edit | blame | history | raw

Round 5 PRD：Qwen3-ASR 中文高级模型

状态：v0.1 启动稿
所属子项目：02-P-NBL
Round：Round 5
日期：2026-06-03
基线版本：2.1.22 build20260603.1608
基线 commit：a19e8d9
关联文档：

1. 背景

Round 1 到 Round 4 已完成：

  • 模型 profile 基础设施。
  • 中文/English 语言版本设置。
  • English 默认 Moonshine。
  • English 高级 Parakeet。
  • 2.1.22 build20260603.1608 已通过用户验收。

Round 5 进入中文高级模型阶段。中文默认模型仍是 SenseVoice；Qwen3-ASR 只作为用户主动选择下载和切换的高级模型。

2. 本轮目标

Round 5 完成后：

场景 期望结果
中文用户未安装 Qwen3-ASR 继续默认使用 SenseVoice
中文用户主动选择 Qwen3-ASR 未安装则下载，安装校验通过后切换
中文用户从 Qwen3-ASR 切回 SenseVoice 立即切回 SenseVoice，Qwen3-ASR 保留
English 用户 不自动下载 Qwen3-ASR，不影响 Moonshine/Parakeet
Qwen3-ASR 下载失败 不破坏 SenseVoice、Moonshine、Parakeet、userdict、history
Qwen3-ASR 初始化失败 原模型继续可用，配置不写坏

核心目标：

  • 升级 sherpa-onnx-go* 到支持 Qwen3-ASR 的版本。
  • 新增 qwen3-asr-0.6b model profile。
  • 新增 qwen3_asr backend builder。
  • 中文模型选择 UI 显示 SenseVoice 和 Qwen3-ASR。
  • 用户可以在 SenseVoice 和 Qwen3-ASR 之间手动切换。
  • Qwen3-ASR 未安装时不能直接使用，必须下载并校验。

3. 本轮非目标

明确不做：

  • 不把 Qwen3-ASR 作为中文默认模型。
  • 不自动删除 SenseVoice。
  • 不把粤语作为独立语言 UI 开放。
  • 不做欧洲语言 UI。
  • 不做 30+ 语言列表。
  • 不做模型删除 UI，除非为保护或回退必须补充最小能力。
  • 不做正式 Developer ID notarization。
  • 不承诺 Qwen3-ASR 在低内存机器上的体验。
  • 不做 Qwen3-ASR 多尺寸/多精度变体选择。

4. 模型选择决策

本轮选择：

model id: qwen3-asr-0.6b
actual package: sherpa-onnx-qwen3-asr-0.6B-int8-2026-03-25
backend kind: qwen3_asr
language: zh-CN
tier: advanced

选择该模型的原因：

  • sherpa-onnx 官方文档提供 Qwen3-ASR 模型和运行参数。
  • sherpa-onnx-go* v1.13.2 已暴露 OfflineQwen3ASRModelConfig。
  • 下载包约 878702423 bytes，可作为用户主动下载的高级模型。
  • 支持中文、中英混输、粤语和更多语言的产品方向，适合作中文高级模型。

5. Qwen3-ASR Profile

新增 profile：

ID: qwen3-asr-0.6b
DisplayName: Qwen3-ASR
BackendKind: qwen3_asr
Tier: advanced
SupportedLanguageIDs: zh-CN, zh-Hans, zh-Hant, yue
RecommendedFor: zh-CN
Description: 高质量中文和中英混输模型，适合更高准确率需求，体积较大。
ApproxSize: 约 838 MiB 下载包，解压后约 1.9 GiB
InstallDirName: qwen3-asr-0.6b
ProviderOrder: cpu
NumThreads: 4

下载 URL：

https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-qwen3-asr-0.6B-int8-2026-03-25.tar.bz2

Required files：

Role Required file
conv_frontend conv_frontend.onnx
encoder encoder.int8.onnx
decoder decoder.int8.onnx
tokenizer_merges tokenizer/merges.txt
tokenizer_vocab tokenizer/vocab.json

