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
- Reddit 用户实测称 MOSS 文生图已达当前 SOTA 水平 — Ciclosporin · 2026-10-31
- 图像理解模型 Jev 1.14 上线 Runware,输入每百万 token 仅 $0.042 — aziz4ai · 2026-10-31
- 开源 VFX 工具 Paint a plate:首帧涂抹,整段镜头自动跟随编辑 — xCaYuSx · 2026-10-31
- Google DeepMind 发布 Genie 4，主打实时世界模拟 — TheAIGRID · 2026-10-31
- 用 MiniMax H3 搭出整页漫画生成工作流，作者开源全部节点 — gatortux · 2026-10-31
- Runway Agent 升级：能开文件跑代码，从生成走向干活 — runwayml · 2026-10-31