，任务以 LOCAL_WORKER_STALLED 失败且已完成分片可重试，不再永久卡住队列。
• 设置页"存储与诊断"布局修复：恢复双栏网格（健康中心 | 模型存储位置、媒体存储 | 数据路径），消除右栏空白；"最近错误"卡片截断为 3 行，完整内容悬停可见。
• 安装指引：README 补充未签名应用"已损坏"提示的说明与 xattr -cr 修复命令（中英文，含截图）。
• 隐私与仓库卫生：.beads/interactions.jsonl（agent 交互记录）移出版本控制；审计截图输出目录不再纳入跟踪；OpenSpec 五个已上线 change 全部归档，17 个 spec 职责说明补齐。
• 全部变化见 CHANGELOG。

验证情况

• MOSS-Transcribe-Diarize 在 Apple Silicon 上完成真实双人采访 MP4（6.8 分钟）转写：161 个带时间戳分段，原生输出 3 个说话人标签，SRT/TXT 导出均携带 [Sxx] 标签。
• 冻结二进制冒烟在 CI macOS runner 上通过，包含 moss_transcribe_diarize_available 运行时探测。
• GitHub Actions CI 与 Release 流程（typecheck、后端 pytest、Rust check/test、Playwright 冒烟、Docker 部署冒烟、DMG 构建）全部通过。

已知限制

• 仅支持 macOS Apple Silicon；Docker 为 Linux CPU（不含 MLX），默认绑定回环地址。
• MOSS-Transcribe-Diarize 无词级时间戳、不支持流式，CPU 上长音频较慢；说话人标签为录音内的匿名相对标签，不代表真实身份。
• 引用模式下移动或删除源文件会使相关任务的播放与重转写失败，需通过"重新链接"修复。
• Provider 密钥在数据库中明文存储；模型需单独下载，可能占用较多磁盘与内存。

ASRbox v0.1.2-rc.2

ASRbox v0.1.2-rc.2 是 v0.1.2-rc.1 之后的功能候选版：新增端到端说话人分离模型 MOSS-Transcribe-Diarize，模型页为全部 15 个本地模型提供详细介绍，并把 agent 交互记录移出版本控制。

中文 README · English README

这是预发布版本，不是稳定版。当前 DMG 尚未签名或公证，仅支持 Apple Silicon Mac。

下载

• ASRbox_0.1.2-rc.2_aarch64.dmg — macOS Apple Silicon 安装包
• SHA256SUMS.txt — DMG 与源码包校验值
• ASRbox-ffmpeg-source-8.1.2.tar.gz — 内置 FFmpeg 对应源码与构建材料

下载后建议校验：

shasum -a 256 -c SHA256SUMS.txt

本版本变化

• 新增 MOSS-Transcribe-Diarize 0.9B（Apache 2.0）：OpenMOSS 端到端音频理解模型，单次推理同时产出转写文本、段级时间戳和 [S01]/[S02] 说话人标签，支持 50+ 语言、单次约 90 分钟音频。无需配置 HF_TOKEN，不再依赖 pyannote 两段式分离；任务链路会保留模型原生说话人标签并自动跳过 pyannote 后处理。INTERSPEECH 2026 MLC-SLM Challenge 第一名。
• 模型页详细介绍：每张模型卡片新增"模型介绍"展开区，展示能力、语言覆盖、适用场景与已知限制（中英文），覆盖全部 15 个已注册模型；新增"说话人分离"分类。
• 隐私清理：.beads/interactions.jsonl（agent 交互/活动记录）从版本控制移除并加入忽略清单。
• 全部变化见 CHANGELOG。

验证情况

• MOSS-Transcribe-Diarize 在 Apple Silicon 上完成真实双人采访 MP4（6.8 分钟）转写：161 个带时间戳分段，原生输出 3 个说话人标签，SRT/TXT 导出均携带 [Sxx] 标签。
• 新增聚焦测试：引擎分段解析、兼容性检查、原生说话人标签跳过 pyannote、max_new_tokens 时长缩放、模型详情展开区 e2e。
• GitHub Actions CI 与 Release 流程（typecheck、后端 pytest、Rust check/test、Playwright 冒烟、Docker 部署冒烟、DMG 构建与冻结二进制冒烟）全部通过。

