OneAsr 是本地离线批量音视频转 SRT/TXT 字幕的开源工具，基于 Qwen3-ASR 加 ForcedAligner 词级对齐，支持 11 种语言和人声分离，Windows/Linux/macOS 都有包，模型从 ModelScope 下好后断网也能跑，GPU 加速 CPU 兜底，不上传云端不按分钟计费，适合访谈会议和内部素材转字幕。
https://www.jamecling.com/archives/7337
OneAsr 开源字幕生成器怎么用？批量转 SRT/ASS，断网也能跑的本地方案
OneAsr 是一款完全本地运行的开源音视频转字幕工具，基于 Qwen3-ASR 语音识别模型与 ForcedAligner 词级对齐模型构建，能够把音频或视频批量转换成 SRT、ASS、TXT 三种格式的字幕文件。它同时提供 Windows、Linux、macOS 三个平台的安装包，模型从 ModelScope 下载完成后即可断网使用，转录与对齐全程在本机完成，不上传云端、不按分钟计费。项目地址为 github.com/eclipse005/OneAsr，适合访谈整理、会议记录、内部素材归档等对隐私和成本敏感的字幕生产场景。
痛点是什么
做访谈、会议纪要或内部培训素材的人，最头疼的往往不是剪辑，而是把几十分钟甚至几个小时的音视频变成带时间轴的字幕。用在线转写服务，素材要上传到别人的服务器，涉及客户信息、内部会议内容时心里没底，而且按分钟计费，素材一多成本就上去了。用本地工具，又常常遇到时间轴对不准、整段整段地猜时间、背景音乐一响识别就崩、批量处理要一个个排队等问题，最后还得手动逐句校对，效率极低。
主要功能特点
OneAsr 把识别、对齐、切句、导出串成一条本地流水线，并针对字幕场景做了多项专门优化，下面三点最值得留意。
词级对齐与智能断句
ForcedAligner 提供词级时间戳，配合智能断句，字幕时间轴更贴合真实语音。
已有文稿直接对齐
手上有校对好的文稿时，可跳过识别，直接为每一行打上真实时间戳。
人声分离与多语言
内置 HTDemucs v4 可先剥离背景音乐，支持 11 种源语言，输出 SRT、ASS、TXT。
为什么值得关注
对需要长期、大量处理音视频字幕的团队和个人来说，OneAsr 把隐私、成本和可控性三件事同时照顾到了，而且开源可查、可自行部署。
完全本地离线运行
模型下载后即可断网转录，素材不出本机，不按分钟计费。
批量队列与跨平台
支持一次拖入多个文件，Windows、Linux、macOS 均有安装包。
推荐信息
JameCling
2026年10月07日 19:04
