VoiceSnap 多语言与多模型 Round 分期计划

状态：研发分期建议稿
日期：2026-06-02
子项目目录：02-P-NBL
关联文档：

• product-plan.md
• engineering-plan.md

1. 分期原则

这次改造不建议一次性做完。原因：

• 当前代码是单 SenseVoice 模型路径，直接上四模型会扩大风险。
• Moonshine、Parakeet、Qwen3-ASR 的模型文件结构不同。
• 下载、切换、删除、回滚都涉及用户本地大文件，必须分阶段验证。
• 未来要支持 30+ 语言，第一版就要避免硬编码。

建议拆成 6 个 Round。

核心顺序：

Round 1：先抽象
Round 2：再做语言
Round 3：接英文默认 Moonshine
Round 4：接英文高级 Parakeet
Round 5：接中文高级 Qwen3-ASR
Round 6：完善模型管理和未来欧洲语言扩展

第一期可交付版本建议至少做到：

Round 1 + Round 2 + Round 3

这样可以真正形成一个英文默认 Moonshine 的可用分支。

2. Round 总览

Round	目标	用户可见变化	风险
Round 1	模型 profile 基础设施	基本无变化	中
Round 2	语言检测与语言设置	可选择中文/English	中
Round 3	Moonshine English 默认模型	英文系统默认 Moonshine	中高
Round 4	Parakeet 高级模型	英文用户可下载 Parakeet	中
Round 5	Qwen3-ASR 高级模型	中文用户可下载 Qwen3-ASR	高
Round 6	模型管理成熟化 + 欧洲语言准备	删除、回滚、未来多语言	中

3. Round 1：模型 Profile 基础设施

3.1 目标

不改变用户体验，先把现有 SenseVoice 纳入多模型架构。

当前：

写死 SenseVoice

目标：

ModelProfile -> EngineFactory -> SenseVoice

3.2 范围

新增：

• ModelProfile
• ModelRegistry
• LanguageProfile
• LanguageRegistry
• ModelInstallState
• sensevoice-zh profile
• EngineFactory

改造：

• 把现有 ModelPath()、ModelDir()、ModelExists() 改成基于 profile。
• 保持旧 models/sensevoice 兼容。
• 现有 SenseVoice 仍然能加载。

3.3 不做

• 不接 Moonshine。
• 不接 Parakeet。
• 不接 Qwen3-ASR。
• 不做语言 UI。
• 不做模型选择 UI。

3.4 验收标准

• 中文现有功能不退化。
• SenseVoice 可正常下载、加载、识别。
• 旧模型目录兼容。
• 旧配置兼容。
• 单元测试覆盖 profile required files 校验。

3.5 预估工作量

中等。
建议 3-5 个研发日。

4. Round 2：语言检测与语言版本设置

4.1 目标

建立语言版本概念，首次启动根据系统语言选择中文或 English。

4.2 范围

新增配置：

{
  "LanguageMode": "auto",
  "LanguageID": "zh-CN",
  "SelectedModelID": "sensevoice-zh"
}

支持：

• 自动检测系统语言。
• 中文系统默认 zh-CN。
• English 系统默认 en.
• 其他系统语言暂时默认 en。
• 用户可手动选择中文或 English。
• 手动选择后保存。

设置页新增：

语言版本
自动（跟随系统）
中文
English

4.3 不做

• 不做 30 种语言列表。
• 不做粤语。
• 不做法语/德语/西语等欧洲语言。
• 不自动切换模型删除。

4.4 验收标准

• 中文系统首次启动为中文 + SenseVoice。
• English 系统首次启动为 English。
• 用户手动切换语言后配置持久化。
• 语言切换不破坏用户词库、历史、热键设置。

4.5 预估工作量

中等。
建议 3-5 个研发日。

5. Round 3：Moonshine English 默认模型

5.1 目标

让 English 语言版本真正可用，并默认使用 Moonshine English。

5.2 范围

新增：

• moonshine-en profile。
• Moonshine required files 校验。
• Moonshine 下载、解压、安装。
• Moonshine config builder。
• English UI 文案。

模型路径：

models/moonshine-en/

预期文件：

encoder_model.ort
decoder_model_merged.ort
tokens.txt

sherpa config：

config.ModelConfig.Moonshine.Encoder = encoderPath
config.ModelConfig.Moonshine.MergedDecoder = mergedDecoderPath
config.ModelConfig.Tokens = tokensPath

5.3 用户体验

English 系统首次启动：

English UI
Moonshine English 默认模型

中文系统不受影响。

5.4 不做

• 不接 Moonshine Voice framework。
• 不做实时 partial transcript。
• 不做 Parakeet。
• 不做 Qwen3-ASR。

5.5 验收标准

• English 系统默认模型为 Moonshine English。
• Moonshine 可下载、校验、加载。
• 英文语音可识别。
• 用户词库、历史、上屏逻辑复用。
• Moonshine 初始化失败时不破坏 SenseVoice。

5.6 预估工作量

中高。
建议 5-8 个研发日。

6. Round 4：Parakeet 英文高级模型

6.1 目标

让 English 用户可以主动下载并切换到 Parakeet。

6.2 范围

新增：

• parakeet-en profile。
• nemo_transducer backend builder。
• Parakeet required files 校验。
• Parakeet 下载、安装、使用、删除。

模型路径：

models/parakeet-en/

预期文件：

encoder.int8.onnx
decoder.int8.onnx
joiner.int8.onnx
tokens.txt

sherpa config：

config.ModelConfig.Transducer.Encoder = encoderPath
config.ModelConfig.Transducer.Decoder = decoderPath
config.ModelConfig.Transducer.Joiner = joinerPath
config.ModelConfig.Tokens = tokensPath
config.ModelConfig.ModelType = "nemo_transducer"