已知限制

• 仅支持 macOS Apple Silicon；Docker 为 Linux CPU（不含 MLX），默认绑定回环地址。
• MOSS-Transcribe-Diarize 无词级时间戳、不支持流式，CPU 上长音频较慢；说话人标签为录音内的匿名相对标签，不代表真实身份。
• 引用模式下移动或删除源文件会使相关任务的播放与重转写失败，需通过"重新链接"修复。
• Provider 密钥在数据库中明文存储；模型需单独下载，可能占用较多磁盘与内存。

ASRbox v0.1.2-rc.1

ASRbox v0.1.2-rc.1 是 v0.1.1 之后的修复候选版：修复迁移模型存储后多个本地模型无法加载的问题，以及本地转写 worker 卡死导致任务永不结束的问题。

中文 README · English README

这是预发布版本，不是稳定版。当前 DMG 尚未签名或公证，仅支持 Apple Silicon Mac。

下载

• ASRbox_0.1.2-rc.1_aarch64.dmg — macOS Apple Silicon 安装包
• SHA256SUMS.txt — DMG 与源码包校验值
• ASRbox-ffmpeg-source-8.1.2.tar.gz — 内置 FFmpeg 对应源码与构建材料

下载后建议校验：

shasum -a 256 -c SHA256SUMS.txt

本版本修复

• 迁移模型存储后模型加载失败：model.json 记录的绝对 snapshot 路径在迁移后失效，导致 Qwen3-ASR 报 "Unrecognized processing class"、SenseVoice（FunASR）拿到无法加载的路径。现在会在当前存储根下重新定位 snapshot。
• 打包应用内 SenseVoice 无法使用：FunASR 的模型注册表在冻结环境中为空。冻结后端现在打包并在启动时预导入全部 funasr 子模块，注册恢复正常。
• 本地转写卡死：本地 worker 推理挂死时，任务曾永远停在"转写中"并阻塞后续排队任务。现在超过 20 分钟无进展（可用 ASRBOX_LOCAL_WORKER_STALL_SECONDS 调整）会强制终止 worker，任务以 LOCAL_WORKER_STALLED 失败，已完成分块可重试。
• 全部变化见 CHANGELOG。

验证情况

• 14 个本地模型在 Apple Silicon 上逐一完成加载与真实音频转写（含 Qwen3-ASR、SenseVoice、whisper、faster-whisper、MLX 全系）。
• 冻结后端二进制逐项验证：sensevoice-small 与 qwen3-asr-1.7b 端到端转写通过；worker 卡死看门狗有聚焦测试。
• GitHub Actions CI 与 Release 流程（typecheck、后端 pytest、Rust check/test、Playwright 冒烟、Docker 部署冒烟、DMG 构建与冻结二进制冒烟）全部通过。

已知限制

• 仅支持 macOS Apple Silicon；Docker 为 Linux CPU（不含 MLX），默认绑定回环地址。
• 引用模式下移动或删除源文件会使相关任务的播放与重转写失败，需通过"重新链接"修复。
• Provider 密钥在数据库中明文存储；模型需单独下载，可能占用较多磁盘与内存。

ASRbox v0.1.1

ASRbox v0.1.1 是一个面向 macOS Apple Silicon 的本地优先音视频转写工具箱，并提供 Linux CPU Docker 部署与 AI 字幕核对工作区。本版本的主题是媒体文件不再强制复制：桌面端默认直接引用原文件，存储位置全面可配置。

中文 README · English README

当前 DMG 尚未签名或公证，仅支持 Apple Silicon Mac。Docker 镜像需从源码构建。

下载

• ASRbox_0.1.1_aarch64.dmg — macOS Apple Silicon 安装包
• SHA256SUMS.txt — DMG 与源码包校验值
• ASRbox-ffmpeg-source-8.1.2.tar.gz — 内置 FFmpeg 对应源码与构建材料

