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。