6.3 用户体验

English 识别模型页：

Moonshine English
轻量英文模型，推荐。

Parakeet
高质量英文/欧洲语言模型，体积较大。

用户点击 Parakeet：

下载 -> 安装 -> 使用

Moonshine 保留。

6.4 不做

• 不把 Parakeet 作为 English 默认模型。
• 不开放法语/德语/西语等欧洲语言 UI。
• 不自动删除 Moonshine。

6.5 验收标准

• Parakeet 未安装时不能直接使用。
• Parakeet 可下载、校验、加载。
• Moonshine 和 Parakeet 可切换。
• 删除 Parakeet 后可回到 Moonshine。
• 当前正在使用 Parakeet 时不能直接删除 Parakeet。

6.6 预估工作量

中等。
建议 4-7 个研发日。

7. Round 5：Qwen3-ASR 中文高级模型

7.1 目标

让中文用户可以主动下载并切换到 Qwen3-ASR。

7.2 范围

新增：

• qwen3-asr-0.6b profile。
• qwen3_asr backend builder。
• Qwen3-ASR required files 校验。
• tokenizer 目录校验。
• Qwen3-ASR 下载、安装、使用、删除。

模型路径：

models/qwen3-asr-0.6b/

预期文件：

conv_frontend.onnx
encoder.int8.onnx
decoder.int8.onnx
tokenizer/merges.txt
tokenizer/vocab.json

sherpa config：

config.ModelConfig.Qwen3ASR.ConvFrontend = convFrontendPath
config.ModelConfig.Qwen3ASR.Encoder = encoderPath
config.ModelConfig.Qwen3ASR.Decoder = decoderPath
config.ModelConfig.Qwen3ASR.Tokenizer = tokenizerDir

7.3 用户体验

中文识别模型页：

SenseVoice
轻量中文模型，推荐。

Qwen3-ASR
高质量多语言大模型，适合中文、中英混输、粤语和更多语言。体积较大。

SenseVoice 保留。

7.4 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 UI 语言开放。

7.5 验收标准

• Qwen3-ASR 未安装时不能直接使用。
• Qwen3-ASR 可下载、校验、加载。
• SenseVoice 和 Qwen3-ASR 可切换。
• 删除 Qwen3-ASR 后可回到 SenseVoice。
• 当前正在使用 Qwen3-ASR 时不能直接删除 Qwen3-ASR。

7.6 预估工作量

高。
建议 6-10 个研发日。

8. Round 6：模型管理成熟化与欧洲语言准备

8.1 目标

完善模型管理体验，并为未来欧洲语言版本做准备。

8.2 范围

模型管理：

• 当前模型删除保护。
• 删除确认。
• 模型磁盘占用展示。
• 模型损坏检测。
• 重新下载。
• 切换失败回滚。
• 下载失败不破坏旧模型。
• 解压失败不破坏旧模型。

未来语言准备：

• 扩展 LanguageProfile 支持更多语言。
• 为 Parakeet 标注欧洲语言支持范围。
• 预留语言列表 UI。
• 明确 Parakeet 可作为法语、德语、西班牙语、意大利语、葡萄牙语、俄语、乌克兰语等语言的默认候选模型。

8.3 不做

• 不要求一次性上线 30 种语言。
• 不要求上线欧洲语言 UI。
• 不做模型市场。
• 不做自动语言检测切换模型。

8.4 验收标准

• 模型删除有确认。
• 当前模型不能删除。
• 非当前模型可删除。
• 删除不影响用户词库、历史、配置。
• 模型损坏时可重新下载。
• 切换失败时原模型继续可用。
• 语言和模型配置没有硬编码阻碍未来扩展。

8.5 预估工作量

中等。
建议 4-8 个研发日。

9. 推荐发布组合

9.1 内部技术版本

Round 1

目的：

• 验证 profile 抽象不会破坏现有 SenseVoice。

9.2 English MVP

Round 1 + Round 2 + Round 3

目的：

• 英文系统可自动进入 English 体验。
• 默认 Moonshine English。
• 形成英文用户可用版本。

9.3 English Pro

Round 4

目的：

• 为英文用户提供 Parakeet 高级模型。

9.4 Chinese Pro

Round 5

目的：

• 为中文用户提供 Qwen3-ASR 高级模型。

9.5 多语言准备版

Round 6

目的：

• 稳定模型管理。
• 为未来欧洲语言版本做技术准备。

10. 关键依赖

10.1 模型包确认

每个模型需要确认：

• 下载 URL。
• 压缩包格式。
• 解压后目录结构。
• required files。
• 体积。
• macOS 可运行性。
• sherpa-onnx 当前 Go 绑定支持情况。

10.2 sherpa-onnx 版本

当前项目使用 v1.12.24。
Qwen3-ASR 在较新版本中支持更完整。建议在 Round 1 或 Round 5 前评估是否升级到较新 sherpa-onnx-go。

10.3 UI 文案

English 分支需要完整英文 UI 文案，不只是模型页面。

10.4 回归测试音频

需要准备：

• 中文短句。
• 中英混输。
• 英文短句。
• 英文技术词。
• Parakeet 支持语言样例，后续使用。

11. 总体建议

最稳的执行策略：

先做 Round 1
确认现有中文产品不退化
再做 Round 2 + Round 3
发布 English MVP
再做 Round 4 和 Round 5
最后做 Round 6

不要在 Round 1 里同时接 Moonshine、Parakeet、Qwen3-ASR。
不要在 English MVP 之前先做 30 种语言 UI。
不要把 Parakeet 和 Qwen3-ASR 作为默认模型自动下载。