Use Qwen3-ASR as production speech recognizer

2026-09-25 21:31:33 +02:00
parent 6378b50086
commit 8a323e5b9e
17 changed files with 294 additions and 66 deletions
@@ -32,13 +32,14 @@ nicht automatisch ein ungenutzter Rest.
 | `mike-ai-portainer` | kein Modell; Portainer CE | Optionale Docker-Verwaltungsoberfläche. |
 | `mike-ai-profile-controller` | kein Modell | Startet und stoppt ausschließlich freigegebene Modellprofile und Spezialworker in einer sicheren Reihenfolge. |
 | `mike-ai-qwen-cron-test` | kleines Qwen-Testmodell | Gestoppter CPU-/Cron-Worker-Versuch; nicht produktiv eingesetzt. |
-| `mike-ai-realtime-voice` | kein Modell | Laufende, gesunde WebRTC-Brücke für OpenClaw Talk; verbindet über den privaten WireGuard-Pfad Athena Whisper, OpenClaw-Agent und Qwen3-TTS ohne Profilwechsel. |
+| `mike-ai-realtime-voice` | kein Modell | Laufende, gesunde WebRTC-Brücke für OpenClaw Talk; verbindet über den privaten WireGuard-Pfad Athena Qwen3-ASR, OpenClaw-Agent und Qwen3-TTS ohne Profilwechsel. |
 | `mike-ai-qwen3-tts` | `Qwen/Qwen3-TTS-12Hz-1.7B-Base`, Stimme Serena | Hochwertige deutsche Sprachausgabe auf der RTX 3060 im LLM-Betrieb. |
 | `mike-ai-router` | kein eigenes Modell | Einzige OpenAI-kompatible Modelladresse; koordiniert Profile, Bildaufträge, Sprache und Betriebsarten. |
 | `mike-ai-stem-separator` | BS-RoFormer Viperx 1297, `htdemucs_ft`, `htdemucs_6s`, `MossFormer2_SE_48K` | Trennt Gesang, Instrumente oder Sprache/Hintergrundgeräusche im exklusiven Separationsmodus. |
 | `mike-ai-tts-gateway` | kein eigenes Modell | Normalisiert Text, konvertiert Ausgabeformate und stellt Qwen3-TTS sowie natives PCM-Streaming über eine stabile interne API bereit. |
 | `mike-ai-voice-studio` | `k2-fsa/OmniVoice` 0.2.1 mit Whisper-ASR | Erzeugt Text-to-Speech mit einer Referenzstimme; kein Audio-to-Audio-Voice-Changer. |
-| `mike-ai-whisper` | Whisper.cpp 1.9.4, `ggml-small` | Lokale deutsche Spracherkennung auf der CPU über `/v1/audio/transcriptions`. |
+| `mike-ai-qwen-asr` | Qwen3-ASR 0.6B Q8 | CPU-Inferenz für lokale deutsche Spracherkennung. |
+| `mike-ai-qwen-asr-worker` | kein eigenes Modell | Audio-Adapter für `/v1/audio/transcriptions`; `whisper-1` ist nur ein API-Kompatibilitätsname. |
 | `mike-ai-wireguard-gateway` | kein Modell | Veröffentlicht Dashboard und Fachoberflächen ausschließlich über den privaten WireGuard-Pfad. |
 | `mike-ai-xvc-studio` | `chenxie95/X-VC`, GLM-4-Voice-Tokenizer und optional Resemble Enhance | Wandelt eine vorhandene Sprachaufnahme anhand einer Referenzstimme in Audio zu Audio um; gibt das native 16-kHz-Ergebnis und optional eine neural restaurierte 44,1-kHz-Fassung aus. |
 | `mike-ai-yue2-playground` | Image `mike-ai/yue2:3b-0.1.6` | Vorhandener, gestoppter Playground; in diesem Abgleich nicht funktional getestet. |
@@ -1,5 +1,14 @@
 # Geprüfter Live-Stand auf Athena

+Nachtrag vom 25. September 2026: Die produktive Spracherkennung läuft über
+Qwen3-ASR 0.6B Q8 auf der CPU (`mike-ai-qwen-asr` und
+`mike-ai-qwen-asr-worker`). Der Router bietet weiterhin `whisper-1` als
+Kompatibilitätsnamen und zusätzlich `qwen3-asr` an. Beide wurden mit einer
+M4A-Aufnahme über `/v1/audio/transcriptions` geprüft. Whisper-Container,
+Images und Modellvolume wurden entfernt. Das aktive Ultra-Profil wurde bei
+dieser Umstellung nicht gewechselt. Die Angaben zu Whisper weiter unten
+beschreiben den historischen Stand vom 21. September.
+
 Nachtrag vom 24. September 2026: Ultra verarbeitet nun Bilder mit einem
 CPU-seitigen BF16-Vision-Projektor. Der Stand und der Funktionstest sind in
 [Ultra-Vision mit CPU-Projektor](ULTRA_CPU_VISION_20260924.md) dokumentiert.
@@ -24,8 +24,10 @@ gesichert. Für eine Neuinstallation ist der im Git dokumentierte Build mit
 installieren; eine Änderung an OpenClaw-Core-Dateien ist nicht erforderlich.

 Piper-Daten sind kein aktueller Sicherungsbestand. Modellgewichte unter
-`/data/models` und das reproduzierbare Whisper-Volume gehören nicht zu diesen
-Backup-Mounts. Ein Backup ausschließlich auf `/data` schützt nicht vor deren Ausfall.
+`/data/models`, einschließlich Qwen3-ASR unter
+`/data/models/qwen3-asr-0.6b-q8`, gehören nicht zu diesen Backup-Mounts.
+Das frühere Whisper-Volume wurde am 25. September 2026 entfernt.
+Ein Backup ausschließlich auf `/data` schützt nicht vor einem Ausfall der Datenplatte.
 Das gilt auch für das reproduzierbare EmbeddingGemma-Gewicht unter
 `/data/models/embeddinggemma`; URL und SHA-256 stehen in
 `config/install.env.example`, sodass der Installer es erneut laden und prüfen kann.