Qt桌面应用开发打造跨平台的Qwen3-ASR-0.6B语音记事本不知道你有没有过这样的经历开会时灵感迸发手忙脚乱地找纸笔开车时突然想到一个绝妙的点子却没法记下来或者只是想快速记录一段对话打字又太慢。语音转文字听起来是个完美的解决方案但市面上的工具要么需要联网要么收费不菲要么就是识别准确率堪忧。今天咱们就来动手解决这个问题。我将带你用C和Qt框架从零开始打造一个完全属于你自己的、跨平台的桌面语音记事本。它的核心是集成一个强大的本地语音识别模型——Qwen3-ASR-0.6B。这意味着你的录音和转写全程都在你自己的电脑上完成数据安全有保障而且识别效果相当不错。这个应用会是什么样子呢简单来说就是几个核心功能一键按下开始录音再按一下停止刚才说的话就自动变成了文字显示在编辑框里。你可以修改、保存也可以继续录下一段。整个过程流畅自然就像身边多了一个随时待命的速记员。下面我们就一步步把它实现出来。1. 项目蓝图与环境准备在动手敲代码之前我们先来规划一下这个“语音记事本”需要哪些核心部件以及如何把它们组装起来。首先我们需要一个用户界面。这包括一个显眼的录音按钮、一个显示转写进度的状态栏、一个编辑转写文本的区域以及保存、清空等辅助按钮。Qt的Widgets模块非常适合用来搭建这种传统的桌面应用界面。其次是音频的采集。Qt Multimedia模块提供了访问系统麦克风的接口我们可以用它来录制音频数据。然后是最核心的语音识别部分。我们将引入Qwen3-ASR-0.6B模型。这是一个开源的、参数规模适中的自动语音识别模型在中文识别上表现不错而且可以在本地CPU上运行不需要GPU。我们的应用需要把录制的音频数据以合适的格式比如WAV准备好然后调用这个模型进行推理得到文本结果。这里有一个关键点语音识别尤其是模型推理是一个比较耗时的操作。如果我们把识别任务放在主界面线程里做那么点击“停止录音”后整个界面就会卡住直到识别完成。这显然不是好的用户体验。所以我们必须引入多线程。让主线程负责响应用户操作和更新界面而把繁重的识别任务丢给一个后台工作线程去处理。最后是数据的流转和保存。音频数据从麦克风采集经过编码传递给后台线程线程调用模型识别再将识别出的文本传回主线程显示并最终允许用户保存为文本文件。环境准备清单开发环境Qt建议使用Qt 5.15或Qt 6.2及以上版本。你可以从Qt官网下载开源版本或商业版本。安装时请务必勾选Qt Multimedia和用于你目标平台的编译器如MSVC、MinGW或Clang。C编译器Windows上可用MSVC或MinGWLinux/macOS上通常用GCC或Clang。CMake推荐用于构建项目和管理依赖。也可以使用Qt Creator的qmake但CMake更通用。模型准备从ModelScope或Hugging Face等平台下载Qwen3-ASR-0.6B模型文件。通常包括模型权重.bin或.safetensors和配置文件config.json。你需要一个C的推理库来加载和运行这个模型。常见的选择有onnxruntime如果模型有ONNX格式这是最直接的选择跨平台支持好。libtorch (PyTorch C)如果模型是PyTorch格式可以使用。其他针对该模型的专用C推理框架。本教程将以一个伪代码接口为例讲解集成逻辑。你需要根据实际选择的推理库替换成真实的API调用。假设我们有一个封装好的类AsrEngine。项目初始化 在Qt Creator中创建一个新的Qt Widgets Application项目或者手动创建一个CMake项目。确保在项目配置文件.pro或CMakeLists.txt中添加对Multimedia和MultimediaWidgets如果需要音频设备选择UI模块的依赖。2. 搭建应用骨架与主界面让我们先从看得见的部分开始把应用的“脸”画出来。打开Qt Creator的设计模式或者直接编写代码我们来设计主窗口。主要包含以下控件一个大的QTextEdit用于显示和编辑识别出的文本。一个QPushButton作为录音按钮。我们可以用图标和文字让它更直观比如一个红色的圆形麦克风图标。一个QLabel作为状态栏显示“准备就绪”、“正在录音...”、“识别中...”等信息。几个辅助按钮比如“保存文本”、“清空文本”。一个QComboBox可选用于选择音频输入设备麦克风。下面是一个简化版的主窗口头文件mainwindow.h展示了核心成员// mainwindow.h #ifndef MAINWINDOW_H #define MAINWINDOW_H #include QMainWindow #include QAudioInput #include QBuffer #include QThread // 前向声明工作线程和识别引擎 class AsrWorkerThread; class AsrEngine; QT_BEGIN_NAMESPACE namespace Ui { class MainWindow; } QT_END_NAMESPACE class MainWindow : public QMainWindow { Q_OBJECT public: MainWindow(QWidget *parent nullptr); ~MainWindow(); private slots: void onRecordButtonClicked(); // 录音按钮点击槽函数 void onAsrResultReady(const QString text); // 接收识别结果的槽函数 void onAsrError(const QString