需要 Docker 和受支持的 NVIDIA GPU。默认 0.6B 模型启动时约使用 4.6 GB 显存；加载可选时间戳功能时还需预留约 3.3 GiB。
语音转文字 稳定版 v1.0 或滚动 latest
Qwen3-ASR-STT
在本地转写录音和实时语音。
一项当前的本地 ASR 服务，支持 30 种语言转写、时长受限的实时麦克风会话、精确时间戳和字幕、兼容 OpenAI 的客户端，以及从本地文件或 URL 进行需主动启用的 MCP 转写。
打开转写，添加音频文件或录制短音频，然后选择转写。实时麦克风使用流式页面，集成状态使用 API 页面，GPU 和运行时控制使用系统页面。
完整镜像包含 ASR 模型，拉取后无需将录音发送到托管服务即可转写。
包含内容
完整的本地工作空间，不只是一个模型。
- 30 种语言转写
- 上传、录音和实时麦克风
- 时长受限的实时会话
- 精确时间戳、SRT 和 VTT
- 兼容 OpenAI 的 API
- 最新功能：从文件和 URL 进行 MCP 转写