视频演示

前言

从之前的fastapi转gradio界面，已经重新打包了3个左右的懒人包

核心是为了把编程api转为可视化操作交互网页，更加方便，同时也是为了重新优化项目结构，方便后续更改和优化，比如添加python依赖和添加其他界面功能如果不重新制作懒人包结构，那么后面要做改动，会花费10倍的时间也达不到一个预期的效果，重新制作后，可能几分钟半小时就能大改版现在fastapi的界面几乎没了，开始第二阶段，就是把之前网上整合的别人的懒人包，自己重新做，尤其是项目里面可能带有api的

懒人包使用

双击start.bat

等待终端启动

打开浏览器界面

http://localhost:8000/

上传音频开始转换

注意默认勾选时间戳，返回的内容为srt字幕

如果不勾选，返回的内容为识别的文本，不带时间节点信息

Tips

官网文档描述

Qwen3-ASR 完全支持流式推理。目前，流式推理仅适用于 vLLM 后端。请注意，流式推理不支持批量推理或返回时间戳

实际测试，在windows上，我无法安装vLLM，ai提示只支持Linux

我在wsl2 docker安装Qwen3-ASR，下载了14GB镜像和一些模型，占据40Gb左右的，但是反复启动，一直报错，还没有找到解决办法，一直报显存不足

后续有空再次试试docker部署，或者在wsl2 Linux先用python环境测试一遍看看是显存问题还是docker环境问题

Qwen3-ASR默认不支持srt字幕相关，只支持文字转录

srt文本，是由文本时间轴方法转换得来，满足一般的视频字幕需求

有兴趣交流的同学，后台私信：加群