#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

很奇怪，windows打包版，即使选中识别说话人和插入说话人选项，使用pyannote模型输出结果还是没有说话人，但是用源码部署的就没问题。另外最新的3.97打包版，选择funasr-nano-2512识别语音时会出现错误：语音别阶段出错[阿里FunASR(本地]程序内部错误:partially initialized module'pandas'has noattribute'_pandas_datetime_CAPl' (most likely due to a circular import)concurrent.futures.process._RemoteTraceback:，Ai分析出的问题：1.
打包缺陷：pyVideoTrans 的 PyInstaller 打包配置未能完整包含 Pandas 的 C 扩展（ _libs 中的 .pyd 文件）

2. 多进程导入冲突：当 FunASR 使用 concurrent.futures.ProcessPool 时，子进程尝试重新导入 Pandas，但由于 PyInstaller 的导入钩子（ pyimod02_importers ）机制，导致循环导入
3. 版本兼容：Pandas 2.2+ 在 PyInstaller 环境下更容易触发此问题 。

根据开发者回复和您的描述，这两个问题都与Windows打包版的环境封装有关。

问题一：Qwen-ASR使用Pyannote无说话人标签

原因：Windows打包版（PyInstaller打包）在调用Pyannote模型时可能存在环境或路径问题，导致说话人分离功能未能正常生效，而源码部署环境完整，功能正常。
解决方案：

1. 临时方案：使用源码部署版本（通过 uv 运行 sp.py）来处理需要说话人分离的任务。
2. 反馈与等待：将此问题反馈给开发者，等待后续打包版本的修复。您可以尝试在官方论坛或GitHub Issues中报告此特定于打包版的问题。

问题二：FunASR-nano-2512识别报错 partially initialized module 'pandas'

原因：您的AI分析基本正确。这是Windows打包版（PyInstaller）在封装Pandas库时的一个已知缺陷，特别是在使用多进程（ProcessPool）时，容易引发模块循环导入错误。
解决方案：

1. 首选方案：避免在Windows打包版中使用 funasr-nano-2512 模型。请改用其他语音识别渠道，例如 faster-whisper 或在线API。
2. 替代方案：如需使用FunASR，请切换到源码部署环境运行。
3. 根本解决：此问题需要开发者调整PyInstaller打包配置以正确包含Pandas的依赖。您可以向开发者反馈此错误，促使其在未来的打包版本中修复。

总结建议：如果您的工作流严重依赖说话人分离或FunASR模型，目前最稳定的方案是使用源码部署方式运行pyVideoTrans。

请查阅相关文档：

• 说话人识别
• FunASR中文识别
• Linux 源码部署（部署原理与Windows源码部署类似）