聽序是 Windows 優先的本機字幕工作站。它把影音匯入、Qwen3-ASR 轉錄、 人工校訂、OpenAI-compatible 翻譯、字幕品質檢查、輸出與壓製集中在同一個 專案介面中。
核心 ASR 使用固定版本的
qwen3-asr-llama-cpp
Gateway 與 llama.cpp，不會用假資料代替轉錄結果。
- 專案式 SQLite 保存；應用程式或引擎意外關閉後可恢復
- WAV、MP3、M4A、MP4、WebM、OGG、Opus、FLAC、AAC、MOV、MKV 批次佇列
- 本機 CPU、NVIDIA CUDA 12.4、Vulkan，或外部 Gateway
- 原文／譯文校訂、搜尋取代、片段拆分與合併
- OpenAI、Ollama、LM Studio 等 OpenAI-compatible 翻譯端點
- API key 交由系統憑證庫保存，不寫進專案或 runtime manifest
- TXT、HearFlow JSON、verbose JSON、SRT、WebVTT、ASS
- 字幕 QA、Markdown／JSON 報告與 FFmpeg ASS 壓製
可攜版解壓後執行：
HearFlowStudio.exe
正式可攜包預設已包含選定的本機引擎、Qwen3-ASR 0.6B Q8_0 模型與 FFmpeg。 若拿到的是 app-only 包，請在解壓目錄執行：
.\scripts\install-engine.ps1 -Backend cpu開發版：
.\scripts\run.ps1首次進入程式後，依下列步驟操作：
- 快速安裝：若使用 app-only 包，執行
.\scripts\install-engine.ps1 -Backend cpu（或cuda12.4、vulkan）安裝本機引擎與模型。正式可攜包已內建，可跳過。 - 啟動引擎：在引擎區按「啟動引擎」並等待狀態成為「就緒」。
- 建立專案：建立專案並選擇專案資料夾。
- 加入媒體：加入影音檔。
- 掃描與轉錄：掃描媒體後開始轉錄。
- 校訂結果：在「文字校訂」與「字幕時間軸」檢查結果。
- 翻譯：視需要翻譯，或明確選擇「不翻譯」。
- QA 與輸出：做全案 QA 後輸出字幕或壓製新的 MP4。
原始媒體及上游 raw JSON 不會被覆寫。
安裝器固定使用：
- llama.cpp
b10155 - Qwen3-ASR Gateway commit
363b60618e4029977d6492d4f41d852638740a43 ggml-org/Qwen3-ASR-0.6B-GGUF的 Q8_0 主模型與 mmproj
選擇一種後端：
.\scripts\install-engine.ps1 -Backend cpu
.\scripts\install-engine.ps1 -Backend cuda12.4
.\scripts\install-engine.ps1 -Backend vulkanCPU 相容性最高；CUDA 12.4 適合相容的 NVIDIA 顯示卡；Vulkan 適合支援 Vulkan 的 Intel、AMD 或 NVIDIA 顯示卡。安裝約需 1 GiB 模型空間，另加所選 llama.cpp 後端及暫存下載空間。CUDA 版本會明顯較大。
安裝器會從 llama.cpp 套件尋找 FFmpeg；該發行套件若未附帶，則複製 PATH
上的 ffmpeg.exe 與 ffprobe.exe。找不到時會停止並提供明確錯誤，不會建立
看似成功但實際不可用的 runtime。
官方 release 資產與兩個模型檔都有固定的預期 SHA-256；下載快取不符時安裝 會停止，不會繼續執行未知 binary 或權重。
完整步驟、離線方式與疑難排解見
docs/INSTALLATION.md。
聽序支援本機 TranslateGemma（Gemma-3-4B-IT Q4_K_M）翻譯引擎，使用同一個 llama-server 在獨立埠（預設 8081）提供 OpenAI-compatible 翻譯端點。
.\scripts\install-engine.ps1 -Backend cuda12.4 -InstallTranslationModel安裝後在偏好設定啟用翻譯引擎，程式會自動管理第二個 llama-server 程序。 翻譯模型約 2.7 GiB，需要與辨識引擎相同的 llama.cpp 後端。
先安裝 runtime，再驗證與封裝：
.\scripts\install-engine.ps1 -Backend cpu
.\scripts\verify.ps1
.\scripts\build.ps1輸出：
dist\HearFlowStudio\HearFlowStudio.exe
release\HearFlowStudio-0.1.0-win-x64-portable.zip
release\HearFlowStudio-0.1.0-win-x64-portable.zip.sha256
release\release-manifest.json
可攜包僅帶入 runtime\engine、gateway、models、ffmpeg 與
manifest.json，不會帶入下載壓縮檔、測試輸出或日誌。
若只需要不含本機模型的外部 Gateway 版本：
.\scripts\build.ps1 -SkipEngineRuntime安全預演（會核對 runtime 所有 SHA-256，但不產生 build 輸出）：
.\scripts\build.ps1 -DryRun.\scripts\verify.ps1上游 Gateway：
Set-Location third_party\qwen3-asr-llama-cpp
.\scripts\validate-package.ps1
Set-Location gateway
cargo fmt --all -- --check
cargo check --all-targets --locked
cargo test --all-targets --locked驗收證據與尚未宣稱的範圍見
docs/ACCEPTANCE.md。
- Gateway 是批次 ASR，不是即時串流；完整請求完成後才回傳。
- SRT／VTT 時間是 FFmpeg 分片級近似範圍，不是逐字 forced alignment。
- V1 沒有說話者分離。
prompt/context是實驗功能，不保證像 Whisper prompt 一樣穩定。- 外部 Gateway 的取消只會停止本機等待；聽序不會擅自終止遠端工作。
- 翻譯需要使用者提供可用端點與憑證；沒有憑證時不會把假翻譯標成成功。
HearFlow Studio 原始碼使用 MIT License。模型、Qt、FFmpeg、CUDA 及其他
第三方項目各有自己的授權與再散布條款；詳見
THIRD_PARTY_NOTICES.md。