下载后建议校验：

shasum -a 256 -c SHA256SUMS.txt

本版本亮点

• 桌面端默认引用原文件：导入音视频不再复制到应用目录，没有 importing 等待，大文件零额外占用；设置中可切回"复制到上传文件夹"模式。浏览器与 Docker 上传仍为托管复制。
• 删除绝对安全：任务按 managed/external 记录媒体所有权，删除任务、批量删除与存储清理只移除 ASRbox 托管文件，绝不触碰你的原始文件。
• 存储位置可配置：上传目录与派生音频目录均可在设置中修改（支持外置硬盘），仅对新任务生效；Docker 端通过 Compose 注释掉的 /data/uploads bind mount 挂载外置盘（含 macOS 与 Windows 示例）。
• 拖拽导入一致化：桌面端拖拽改用原生系统事件，与文件选择器一样遵循引用/复制模式。
• 源文件失踪可修复：源文件被移动或删除后，可在任务中"重新链接"到新路径。
• 可选自动清理：转写成功后自动删除派生音频（规范化 WAV 与分片），进一步省空间。
• 全部变化见 CHANGELOG。

首次使用

1. 下载 DMG，将 ASRbox.app 拖入"应用程序"。
2. 因当前版本未签名，首次启动请右键应用并选择"打开"，或在"系统设置 → 隐私与安全性"中允许打开。
3. 等待界面显示后端在线。
4. 在"模型"页先下载一个模型；快速验证可使用 faster-whisper-base，Apple Silicon 推荐尝试 mlx-whisper-turbo。
5. 新建任务，拖入或选择音频或视频——默认不再复制原文件；完成转写后导出所需字幕格式。

验证情况

• GitHub Actions CI：TypeScript typecheck、Web UI 构建、后端 pytest（182 项，含媒体摄取/删除守卫/重新链接覆盖）、Rust check/test 与 Playwright 浏览器冒烟全部通过。
• Docker 构建与部署冒烟（健康检查、持久化、token、模型存储迁移）在 CI 与 Release 流程中通过。
• Release 资产经过校验脚本核对。

已知限制

• 仅支持 macOS Apple Silicon；Docker 为 Linux CPU（不含 MLX），默认绑定回环地址，不是公网网关。
• 引用模式下移动或删除源文件会使相关任务的播放与重转写失败，需通过"重新链接"修复。
• 备份仅覆盖应用数据目录内的托管数据；被引用的原始媒体不在备份范围内。
• Provider 密钥在数据库中明文存储；模型需单独下载，可能占用较多磁盘与内存。

ASRbox v0.1.0-rc.2

ASRbox v0.1.0-rc.2 是一个面向 macOS Apple Silicon 的本地优先音视频转写工具箱，并新增 Linux CPU Docker 部署与 AI 字幕核对工作区。它支持 14 个本地 ASR 模型、在线 Provider、模型下载管理、字幕编辑与多格式导出。

中文 README · English README

这是发布候选版本，不是稳定版。当前 DMG 尚未签名或公证，仅支持 Apple Silicon Mac。

下载

• ASRbox_0.1.0-rc.2_aarch64.dmg — macOS Apple Silicon 安装包
• SHA256SUMS.txt — DMG 与源码包校验值
• ASRbox-ffmpeg-source-8.1.2.tar.gz — 内置 FFmpeg 对应源码与构建材料

下载后建议校验：

shasum -a 256 -c SHA256SUMS.txt

本版本亮点

• 相比 v0.1.0-beta.1 的全部变化见 CHANGELOG。
• 新增源码构建的 Linux CPU Docker 部署：多阶段非 root 镜像、同源 Web UI/API、内置 ffmpeg、健康检查与持久化 /data 卷。
• Compose 默认仅绑定回环地址，主机端口、绑定地址、API token 与宿主机 Ollama 连接均可配置。
• 新增独立 AI 工作区：LLM 字幕核对、Provider 预设与连通性测试、有序建议、可折叠的纠错区间，以及显式生成新版本的应用方式。
• 模型存储位置可在设置中迁移，支持选择目标目录、接管已有数据、共享缓存处理与进度轮询。
• Docker 与 AI 核对均提供中文和英文文档。

