英文单词拼读出来的全是大写

[Rayciu]

大佬，我更新到2.4版本后，经常说一段话里要夹杂着一些英文单词，通常就识别不准！
所以采用逐个字母的说，结果全是大写字母！
比如我想说git，变成GIT；docker变成DOCKER；commit变成COMMIT。
直接读整个英文单词识别不出来，或者偶尔能识别出来。拼读又全是大写不符合视觉习惯

[HaujetZhao]

那你去用2.5吧

Nano 模型就是这样

2.5支持 Qwen3-ASR-1.7B，我实测，中英混输效果很好

[Rayciu]

大佬，我试用2.5了，精准度确实好了很多！
但是遇到以下两个问题

1.它的“潜在热词”精准识别出来了但是却没有改到“识别结果”

2.还有关于同音字的问题

我不知道是特例还是普遍的。关于“他、她、它”，服务端好像都能精准识别出来，但是到客户端就被统一替换成“它”了！

[HaujetZhao]

2.5还不支持热词转录呢

你可以试试给它加入语境

比如说：

我女朋友她很温柔
他好 man 哦！
它的速度很快

[HaujetZhao]

2.5的千问模型还不支持服务端热词，客户端识别出的潜在热词是用于给角色润色处理的

目前服务端只有 nano 模型支持服务端热词

不过我正在推进中，如果能搞出来，后面千问模型也会支持热词

[HaujetZhao]

然后你这个第2个问题的截图，我看出来，是在客户端被热词替换了呀，你去看看你的热词替换规则表里面

[ChaserSu]

LazyTyper的Qwen3-ASR好像是支持服务端热词的，但是LazyTyper的Qwen3-ASR占用超过4GB显存，速度也比CapsWriter-Offline2.5alpha慢很多，短音频转录基本上都要超过1s。我的设备是i5-11300H+MX450 2GB，使用LazyTyper的Qwen3-ASR会爆显存，导致速度奇慢无比，几乎无法使用（我一度在选购新的笔记本电脑）。

CapsWriter-Offline2.5alpha的Qwen3-ASR，显存占用只有1.6GB，在使用use_dml = False，vulkan_enable = True，ulkan_force_fp32 = False的情况下，短音频转录在0.4s左右，可用性非常强👍，刚好吃满MX450的性能，但是一旦启用了use_dml = True，速度就会和LazyTyper一样慢了，所以我怀疑LazyTyper默认使用了DirectML，导致速度这么慢的。

[HaujetZhao]

你打开dml变慢 只不过是因为爆显存了而已。 llm decoder 需要1.6 GB的显存，dml encoder 需要大概600M显存。

[HaujetZhao]

你去用管理员身份命令行运行 nvidia-smi -lmc 9000 锁定显存频率，可能速度还能更快