Repository navigation
Caution
v9.0.0 换掉了默认 CTC 头(上游 a7_avg5),模型目录也合并成了单一的 models/qwen-ctc/。
需重新下载 models_Part3(qwenasr_ctc)_for_CapsWriter-Offline-GUI_2026-11-06.7z。
快捷键速查表
下载链接
| 下载链接 | 提取码 | 内容 |
|---|---|---|
123盘 |
h8vb | 💻程序 🧠模型 😵历史版本 |
光鸭盘 |
1024 | 💻程序 🧠模型 |
百度盘 |
39pw | 💻程序 |
百度盘 |
8dif | 🧠模型 |
豆包盘 |
💻程序 😵历史版本 |
|
夸克盘 |
n7Ej | 💻程序 |
程序 CapsWriter-Offline-GUI-v9.0.0_2026-11-06.7z
#️⃣ SHA-256
F5F9C69058C06AC2E3E566D9D28E3677650BC85B31336BFFB93B44296DA7E98D
部分模型 models_Part1(sensevoice-paraformer-punct-opusmt)_for_CapsWriter-Offline-GUI_2026-02-09.7z(与 v7.2.0 相同,未重新打包)
#️⃣ SHA-256
5C02830994CAF30021C92247E3B50FBF8883741F3F895AEB0F0922723AC3CD20❌ Fun-ASR-Nano-GGUF-2026-02-09
✅sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17
✅ paraformer-offline-zh
✅ sherpa-onnx-punct-ct-transformer-zh-en-vocab272727-2024-04-12
✅ Helsinki-NLP--opus-mt-zh-en
❌ qwen-ctc
部分模型 models_Part2(funasr)_for_CapsWriter-Offline-GUI_2026-02-09.7z(与 v7.2.0 相同,未重新打包)
#️⃣ SHA-256
DB576164BBEF32985E38944E03B22745AA57C149334DD0AB008E52076056616A✅ Fun-ASR-Nano-GGUF-2026-02-09
❌ sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17
❌ paraformer-offline-zh
❌ sherpa-onnx-punct-ct-transformer-zh-en-vocab272727-2024-04-12
❌ Helsinki-NLP--opus-mt-zh-en
❌ qwen-ctc
部分模型 models_Part3(qwenasr_ctc)_for_CapsWriter-Offline-GUI_2026-11-06.7z
#️⃣ SHA-256
F7DC8C0D3653FF952A65EF864438497A64CE86E50285D4C8B009F64D4A1D01C7❌ Fun-ASR-Nano-GGUF-2026-02-09
❌ sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17
❌ paraformer-offline-zh
❌ sherpa-onnx-punct-ct-transformer-zh-en-vocab272727-2024-04-12
❌ Helsinki-NLP--opus-mt-zh-en
✅ qwen-ctc(Qwen3-ASR 编码器 + a7_avg5 CTC 头三个精度 + v1 回退头 + 1.7B 解码器)与 qwen-ctc/06b(0.6B 三件套)
主要变动
新增功能
新增功能
-
QwenCTC的默认 CTC 头换成上游a7_avg5(self-conditioned CTC 头,2026-11 发布)(b8cf819,纯数据替换,引擎零改动)。上游做了什么:清掉 2,445 段「英文语音配中文翻译字幕」的训练段,在此基础上继续训练,并算术平均末段 5 个 checkpoint(step 412000 / 414000 / 416000 / 418000 / 420000)。头本身 85,448,596 参数、self-conditioned(
conditioning_layer72468→512 参与前向),编码器与词表完全没变,所以旧的编码器 /tokens.txt/preprocessor_config.json/ 1.7B 解码器全部继续可用。
上游实测(CUDA EP,共享同一个 q4f16 编码器,只换头):中文 17 段长音频 CER 15.96% → 14.35%(fp16)、16.20% → 14.96%(HQQ + fp16 激活);英文 6 段长音频 CER 6.39% → 5.59%(fp16)、6.68% → 5.98%(HQQ);29 篇 TED 纯英文音频的 CTC 输出汉字数 157 → 5(fp16)/ 5(RTN q4f16)/ 6(HQQ hqqf16)。
三个精度(都放在models/qwen-ctc/,与上游validation.json的 sha256 逐字节一致):Qwen3-ASR-CTC.fp16.onnx170,998,749 字节(默认,CPU 最快,DirectML 也必须是它)、Qwen3-ASR-CTC.q4f16.onnx44,628,958 字节、Qwen3-ASR-CTC.hqqf16.onnx45,628,114 字节(后两者是 RTN / HQQ int4,体积约 1/4,同机实测 CPU 比 fp16 慢约 10%,DirectML 跑不了 MatMulNBits)。换精度只改[model_paths].qwen_ctc_ctc_path一行。
为什么引擎不用改:新头的 ONNX 接口与旧v1/v2头完全一致——输入enc_outputfloat32 [batch, time, 2048]、输出logitsfloat32 [batch, time, 72468](fp16 权重 + fp32 I/O),blank 72466 / unk 72467 / 13 fps / 词表 72468 全部不变;self_cond/inter_layers/conditioning_layer已经烘进 ONNX 图,运行时不读头目录的config.json。本机 onnxruntime 1.24.4(CPU EP)三个精度均可加载并前向,两遍模式实测zh.wav → 開放時間:早上九點至下午五點。、en.wav → The tribal chieftain called for the boy, and presented him with fifty pieces of gold.
