Docker i obsługiwana karta NVIDIA. Domyślny model 0,6B używa około 4,6 GB VRAM przy starcie; opcjonalne znaczniki czasu wymagają około 3,3 GiB więcej po załadowaniu.
Mowa na tekst Stabilna v1.0 albo aktualizowany na bieżąco tag latest
Qwen3-ASR-STT
Prywatna transkrypcja nagrań i mowy na żywo.
Aktualna lokalna usługa ASR z transkrypcją w 30 językach, ograniczonymi sesjami mikrofonowymi na żywo, dokładnymi znacznikami czasu i napisami, klientami zgodnymi z OpenAI oraz opcjonalną transkrypcją MCP z lokalnych plików lub adresów URL.
Otwórz Transkrypcję, dodaj plik audio lub krótkie nagranie i wybierz Transkrybuj. Użyj Strumienia dla mikrofonu na żywo, API dla stanu integracji i Systemu dla kontroli GPU i środowiska.
Pełny obraz zawiera modele ASR i po pobraniu transkrybuje bez wysyłania nagrań do usługi zewnętrznej.
Co zawiera pakiet
Pełne lokalne środowisko, nie tylko model.
- Transkrypcja w 30 językach
- Pliki, nagrywanie i mikrofon na żywo
- Ograniczone sesje w czasie rzeczywistym
- Dokładne znaczniki czasu, SRT i VTT
- API zgodne z OpenAI
- Najnowsza funkcja: transkrypcja MCP z plików i adresów URL