Confucius4-R2T2 WebGPU

Confucius4-R2T2 WebGPU

通过 WebGPU 在你的浏览器里把中文和英文语音转成文字，可以处理音频文件或实时麦克风。适合不想把音频发到服务器的人。

由 mrfakename 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Confucius4-R2T2 WebGPU 是一个静态网页，把中文和英文语音转成文字。它在你自己的显卡上运行 Confucius4-R2T2 语音识别模型，这个模型是 Qwen3-ASR-1.7B 的微调版本。一切都在你这一侧完成，页面既接受音频文件，也接受实时麦克风。

适合谁：需要中文或英文语音的文字稿，并且希望音频在自己机器上处理的人。

Industry | Who uses it | How they use it | Example
媒体 | 记者和编辑 | 把口头采访转成文字 | 一段采访录音
教育 | 语言学习者 | 把口语练习变成书面文字 | 一段中文朗读
软件 | 网页开发者 | 研究为 WebGPU 搭建的语音识别流程 | 阅读 index.html 和 worker 脚本
无障碍 | 记笔记的人 | 用麦克风实时记录讲话 | 一段简短的语音备忘

如果你的浏览器不支持 WebGPU，可以跳过它，因为备用路径每段音频要花几分钟。

用在哪里：

• 支持 WebGPU 的网页浏览器，在 Hugging Face 上这个 Space 的页面里
• Windows、macOS 或 Linux，打开下载副本里的 index.html

Use case | Who | What they get back
文件转写 | 有录音的人 | 音频文件的文字，长音频会被切成 30 秒或更短的片段
实时听写 | 演讲者和记笔记的人 | 你说话时从麦克风得到的文字
代码研究 | 开发者 | 一个可以阅读和改写的浏览器端语音流程

如何设置：

• 支持 WebGPU 的浏览器，因为备用路径非常慢
• 只有想把文件下载到电脑上时才需要 Python
• 留出模型权重的空间，权重只下载一次，并保存在浏览器缓存里

1. 安装 Hugging Face hub 软件包。
2. 用 hf 命令下载这个 Space。
3. 进入下载好的文件夹。
4. 在网页浏览器里打开 index.html。

pip install -U huggingface_hub
hf download mrfakename/confucius4-r2t2-webgpu --repo-type space --local-dir confucius4-r2t2-webgpu
cd confucius4-r2t2-webgpu

如何使用：打开 Space 页面，或者打开你副本里的 index.html，然后给它一个音频文件，或者切换到实时麦克风。第一次访问会先下载模型权重，之后才会出现文字。

Tool | What it does
index.html | 你打开来转写音频的页面
examples/ | 示例音频，包括一段中文和几段英文

示例：你在支持 WebGPU 的浏览器里打开页面，载入中文示例音频。页面解码语音，并把听到的内容显示成文字。

新手与专家：先从 examples 文件夹里的一段示例音频开始。第一次加载很慢，因为模型权重只下载一次，之后浏览器会保存它们。

音频编码器和解码器都通过 onnxruntime-web 在 WebGPU 上运行，用的是量化后的 ONNX 导出版本，键值缓存在各步之间留在 GPU 上。贪心解码在 Web Worker 里运行。对于麦克风，它用 16 秒的滚动窗口，把已经定稿的文字当作解码前缀，并回退最后一个词元。权重通过并行的范围请求到达，存放在 Cache API 里。

音频来自文件或麦克风
长音频在安静处被切开
编码器和解码器在 WebGPU 上运行
文字显示在页面上

注意事项：

• 没有 WebGPU 时，它会切换到单个 CPU 线程上的 WebAssembly，每段音频要花几分钟
• License: 演示代码是 Apache-2.0，模型权重则属于 MODEL_LICENSE 文件里的 NetEase Youdao Model Use License
• Cost to run: 没有提到
• Data it reaches: 第一次加载时从 Hugging Face 获取模型权重，音频在你的浏览器里处理
• Not for: 没有 WebGPU 的机器，也不要把改动过的模型当成原权利人认可的版本，原权利人不承担责任

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：static
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/mrfakename/confucius4-r2t2-webgpu
• 文件：https://huggingface.co/spaces/mrfakename/confucius4-r2t2-webgpu/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。