v1头保留为可选回退:Qwen3-ASR-CTC.v1.fp16.onnx(96,786,216 字节)仍在包里,想换回去只改qwen_ctc_ctc_path。a7 属于aiinfra4一脉,中文数字是阿拉伯数字;v1 会把数字写成「二零二六年」。 -
模型目录合并成一个
models/qwen-ctc/(b8cf819)。此前分散在
qwen-ctc-aiinfra4/、qwen-ctc-aiinfra4-06b/、qwen-ctc-a7avg5/三处,下载与配置都容易指错。现在编码器、CTC 头(a7 三个精度 + v1)、tokens.txt、preprocessor_config.json、1.7B 解码器、config.json/release.json/validation.json全在同一层,共 12 个文件。
0.6B 三件套放在子目录models/qwen-ctc/06b/——它的解码器与 1.7B 同名(qwen3_asr_llm.q4_k.gguf),平铺会互相覆盖。
删掉的东西:aiinfra4(v2)版 CTC 头.fp16/.q4/.q4f16(已被 a7 取代)与它那份旧config.json(已换成 a7 的)。
老配置迁移:models\qwen-ctc-aiinfra4\→models\qwen-ctc\、models\qwen-ctc-aiinfra4-06b\→models\qwen-ctc\06b\,然后把[model_paths]里 5 个 qwen 路径改到新目录(configs/default config.toml已是最新,也可用edit_config_gui.exe逐个改)。只换 CTC 头的用户至少要把qwen_ctc_ctc_path指到models/qwen-ctc/Qwen3-ASR-CTC.fp16.onnx。
FixBug
FixBug
- 纯英文音频被 CTC 头转写成中文译文:29 篇 TED 里 157 次 → 5~6 次(b8cf819)。
v8 的处置是退回
v1头绕开问题(代价:中文数字写成「二零二六年」)。根因是aiinfra4版头在「AI 技术领域中英混读 + 中英对照字幕」语料上续训,学到了「英文语音 → 中文字幕」的映射(we→ 我们、or→ 或、thank→ 谢谢),不是解码 bug。
上游a7_avg5清掉 2,445 段「英文语音配中文翻译字幕」的训练段后重训,把这类串味收敛到原先的约 1/30:29 篇 TED 共 5 次(fp16)/ 6 次(hqqf16),属可用状态。没有清零——语料不足,上游自己也这么写。
同时中文侧不退步:17 段长音频 CER 15.96% → 14.35%,字比 89.1% → 91.1%;英文 6 段 6.39% → 5.59%。所以默认头从 v1 换到 a7,阿拉伯数字也回来了。
已知残余(上游文档):zero(ZeRO)这类词仍会退步;CTC 首遍写对的cann二遍可能改回「看」(需要把热词改写直接应用到二遍文本);贪心偶尔吐半个汉字U+FFFD(155 段里 1 段);中文时间戳沿用 v1 的结论——起点偏晚 100 ms、终点偏早 80 ms,start_bias=0.1/end_bias=0.0785就是据此定的。
其他
其他
-
四份配置模板同步到新路径(b8cf819)。
config.toml与configs/{default,debug,minimal} config.toml的[model_paths]段逐字一致:编码器、tokens.txt、preprocessor_config.json、1.7B 解码器全指向models/qwen-ctc/;qwen_ctc_ctc_path = "models/qwen-ctc/Qwen3-ASR-CTC.fp16.onnx",注释写明「默认 a7_avg5;v1 回退改用Qwen3-ASR-CTC.v1.fp16.onnx,省体积改用.q4f16/.hqqf16」;0.6B 两键的注释补了models/qwen-ctc/06b/...示例。整行注释数仍是 334(没有新增注释行),四份模板保持同构。 -
edit_config_gui.exe重建(b8cf819)。模型路径页的 5 个默认值改到
models/qwen-ctc/…,CTC 头的说明改成「默认 a7_avg5;v1 回退…」;coverage.test.ts里qwen_llm_path的期望值同步。因为新说明里出现了「省」字,pinyin-map.json(拼音首字母跳转用)重新生成了一次(844 字)。
产物:edit_config_gui.exe10,505,728 字节(≈10.02 MB),SHA-256115C8A45408DC75D1723458B93FADC60967FF085A3FECFC87C387302CA7A4C31。 -
