Skip to content

ASRbox v0.1.3

Latest

Choose a tag to compare

@github-actions github-actions released this 26 Jul 08:37

ASRbox demo

ASRbox v0.1.3v0.1.1 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

下载后建议校验:

shasum -a 256 -c SHA256SUMS.txt

本版本变化

AI 字幕核对

  • 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。