ComfyUI-Qwen3-ASR

ComfyUI-Qwen3-ASR

基于阿里巴巴 Qwen 团队开源的 Qwen3-ASR 项目，为 ComfyUI 实现的语音转文本节点。

📋 更新日志

• 2026-02-01: 优化依赖和文档，修复语言编码错误
• 2026-01-31：Qwen3-ASR节点开发完成

功能特性

• 🎵 语音识别: Qwen3-ASR-1.7B 和 Qwen3-ASR-0.6B 支持 30 种语言和 22 种中文方言的语言识别与语音识别，同时涵盖来自多个国家和地区的英语口音。
• 🎭 时间戳: 集成Qwen3-ForcedAligner-0.6B，支持对最多 5 分钟的语音在 11 种语言中任意单元进行时间戳预测。

安装

安装插件

• 使用ComfyUI-Manager安装
• 手动安装请参考：

# 将仓库克隆到comfyui/custom_nodes目录下
git clone https://github.com/mailzwj/ComfyUI-Qwen3-ASR.git
# 安装依赖
pip install -r requirements.txt
# 安装成功后，重启ComfyUI即可

安装模型

• 节点支持自动下载模型权重，但需确保网络畅通。
• 推荐手动下载模型，模型存放路径models/qwen-asr，目录结构如下（名称需一致）：
  • models/qwen-asr/Qwen3-ASR-1.7B：Huggingface、Modelscope
  • models/qwen-asr/Qwen3-ASR-0.6B：Huggingface、Modelscope
  • models/qwen-asr/Qwen3-ForcedAligner-0.6B：Huggingface、Modelscope

致谢

• Qwen3-ASR: 阿里巴巴 Qwen 团队官方开源仓库。
• ComfyUI-Qwen-TTS: 参考该插件代码实现

许可证

• 本项目采用 Apache License 2.0 许可证。