ComfyUI-QwenASR v1.1.0 发布：接入官方 Qwen3-ASR、智能 ITN 与长音频强制对齐
Narrow-Particular202 · reddit · 2026-09-12
ComfyUI-QwenASR 发布 v1.1.0 大版本更新，目标是打通 ComfyUI 工作流中「原始语音识别到可用文本/字幕」的最后一公里：
- 迁移到 Transformers 5 与官方原生模型：弃用旧 checkpoint，改用 Qwen3-ASR-1.7B-hf、Qwen3-ASR-0.6B-hf、Qwen3-ForcedAligner-0.6B-hf（transformers ≥ 5.13.0），纯上游 PyTorch 执行，NVIDIA GPU 和 Apple Silicon Mac 上显存更低、速度更快。
- 生产级逆文本归一化（ITN）：口语数字/百分比/小数自动转标准数字，音节分隔缩写（"A S R"→ASR）自动合并，内置白名单保护成语和专有短语不被误替换。
- 热重载多语言自定义词典：归一化规则外置在 itnrules.，可自定义缩写、品牌词（DeepSeek、ComfyUI 等），支持英/中/日/韩/法，改完下次运行即生效，无需重启。
- 三节点工具包：ASR 节点做轻量语音转文本（适合语音提示词）；Subtitle 节点按标点/停顿/行长分句并可一键导出 .srt；Forced Align 节点面向播客、讲座等长音频，用迭代语速窗口防止边缘漂移，留空转写文本可一步完成转写+对齐。
安装步骤和示例工作流见 GitHub README。
「多模态」频道最新
- GPT-6 Astra + Seedance 2.5 + CapCut 工作流:3D 白模变广告片 — HeyAmit_ · 2026-09-12
- 撕纸对比视频出炉：视频生成物理真实感一年间大幅进化 — sabage27 · 2026-09-12
- 实测 Gemini Astra:一句话去掉 AI 图的油光感元素 — floguo · 2026-09-12
- Nari Labs 开源 Qwen3-TTS 1.7B:延迟仅 50ms,成本降 10 倍 — alexcovo_eth · 2026-09-12
- 用 ComfyUI+Minimax+Krea 2+Suno，4 小时在 5090 上做出短片《苍蝇》 — aurelm · 2026-09-12
- ImagineArt Computer 直播实测:T恤设计能力令人惊喜 — Kyrannio · 2026-09-12