#7382 带口音的普通话推荐使用什么模型进行分析？粤语口音

粤语口音（或粤语混杂普通话）的音频，核心需求是模型对粤语及方言口音的支持能力。根据知识库，语音识别渠道中支持粤语效果较好的推荐如下：

1. 首选：Qwen-ASR(内置)
   知识库明确标注其中文效果佳，且支持包括粤语在内的多种语言/方言，中文场景下为首选推荐。
2. 备选（普通话+粤语混合、追求通用性时）：faster-whisper(内置)
   默认推荐渠道，使用 large-v3 或 large-v3-turbo 模型，对多语言及方言容忍度较好，尤其口音较重时泛化能力强。
3. 中文方言专项：Firered中文(内置)
   小红书 Firered 模型，知识库标注“中文效果佳及20种中文方言”，适合纯中文/粤语方言场景。
4. 中文优化备选：Huggingface_ASR(内置) 中的 zai-org/GLM-ASR-Nano-2512
   知识库标注“智谱AI模型，中文粤语效果佳”。

注意：粤语若作为独立语言识别，语言列表中对应代码为 yue（粤语），可在发音语言中明确指定，会比“自动检测”更准确。v4.12 起“自动检测”需注意仅配合 faster-whisper/openai-whisper/Qwen-ASR 使用，否则可能报错。

请查阅相关文档：

• 语音识别所有渠道
• Qwen-ASR(本地内置)
• faster-whisper(本地内置)
• 最佳配置推荐

操作页面里的“启用CUDA？”是什么意思

启用CUDA表示是否让本地的AI模型调用 NVIDIA 显卡（N卡）进行GPU硬件加速，而非使用CPU运算。勾选后，本地模型推理速度可提升数倍。

• 仅支持 NVIDIA 显卡：AMD、Intel 显卡或核显无法使用。
• 需满足环境要求：显卡驱动、CUDA Toolkit 12.8+、cuDNN 9.11+ 需已正确安装并配置到环境变量。

• 仅对部分渠道生效：

  • faster-whisper / openai-whisper / F5-TTS / M2M100 等渠道，必须勾选才会尝试用GPU。
  • Qwen-ASR / Qwen-TTS / HuggingFace_ASR / Hy-MT2 等渠道，无论是否勾选，只要CUDA可用都优先用GPU。
  • Firered中文 / ZipVoice / 降噪 / 分离人声背景声 / 标点恢复 等onnx模型固定用CPU，勾选无效。
• 未勾选或未配置CUDA：全部用CPU运算，速度会明显变慢，但功能仍可正常运行。

请查阅相关文档：

• Windows上配置CUDA和cuDNN