retemlamb

@sickworm 坦率地说，目前听写功能只做了热词，还没有加基于 LLM 的文字后处理，目前无法完全替代 typeless ，后续会加强这方面的内容，感谢支持

@ethusdt 太棒了，直接把 xcframework 接进自己的 App 里，这正是我们希望看到的用法！

回你的三个问题：

1. Metal 后端支持在计划中，目前 macOS 桌面端已经用上了 Metal 加速，iOS 的 xcframework 还是 CPU ，后续会加上（预计下周）
2. FireRedVAD 目前确实只在桌面端/CLI 里用了，xcframework 没有暴露。你用的能量 VAD 方案作为轻量替代是合理的，后续会把 VAD 也作为 SDK 能力开放
3. 你说得对，目前推理过程中没有接 ggml 的 abort callback ，停止时要等当前计算图跑完才能释放。这个确实该补上

@ccvip 感谢二次支持，你走过的路正好就是 OpenASR 想解决的问题。

你提的三个需求都很实在：

1. 批量转写保持目录结构——CLI 的 openasr transcribe 已经支持指定输入目录 + -o 输出目录，输出文件名跟输入一致只换扩展名（目前可以让 agents 来做）。桌面端的批量导入在做了
2. 输出格式目前支持 txt/json/srt/vtt/markdown ，说话人分离/声纹识别预计周内上线，热词目前支持（后续会考虑增增加热词配置文件）。meta 摘要还没有，跟第 3 点一起规划
3. 转写后接 LLM 做总结/润色确实是下一步方向，配置 prompt 模板自动出总结这个思路很好，之前有考虑过，目前可能排期可能会到 1-2 周后（目前仍在优化基础体验，提升模型的运行速度，接入新模型等）

商业化的建议也收到，目前暂无精力做云版本，待功能完善后，可能会出一些企业产品，感谢！

@justxwy 可能是的，因为模型都托管在 hf 上，高级设置中有“国内加速”的选项，打开后会好很多

@Kobayashi #107 感谢推荐，刚认真看了一下，确实有不少重叠。侧重点不太一样：TypeWhisper 更偏听写 + AI 工作流，通过插件组合本地和云端模型； OpenASR 更偏统一的本地推理引擎和模型生态，重点在多架构模型统一运行、长音频字幕、说话人分离和中文方言上。两者也不冲突，TypeWhisper 完全可以通过本地 API 把 OpenASR 当模型后端用

0.1.19 桌面版（内核 0.1.23 ）更新了

更新日志：
- 修复启动后偶尔卡死 — 系统托盘菜单更新时存在一个死锁，已排除。特别感谢 @zealotxxxx 提供的日志分析
- GPU 内核切换失败时给出明确原因 — 例如切换到 CUDA 失败，现在会告诉你具体哪一步出了问题，日志里也能查到详情；不再只显示含糊的"本地文件错误"。
- 双显卡电脑正确识别独显 — 集显+独显并存时,现在能正确找到 NVIDIA 或 AMD 独立显卡并优先使用,不会再用错卡。
- Windows 深层路径不再报错 — 路径超出系统默认长度限制时,模型目录迁移、引擎内核安装等操作现在都能正常完成。
- 直接转写微信/Telegram 语音 — 新增 Opus 、WebM 、无损 M4A 格式支持,不用再手动转格式。
- 显存不够时自动降级到 CPU — 遇到显存不足,会自动回退用 CPU 跑完,不再整个任务直接失败。特别感谢 @tushile928 提供的日志分析
- FireRed 系列转写更快 — 引擎层面的速度优化。速度提升至前一版本 2-6 倍。 @ccvip 可以试试这个版本，速度快了很多

@aaxx2xx #97 好的，稍后我会专门优化解决断句的问题，断句确实是当前最大的痛点之一，后续会做针对字幕的专门优化工作，确保断句/换行等合理，这个场景会重点优化

@undefine2020 #95 好的，用手机连接把通话转到电脑上走系统音频，这样就是数字流了，识别效果会好很多。期待你的使用反馈！

@zealotxxxx #94 96 非常感谢，刚刚在 github 上看到了，非常详细和有用，目前这个问题已经修复，将随下一个版本在今天中午发布