error); // 接收识别错误的槽函数 private: Ui::MainWindow *ui; QAudioInput *m_audioInput nullptr; QIODevice *m_audioDevice nullptr; QBuffer m_audioBuffer; // 用于存储录制的音频数据 AsrWorkerThread *m_asrWorkerThread nullptr; AsrEngine *m_asrEngine nullptr; // 识别引擎实例可能在线程中创建 QThread *m_workerThread nullptr; // 工作线程对象 bool m_isRecording false; void setupAudio(); // 初始化音频设备 void startRecording(); void stopRecording(); }; #endif // MAINWINDOW_H在mainwindow.cpp的构造函数中我们需要完成界面初始化、信号槽连接以及初始化识别引擎注意耗时的模型加载最好也在后台线程进行。// mainwindow.cpp (部分) MainWindow::MainWindow(QWidget *parent) : QMainWindow(parent) , ui(new Ui::MainWindow) { ui-setupUi(this); // 连接按钮信号 connect(ui-recordButton, QPushButton::clicked, this, MainWindow::onRecordButtonClicked); connect(ui-saveButton, QPushButton::clicked, this, [this](){ // 保存文本到文件的逻辑 QString fileName QFileDialog::getSaveFileName(this, 保存文本, , Text Files (*.txt)); if (!fileName.isEmpty()) { QFile file(fileName); if (file.open(QIODevice::WriteOnly | QIODevice::Text)) { QTextStream out(file); out ui-textEdit-toPlainText(); file.close(); } } }); // 初始化音频 setupAudio(); // 创建并启动工作线程 m_workerThread new QThread(this); m_asrWorkerThread new AsrWorkerThread(); // 假设AsrWorkerThread继承自QObject m_asrWorkerThread-moveToThread(m_workerThread); // 连接工作线程的信号到主窗口的槽 connect(m_asrWorkerThread, AsrWorkerThread::resultReady, this, MainWindow::onAsrResultReady); connect(m_asrWorkerThread, AsrWorkerThread::errorOccurred, this, MainWindow::onAsrError); // 连接线程结束信号用于清理 connect(m_workerThread, QThread::finished, m_asrWorkerThread, QObject::deleteLater); m_workerThread-start(); // 通知工作线程初始化引擎通过队列调用 QMetaObject::invokeMethod(m_asrWorkerThread, initEngine, Qt::QueuedConnection); }3. 实现音频采集与录制逻辑音频采集是第一步。Qt的QAudioInput类让我们可以很方便地从指定的输入设备麦克风读取原始音频数据。在setupAudio()函数中我们配置音频格式并创建输入对象void MainWindow::setupAudio() { QAudioFormat format; format.setSampleRate(16000); // ASR模型通常需要16kHz采样率 format.setChannelCount(1); // 单声道 format.setSampleSize(16); // 16位样本 format.setCodec(audio/pcm); // PCM编码 format.setByteOrder(QAudioFormat::LittleEndian); format.setSampleType(QAudioFormat::SignedInt); QAudioDeviceInfo info QAudioDeviceInfo::defaultInputDevice(); if (!info.isFormatSupported(format)) { qWarning() Default format not supported, trying nearest...; format info.nearestFormat(format); } m_audioInput new QAudioInput(format, this); m_audioBuffer.open(QIODevice::ReadWrite); }当用户点击录音按钮时我们切换录制状态void