Qwen3-ASR 本地语音识别 · 技术文档HTML
在 Apple Silicon Mac 上完全离线部署 Qwen3-ASR:双模型常驻、SRT/VTT 字幕对齐、VAD 按句切分与整段精修,并复盘三种可复现的精度损耗、内存回归与六个真实踩坑,附完整验证断言。
在 Apple Silicon Mac 上完全离线部署 Qwen3-ASR:双模型常驻、SRT/VTT 字幕对齐、VAD 按句切分与整段精修,并复盘三种可复现的精度损耗、内存回归与六个真实踩坑,附完整验证断言。
官方只给 CUDA,本篇盘点 macOS 上跑 Qwen3-ASR 的五条社区路线:MLX 重写、Swift/Rust、GGUF 与 Core ML 等,附实测延迟与 WER、decoder 4-bit 配 encoder 8-bit 量化配方与踩坑清单。
无显示器的 Mac mini 如何被手机热点上的 MacBook 远程操控:把显示、网络、协议三层逐一拆开,讲透虚拟屏、Tailscale 打洞与 HEVC 编码,附带宽成本、配置清单和一套故障排查表
拆解 macOS 菜单栏工具 Clamshell 的实现:用 pmset disablesleep 关掉睡眠总闸,让合盖后的 Mac 继续下载、编译与渲染,再用低电量保护、退出拦截等兜底设计解决「忘了关」这个真正危险的缺口。
macOS 录屏视频压缩工具使用说明
本工具是一个专为 macOS 设计的自动化脚本,它能帮助您将录屏或大体积视频文件压缩为高兼容性、恒定帧率(60 FPS)的 MP4 格式,有效解决体积过大以及剪辑时的“音画不同步”问题。
该工具设计为通过 macOS 的“快速操作”或 Automator 工作流程来调用,从而实现便捷的视频压缩操作。
.mov 或 .mp4)所在的文件夹。_compressed.mp4 后缀)保存在原始视频所在的同一文件夹中。基于一次真实落地经历整理:在 Apple M2 Max(64GB 统一内存)上部署 OpenMOSS/MOSS-Transcribe-Diarize(0.9B 端到端音频转写 + 说话人分离),并构建 Web 应用。过程中解决了长音频(30 分钟 / 1–2 小时)在 MPS 上 OOM / 静默卡死的问题。
本文不重复项目能力说明,只讲"怎么把它跑稳、跑长"。能力研究与部署步骤见
README.md,Web 后端实现见webapp/app.py。
0. 一句话结论
不要在 Apple Silicon 上一次性推理超长音频。 端到端音频模型会把整段音频堆叠成一个巨型张量送编码器,自注意力矩阵大小 ∝ 音频长度²,几分钟可以、30 分钟必炸。正确做法是按 ≤300s 分块推理、块间重叠、时间戳偏移拼接、每块后释放 MPS 缓存。
1. 部署:把"能跑"变成"稳定跑"
1.1 固定依赖版本,杜绝解析回溯
torch>=2.8 + 未固定版本的 pip install -e . 会让 uv 陷入 version-resolution 回溯死循环(解析到 2.13、多个 transformers 版本,半小时不收敛)。
基于 OpenMOSS/MOSS-Transcribe-Diarize 的本地部署,并构建了一个 Web 应用:用户上传音频/视频,模型自动完成 转写 + 说话人分离(Diarization)+ 时间戳 + 声学事件感知,返回带说话人标签的结构化字幕。
mindmap
root((MOSS-Transcribe-Diarize<br>本地部署与Web应用))
模型与能力
端到端音频理解(0.9B)
联合ASR与说话人分离
输出Sxx标签与时间戳
声学事件感知
支持50+语言
部署环境
Apple Silicon M2 Max
Python 3.12 + venv
PyTorch 2.11 + Transformers 5.10
HF镜像下载
FastAPI后端 + 静态前端
长音频处理策略
自动分块(默认300秒)
块间重叠(15秒)
绝对时间偏移与去重
逐块释放MPS缓存
跨块标签不对齐(需外部聚类)
Web应用功能
拖拽上传音视频
异步任务轮询
彩色说话人标签与时间轴
点击段落定位播放
导出SRT/JSON/TXT
一键复制全文
性能与边界
RTF小于1(MPS加速)
单块小于等于300秒稳定
需注意MPS OOM风险
支持环境变量调参
一、项目能力研究
定位
MOSS-Transcribe-Diarize 是 OpenMOSS 团队开源的 端到端(end-to-end)音频理解模型,当前版本 0.9B(2026-07-09 开源)。它一次性联合完成「语音识别 + 说话人分离」,而非传统 pipeline(ASR + 独立的 speaker diarization 再对齐)。
MOSS-Transcribe-Diarize Pro 即将以 API 形式提供。核心能力
| 能力 | 说明 |
|---|---|
| 长音频多说话人转写 | 面向会议、电话、播客、访谈、讲座、视频等杂乱多说话人录音 |
| 说话人分离(Diarization) | 输出一致的说话人标签 [S01] [S02] … |
| 时间戳 | 秒级对齐,格式 [start][Sxx]text[end] |
| 声学事件感知 | 可选输出,标注非语音声学事件 |
| 多语言 | 支持 50+ 种语言 |
