#3252 本地Qwen-asr支持说话人分离吗？

这是因为 Qwen-ASR 本地模型本身不支持说话人分离功能。

1. 核心原因：根据知识库，Qwen-ASR（Qwen3-ASR）是一个语音识别模型，其功能是将语音转换为文字。说话人分离（区分不同说话人）是一个独立的功能，需要依赖专门的说话人分离模型（如 Pyannote 3.1、CAM++ 或内置简单模型）来实现。在软件中，即使选择了说话人分离模型，如果语音识别渠道（如 Qwen-ASR）本身不具备或未集成说话人分离能力，最终输出就不会包含说话人标签。

2. 解决方案：

   • 方案A（使用支持分离的识别渠道）：如果需要说话人分离，请改用支持此功能的语音识别渠道。例如：

     • WhisperX API：需独立部署 whisperx-api 服务，它集成了说话人分离。
     • 配置了说话人分离模型的 faster-whisper：在“语音识别参数”的高级选项中开启说话人分离，并正确配置模型（如使用 Pyannote 3.1 需 HuggingFace Token）。
   • 方案B（后续处理）：先使用 Qwen-ASR 生成无说话人标签的字幕，然后通过其他工具或软件内的“说话人识别”功能进行二次处理（但这通常需要原始音频和已识别的文本，流程更复杂）。
3. 操作确认：请检查您在“语音识别参数”->“说话人分离”中选择的模型是否已正确下载并配置（特别是 Pyannote 需要 Token）。但请注意，即使这里配置了，如果上方的“语音识别渠道”选择的是 Qwen-ASR，该渠道可能不会调用这些分离模型。

请查阅相关文档：

• 说话人识别
• 语音识别模型分类与说明

qwen-asr本身不支持，依赖于 选中识别说话人和插入说话人，以及使用的 说话人分离模型，目前只有 pyannote支持所有语言的说话人分离，其他分离模型仅支持中文和英文分离