Resolved files 还需要提供：

Role Value
tokenizer tokenizer 目录路径

6. sherpa-onnx 配置

Round 5 必须升级到支持 Qwen3-ASR 的 Go 绑定版本。已验证 v1.13.2 有以下字段：

config.ModelConfig.Qwen3ASR.ConvFrontend = resolved.Files["conv_frontend"]
config.ModelConfig.Qwen3ASR.Encoder = resolved.Files["encoder"]
config.ModelConfig.Qwen3ASR.Decoder = resolved.Files["decoder"]
config.ModelConfig.Qwen3ASR.Tokenizer = resolved.Files["tokenizer"]
config.ModelConfig.Qwen3ASR.MaxTotalLen = 1024
config.ModelConfig.Qwen3ASR.MaxNewTokens = 256
config.ModelConfig.Qwen3ASR.Temperature = 0.0
config.ModelConfig.Qwen3ASR.TopP = 0.9
config.ModelConfig.Qwen3ASR.Seed = 0
config.ModelConfig.Provider = "cpu"
config.DecodingMethod = "greedy_search"

保留：

config.FeatConfig.SampleRate = 16000
config.FeatConfig.FeatureDim = 80

7. 用户故事

7.1 中文用户升级到 Qwen3-ASR

前置：

  • 当前语言为中文。
  • SenseVoice 已安装并可用。
  • Qwen3-ASR 未安装。

操作：

  1. 用户进入设置页。
  2. 在模型区域看到：
  • SenseVoice
  • Qwen3-ASR
  1. 用户点击 Qwen3-ASR。
  2. UI 显示模型说明和下载体积。
  3. 用户确认下载或直接点击下载。
  4. 下载完成并校验通过后切换到 Qwen3-ASR。

期望：

  • ModelSelectionMode=manual
  • SelectedModelID=qwen3-asr-0.6b
  • Engine 显示 Qwen3-ASR · CPU
  • SenseVoice 模型目录仍保留。

7.2 中文用户切回 SenseVoice

前置：

  • 当前使用 Qwen3-ASR。
  • SenseVoice 已安装。

操作：

  1. 用户在模型区域点击 SenseVoice。
  2. App 重新加载 SenseVoice。

期望：

  • SelectedModelID=sensevoice-zh
  • ModelSelectionMode=manual
  • Engine 显示 SenseVoice · CoreML (Apple Neural Engine) 或 SenseVoice · CPU
  • Qwen3-ASR 模型目录仍保留。

7.3 English 用户不受影响

前置：

  • 当前语言为 English。

期望：

  • 继续默认 Moonshine。
  • 用户已选择 Parakeet 时继续保留 Parakeet。
  • 不自动下载 Qwen3-ASR。
  • 不因为 Qwen3-ASR 下载失败影响 English 识别。

8. UI 要求

中文状态显示：

识别模型

SenseVoice
轻量中文离线模型，默认推荐。

Qwen3-ASR
高质量中文和中英混输模型，体积较大。

English 状态保持 Round 4：

Recognition Model

Moonshine English
Parakeet English

模型卡片至少展示：

  • 模型名称。
  • 一行用途说明。
  • 安装状态。
  • 当前使用标记。
  • 下载/使用按钮。
  • 下载大小。
  • 下载进度。

9. 验收标准

Round 5 通过条件：

  • sherpa-onnx-go* 升级后 SenseVoice、Moonshine、Parakeet 均可继续构建。
  • qwen3-asr-0.6b profile 正确。
  • Qwen3-ASR required files 和 tokenizer 目录校验正确。
  • Qwen3-ASR 可下载、校验、加载。
  • 中文用户可从 SenseVoice 切到 Qwen3-ASR。
  • 中文用户可从 Qwen3-ASR 切回 SenseVoice。
  • Qwen3-ASR 下载失败不破坏 SenseVoice、Moonshine、Parakeet、userdict、history。
  • English Moonshine/Parakeet 路径回归通过。
  • 断网状态下 Qwen3-ASR 中文识别可用。
  • QA 报告记录版本、build、commit、DMG、日志和关键证据。