安装 Claude Code
1. Native 安装(推荐)
⚠️ 国内用户会出现不能访问或卡住的问题。
curl -fsSL https://claude.ai/install.sh | bash
安装后的可执行文件路径:/Users/junjian/.local/bin/claude
下面是安装卡住,但是程序已经下载成功,我手动安装完成的过程:
下载的二进制文件会被保存在 ~/.claude/downloads 目录下:
ll ~/.claude/downloads
-rwxr-xr-x 1 junjian staff 205M 5月 29 22:56 claude-2.1.156-darwin-arm64
我们需要把它移动到 ~/.local/share/claude/versions 目录下,并创建一个软链接到 ~/.local/bin:
多张图片合成 GIF / 视频
使用 ImageMagick 的 magick 命令将一系列按时间顺序命名的 PNG 截屏图片合成为一个无限循环播放的动态 GIF 动图。
合成 GIF
macOS 图像转为 WebP 格式工具使用说明
本工具是一个专为 macOS 设计的自动化脚本,它能帮助您将选择的图片转换为 WebP 格式。
该工具设计为通过 macOS 的“快速操作”或 Automator 工作流程来调用,从而实现便捷的图像转换操作。
安装 webp
webp 是一个官方工具包,它不是单个软件,而是一整套处理 WebP 格式的命令工具集合。
brew install webp
cwebp (png → webp)
# 有损(推荐,长截图用)
cwebp -q 80 input.png -o output.webp
# 无损(画质完全不变,体积稍大)
cwebp -lossless input.png -o output.webp
dwebp (webp → png)
dwebp input.webp -o output.png
通过 Automator 制作一个“快速操作”的方案。请按照以下的步骤操作:
AppleScript,拖入 “运行 AppleScript” 动作。on run {input, parameters}
tell application "Finder"
-- 获取当前窗口,如果没有窗口则退出
if (count of windows) = 0 then return
set win to front window
-- 获取文件夹内所有对象的路径列表
set all_items to every item of win
set all_paths to {}
repeat with i in all_items
set end of all_paths to (POSIX path of (i as alias))
end repeat
-- 获取当前已选对象的路径列表
set sel_items to selection
// ...
保存并命名为 “反向选择”。
OpenClaw 简介
自2025年11月由PSPDFKit创始人Peter Steinberger作为周末项目启动(最初名为Clawd/Clawdbot),OpenClaw(曾短暂更名为Moltbot)在2026年1月迅速走红,成为当年上半年增长最快的开源AI智能体框架之一。该项目GitHub星数已超过13万(部分报道接近15万),其最大亮点在于真正实现了“本地优先、本地执行”的自主任务能力,而非单纯的云端聊天。
OpenClaw不是传统AI聊天助手,而是一个运行在用户本地硬件(Mac、PC、服务器)上的自动化中枢。它通过消息类应用(如WhatsApp、Telegram、iMessage、Discord等)接收自然语言指令,能够执行真实电脑操作:读写文件、运行命令、操作浏览器、管理邮件日历、甚至自主编写新技能。
OpenClaw 项目架构概览
设计哲学 OpenClaw 被设计为一个模块化、可扩展且强健的个人 AI 助手系统。其核心理念包括: 解耦 (Decoupling):将智能体逻辑与传输层(如 Discord、Telegram 等通道)以及控制平面(Gateway)分离。 可扩展性 (Extensibility):通过 Hook 和插件系统支持注入上下文或对智能体运行进行后处理。
本文档详细介绍了如何在 macOS 上使用 Automator 创建一个快速操作将 PDF 文件转换为 JPG 格式,每页一张。
开发 Automator 快速操作(“PDF2JPG”)



#!/bin/bash
# 加载 Homebrew 环境(适用于 Apple Silicon 芯片)
if [ -f "/opt/homebrew/bin/brew" ]; then
eval "$(/opt/homebrew/bin/brew shellenv)"
fi
# 加载 Homebrew 环境(适用于 Intel 芯片)
if [ -f "/usr/local/bin/brew" ]; then
eval "$(/usr/local/bin/brew shellenv)"
fi
# 确保 ImageMagick 在 PATH 中
export PATH="/usr/local/bin:/opt/homebrew/bin:$PATH"
// ...