文档同步(b8cf819)。
readme.md:顶部「最新更新」新增两段——「换用上游a7_avg5CTC 头,修掉纯英文音频串中文」与「整理模型目录:models/qwen-ctc/一个文件夹装全套」(含老配置迁移步骤);原「默认已改用 v1 头」的三处表述改成「a7 默认、v1 可选回退」;配置示例、键说明、下载段、⚠️ 段全部改到新目录与新默认头。
models/模型下载方式.txt:QwenCTC 段重写——mkdir -p qwen-ctc、编码器与 tokens 指新目录、a7 三个精度(默认 fp16 + 两条换用注释)、v1 回退段、去掉已随仓库提供的config.json下载行,末尾补「validation.json记着四个 ONNX 的字节数与 sha256,可用certutil -hashfile … SHA256校验」。
models/ATTRIBUTION.md第 6 节:两个目录合并成一张文件表 + 0.6B 小节,注明 a7 的release.json(5 个 checkpoint 算术平均)与validation.json(onnxruntime 1.27.0 CPU logits 一致性),并加一句「v2 三件套已删除」。docs/开源许可.md§10 表格与 8b 风险登记同步。 -
dev/qwen_ctc_lang_check.py适配单目录(b8cf819)。诊断「语言串味」的脚本,
MODEL_DIR改models/qwen-ctc、HEADS收敛成 4 项(a7/a7-q4f16/a7-hqqf16/v1),--heads默认a7,用法示例改--heads a7 v1。拿它复测可以用python dev/qwen_ctc_lang_check.py <16k 单声道 wav> --heads a7 v1。 -
dev/archive.ps1新增-ListFile参数(b8cf819)。程序包与模型分卷各用一份清单,之前要打模型包得手动改默认清单、打完再改回来。现在默认仍是
dev/archive_list.txt(程序包),模型包用新增的dev/archive_list_models_qwen_ctc.txt(只含models\qwen-ctc与models\模型下载方式.txt)。 -
测试:
tests/qwen_ctc_test.py7 例、tests/qwen_two_pass_test.py81 例、配置编辑器前端 14 文件 / 203 例,全部通过。覆盖点里和本版直接相关的:
test_templates_are_isomorphic(四份模板同构)、test_default_template_comment_count_is_334(注释行数没变)、test_qwen_download_commands_are_verbatim(启动体检里的补救命令逐字一致)、test_engine_modes_end_to_end(三模式端到端,纯 CTC / 两遍 / 纯 LLM 文本等价断言)。dev/e2e_qwen_ctc_test.py需按新配置重启服务端后再跑(脚本不自起服务端)。 -
.gitignore路径改到新目录(b8cf819)。/models/qwen-ctc/*.onnx、/models/qwen-ctc/tokens.txt、/models/qwen-ctc/*.gguf、/models/qwen-ctc/06b/*.onnx、/models/qwen-ctc/06b/*.gguf。config.json/preprocessor_config.json/release.json/validation.json仍然入库(体积小、属于可追溯的元数据)。
硅基流动
注册邀请码:WDsBZwpv
https://cloud.siliconflow.cn/i/WDsBZwpv
推广活动升级:原「邀请好友注册赠送余额」的活动已升级为硅基流动「推荐官计划」:
- 「推荐官计划」为推荐官的每次合格推荐提供 16 元面额的无门槛代金券,全平台可用;
- 「推荐官计划」要求推荐官完成实名认证后报名参与,若您此前已经完成认证,将被自动升级为推荐官;
- 「推荐官计划」的奖励发放,要求被推荐用户完成实名认证,详细信息及规则,系统更新后可在【活动中心 > 推荐官计划】中查看;
- 原邀请链接仍可在新活动中继续使用。
智谱 AI
通过我的链接加入 BigModel.cn,获取 20M tokens!和我一起探索AGI应用。链接:https://www.bigmodel.cn/invite?icode=hKlwuhmDCt%2BiSMcoZ9QeTHHEaazDlIZGj9HxftzTbt4%3D





