# Qwen Asr Skill

> Qwen 方言语音识别 Skill - 极简版

- Skill: `dvcrn/qwen-asr-skill-2` (Agent Skill, multi-file: 8 files)
- Install (CLI): `npx skillmds@latest add dvcrn/qwen-asr-skill-2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/qwen-asr-skill-2/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/dvcrn/qwen-asr-skill-2

---

# Qwen 方言语音识别 Skill - 极简版

基于通义千问 Qwen3-ASR-0.6B 模型的语音转文字服务，支持 22 种中文方言和 30 种语言识别。

## 功能特性

- 🎤 支持 22 种中文方言识别
- 🌐 支持 30 种国际语言
- 💻 CPU 端运行，无需 GPU
- 🔍 自动语言检测
- ⚡ 低延迟，高准确率
- 📦 **极简版**：仅包含 0.6B 模型，无强制对齐功能

## 🗣️ 支持的中文方言

安徽话、东北话、福建话、甘肃话、贵州话、河北话、河南话、湖北话、湖南话、江西话、宁夏话、山东话、陕西话、山西话、四川话、天津话、云南话、浙江话、粤语（香港口音）、粤语（广东口音）、吴语、闽南语。

## 🚀 快速开始

### 安装

```bash
# 克隆项目
git clone <repository-url>
cd qwen-asr-skill

# 安装依赖
npm install
pip install -r requirements.txt

# 启动服务
npm start
```

## 🔧 使用方式

安装并启用后，直接在 OpenClaw 中发送语音消息即可，系统会自动识别方言并转为文字。

## 📡 API 接口

### POST /transcribe

音频转文字接口

**请求参数：**
- `audio`：音频文件或 base64 编码的音频数据（必需）
- `language`：指定语言/方言（可选，如："四川话"、"粤语"等）
- `timestamps`：是否返回时间戳（可选，默认 false）

**响应示例：**
```json
{
  "success": true,
  "data": {
    "text": "识别结果文本",
    "language": "Sichuan",
    "confidence": 0.98,
    "duration": 1.23
  }
}
```

## 📊 性能指标

- 推理速度：实时音频的 1.5-2 倍速（8 核 CPU）
- 内存占用：6-8GB 运行时
- 支持音频时长：最长 5 分钟
- 方言识别 WER：<16%（平均）

## 🔍 极简版特点

与完整版相比，极简版（Minimal）的特点：

| 特性 | 极简版 | 完整版 |
|------|--------|--------|
| 模型大小 | ~6GB | ~6GB + ~2GB |
| 强制对齐 | ❌ | ✅ |
| 时间戳 | ❌ | ✅ |
| RAM 占用 | 6-8GB | 6-10GB |
| 适用场景 | 基础 ASR | 需要时间戳的场景 |

## 🔒 隐私保护

- 所有语音处理在本地完成
- 模型权重在首次运行时自动从 Hugging Face 下载（约 6GB - 仅 0.6B 模型）
- 处理完的音频文件会自动删除，不会存储
- 不收集任何用户语音数据和识别内容

## 🤝 贡献

欢迎提交 Issue 和 Pull Request 来改进这个 Skill！

## 📄 许可证

Apache-2.0