安装 ImageMagick
brew install imagemagick
本文档详细介绍了如何在 macOS 上使用 Automator 创建一个快速操作来解压 RAR 文件。它提供了一个Shell 脚本,用于检测 Homebrew 环境并调用 rar 命令进行解压,同时包含错误处理和用户通知。文章还指导用户授予 rar 可执行文件“完全磁盘访问权限”,这是解决“Operation not permitted”错误的关键步骤。此外,文本提供了一个带调试日志功能的 Shell 脚本,帮助用户诊断解压过程中可能出现的问题,并展示了实际的调试输出。
开发 Automator 快速操作(“解压RAR”)



本文档提供了一份关于如何在 macOS 上使用 Automator 创建一个 “快速操作” 的详细指南。这个自动化工具旨在帮助用户 重命名 选定文件夹中的所有 PNG 图像为连续的数字格式,随后将它们 转换 为 JPG 格式,并在转换完成后 删除 原始的 PNG 文件。它详细说明了设置 Shell 脚本 的步骤,该脚本依赖于 Homebrew、ImageMagick 和 Perl rename 工具来执行这些图像处理任务,并包含了安装这些必要依赖项的说明。用户可以通过 Finder 的右键菜单方便地运行这个自动化操作。
Automator 开发 “PNG重命名并转JPG” 快速操作



使用 Automator 快速操作(“PNG重命名并转JPG”)


创建文件夹操作的快速操作
这个工具将处理所选文件夹中的所有 PNG 图像。它将:
01.png、02.png)。设置快速操作
| 类别 | 列表 |
|---|---|
| 操作系统 | 【macOS】 |
| Terminal | 【Terminal】 【Tmux&Screen】 |
| IDE | 【VSCode】 【Vim】 |
| GitHub Copilot | 【GitHub Copilot】 |
常用命令 +--------------------------------------------------------------------------------------------------------------------------+ | 🔥🔥🔥 COMMON COMMANDS (sudo nvim /etc/motd) 📝 | |==========================================================================================================================| | 🏠 wjj.com(http://127.0.0.1:4000/) | mogrify [-resize 50%] [-path jpg_path] -format jpg png_path/*.png | | ⬛️ ssh.cpu[1234] ssh.gpu1 ssh.
本文档介绍了如何利用 macOS 的 Automator 工具创建一个自动化脚本,以实现多张图片的水平或垂直拼接。它通过将 Shell 脚本集成到“快速操作”中,使得用户可以在 Finder 中直接选中图片并进行拼接。整个过程涵盖了从 Automator 设置、Shell 脚本的配置(包括 ImageMagick 依赖和拼接逻辑)到最终的使用方法和效果展示,旨在为 macOS 用户提供一个便捷高效的图像拼接解决方案。
macOS 图像拼接工具使用说明
本工具是一个专为 macOS 设计的自动化脚本,它能帮助您将多张图片水平或垂直拼接成一张图片。
该工具设计为通过 macOS 的“快速操作”或 Automator 工作流程来调用,从而实现便捷的图形化操作。
安装 PostgreSQL
下载
安装
Installation Directory: /Library/PostgreSQL/16
Server Installation Directory: /Library/PostgreSQL/16
Data Directory: /Library/PostgreSQL/16/data
Database Port: 5432
Database Superuser: postgres
Operating System Account: postgres
Database Service: postgresql-16
Command Line Tools Installation Directory: /Library/PostgreSQL/16
pgAdmin4 Installation Directory: /Library/PostgreSQL/16/pgAdmin 4
Stack Builder Installation Directory: /Library/PostgreSQL/16
Installation Log: /tmp/install-postgresql.log
使用默认设置安装即可。
Locale 我选择了 zh_CN,在创建数据库的时候遇到了错误:The
没有找到匹配的文章