首次使用

1. 下载 DMG，将 ASRbox.app 拖入“应用程序”。
2. 因当前版本未签名，首次启动请右键应用并选择“打开”，或在“系统设置 → 隐私与安全性”中允许打开。
3. 等待界面显示后端在线。
4. 在“模型”页先下载一个模型；快速验证可使用 faster-whisper-base，Apple Silicon 推荐尝试 mlx-whisper-turbo。
5. 新建任务，选择音频或视频，完成转写后导出所需字幕格式。

验证情况

• GitHub Actions CI：TypeScript typecheck、Web UI 构建、后端 pytest、Rust check/test 与 Playwright 浏览器冒烟全部通过。
• Docker 构建与部署冒烟（健康检查、持久化、token、模型存储迁移）在 CI 与 Release 流程中通过。
• Release 资产经过校验脚本核对。

ASRbox v0.1.0-beta.1

ASRbox v0.1.0-beta.1 是一个面向 macOS Apple Silicon 的本地优先音视频转写工具箱。它支持 14 个本地 ASR 模型、在线 Provider、模型下载管理、字幕编辑与多格式导出。

中文 README · English README

这是公开 Beta，不是稳定版。当前 DMG 尚未签名或公证，仅支持 Apple Silicon Mac。

下载

• ASRbox_0.1.0-beta.1_aarch64.dmg — macOS Apple Silicon 安装包
• SHA256SUMS.txt — DMG 与源码包校验值
• ASRbox-ffmpeg-source-8.1.2.tar.gz — 内置 FFmpeg 对应源码与构建材料

下载后建议校验：

shasum -a 256 -c SHA256SUMS.txt

本版本亮点

• 14 个本地模型：Whisper、Faster Whisper、MLX Whisper、SenseVoice 和 Qwen3-ASR。
• 模型下载支持暂停、继续、停止和失败重试，并显示真实目录与磁盘占用。
• 修复 Transformers Whisper / Qwen3-ASR 的 TorchCodec 加载失败，冻结后端不再依赖 TorchCodec。
• 支持音频和视频预检、任务恢复、字幕编辑、版本历史与诊断信息。
• 支持 TXT、SRT、VTT、ASS、JSON 和 Markdown 导出。
• 桌面端内置 FastAPI sidecar、ffmpeg 和 ffprobe；模型权重按需单独下载。

首次使用

1. 下载 DMG，将 ASRbox.app 拖入“应用程序”。
2. 因当前版本未签名，首次启动请右键应用并选择“打开”，或在“系统设置 → 隐私与安全性”中允许打开。
3. 等待界面显示后端在线。
4. 在“模型”页先下载一个模型；快速验证可使用 faster-whisper-base，Apple Silicon 推荐尝试 mlx-whisper-turbo。
5. 新建任务，选择音频或视频，完成转写后导出所需字幕格式。

验证情况

• Release workflow 的依赖审计、版本检查、后端测试、TypeScript、Web 构建、Cargo 和 Playwright smoke 均通过。
• 冻结后端 smoke test 通过。
• 14/14 本地模型在维护者的 Apple Silicon 环境中使用真实 MP4 片段完成非空转写。
• 发布的 DMG、FFmpeg 源码包和 SHA256SUMS.txt 已独立重新下载并校验。

已知限制

• 仅发布 macOS Apple Silicon 安装包。
• DMG 尚未签名和 Apple notarization。
• 暂无自动更新、Windows/Linux 安装包和 Intel Mac 构建。
• Provider API 密钥目前以明文保存在本机 asrbox.db 和应用备份中。
• 模型不会包含在 DMG 中；下载全部模型可能占用数十 GB 空间。

本地数据

默认数据与模型目录：

~/Library/Application Support/com.goldloli.asrbox/
~/Library/Application Support/com.goldloli.asrbox/models/

删除应用不会自动删除模型、任务、备份或已经导出的字幕。

完整变更： v0.1.0-rc.1...v0.1.0-beta.1

ASRbox v0.1.0-rc.1

Full Changelog: https://github.com/Goldloli/asrbox/commits/v0.1.0-rc.1