Docker y una GPU NVIDIA compatible. El modelo 0.6B predeterminado usa unos 4.6 GB de VRAM al iniciar; reserva unos 3.3 GiB más al cargar las marcas de tiempo opcionales.
Voz a texto v1.0 estable o latest con actualizaciones continuas
Qwen3-ASR-STT
Transcripción local para grabaciones y voz en directo.
Un servicio ASR local actual para transcripción en 30 idiomas, sesiones de micrófono en directo con límites definidos, marcas de tiempo y subtítulos exactos, clientes compatibles con OpenAI y transcripción MCP opcional desde archivos locales o URL.
Abre Transcribir, añade un archivo o una grabación corta y selecciona Transcribir. Usa Stream para el micrófono en directo, API para el estado de integración y Sistema para los controles de GPU y ejecución.
La imagen completa incluye los modelos ASR y transcribe sin enviar grabaciones a un servicio externo después de descargarla.
Qué incluye
Un espacio local completo, no solo un modelo.
- Transcripción en 30 idiomas
- Archivos, grabación y micrófono en directo
- Sesiones en tiempo real con límites definidos
- Marcas de tiempo exactas, SRT y VTT
- API compatible con OpenAI
- Novedad: transcripción MCP desde archivos y URL