本地 ASR Qwen3-ASR——macOS 离线语音识别，0.6B / 1.7B 两个尺寸

什么是本地 ASR

前面介绍的火山引擎、讯飞都是云 ASR——音频上传到云端服务器，云端返回转写结果。OpenLess 还支持本地 ASR——音频不上传，在你电脑本地直接做语音识别。

目前本地 ASR 的实现基于阿里巴巴开源的 Qwen3-ASR 模型（0.6B 和 1.7B 两个参数规模）。

平台	本地 ASR 可用性
macOS	✅ 可用——内置 Qwen3-ASR via vendored Rust 封装
Windows	🚧 实验中——Foundry Local Whisper 和 sherpa-onnx 变体
Linux	❌ 暂不支持
Android	❌ 暂不支持

macOS 是本地 ASR 当前唯一正式支持的平台。OpenLess 仓库里 vendored 了一个独立的 Rust crate（Open-Less/qwen-asr），不依赖外部 Python 环境或 llama.cpp。

模型	参数量	精度	速度	内存占用	适用场景
Qwen3-ASR 0.6B	6 亿	中等	快	低	追求速度、识别需求不复杂
Qwen3-ASR 1.7B	17 亿	高	中	中等	追求精度、包含专有名词或多语言

两个模型都需要提前下载到本地——首次使用前 OpenLess 会提示你选择下载哪个（或两个都下）。

打开 OpenLess → 设置 → AI 服务与模型 → 语音识别 → 添加渠道 → 本地 Qwen3-ASR。

然后选择你想用的模型尺寸，点下载。下载完成后渠道会自动变成「已配置」状态。

劣势	说明
精度不如顶级云 ASR	0.6B 和 1.7B 是小参数量模型
首次下载体积大	1.7B 模型下载要几百 MB
macOS 限制	Windows 是实验状态，Linux/Android 还没出
功耗	本地推理会用 CPU/GPU 资源

在 Apple Silicon（M 系列芯片）的 Mac 上，OpenLess 可选是否编译 MLX 后端——MLX 是苹果开源的机器学习框架，直接用 Apple Neural Engine 和 GPU 做推理。开启后本地 ASR 速度会进一步提升。

编译 MLX 后端需要 Xcode 的 MetalToolchain 组件（仅从源码编译时需要，下载官方预编译 DMG 的用户不需要关心）。

建议：两者可以并存——先配一个云 ASR 跑通流程，再试一下本地 ASR 看看够不够用。哪个好用留哪个。