MainWindow::onRecordButtonClicked() { if (!m_isRecording) { startRecording(); ui-recordButton-setText(停止录音); ui-statusLabel-setText(正在录音...); m_isRecording true; } else { stopRecording(); ui-recordButton-setText(开始录音); ui-statusLabel-setText(识别中...); m_isRecording false; // 停止后将缓冲区的数据提交给工作线程进行识别 submitAudioForRecognition(); } } void MainWindow::startRecording() { m_audioBuffer.buffer().clear(); // 清空之前的录音数据 m_audioDevice m_audioInput-start(); // 开始录音返回一个QIODevice connect(m_audioDevice, QIODevice::readyRead, this, [this](){ // 将新读取的音频数据追加到缓冲区 QByteArray data m_audioDevice-readAll(); m_audioBuffer.write(data); }); } void MainWindow::stopRecording() { if (m_audioInput) { m_audioInput-stop(); } if (m_audioDevice) { m_audioDevice-disconnect(); m_audioDevice nullptr; } m_audioBuffer.close(); }submitAudioForRecognition函数负责将m_audioBuffer中的数据原始的PCM数据传递给工作线程。这里需要注意Qwen3-ASR模型可能需要特定的音频格式如16kHz, 16bit, mono的WAV。我们可以直接在内存中构造一个WAV文件头将PCM数据封装进去或者使用一些轻量级库如libsndfile进行转换。为了简化我们假设工作线程的接口接受原始的PCM字节数组和格式参数。void MainWindow::submitAudioForRecognition() { QByteArray audioData m_audioBuffer.data(); // 获取录制的PCM数据 if (audioData.isEmpty()) { ui-statusLabel-setText(录音数据为空); return; } // 通过队列调用将识别任务派发到工作线程 QMetaObject::invokeMethod(m_asrWorkerThread, doRecognition, Qt::QueuedConnection, Q_ARG(QByteArray, audioData), Q_ARG(int, 16000), // 采样率 Q_ARG(int, 16), // 位深 Q_ARG(int, 1)); // 声道数 }4. 构建后台识别线程这是应用的大脑。我们创建一个继承自QObject的工作者类并将其移动到单独的QThread中。这个类负责加载模型和执行识别。// asrworkerthread.h #ifndef ASRWORKERTHREAD_H #define ASRWORKERTHREAD_H #include QObject #include QByteArray class AsrEngine; // 前向声明 class AsrWorkerThread : public QObject { Q_OBJECT public: explicit AsrWorkerThread(QObject *parent nullptr); ~AsrWorkerThread(); public slots: void initEngine(); // 初始化识别引擎加载模型 void doRecognition(const QByteArray audioData, int sampleRate, int bitsPerSample, int channels); // 执行识别 signals: void resultReady(const QString text); // 识别完成信号 void errorOccurred(const QString error); // 识别错误信号 private: AsrEngine *m_engine nullptr; bool m_engineReady false; }; #endif // ASRWORKERTHREAD_H// asrworkerthread.cpp #include asrworkerthread.h #include asrengine.h // 你的ASR引擎封装头文件 #include QDebug AsrWorkerThread::AsrWorkerThread(QObject *parent) : QObject(parent) { } AsrWorkerThread::~AsrWorkerThread() { if (m_engine) { delete m_engine; } } void AsrWorkerThread::initEngine() { try { // 此处实例化并初始化你的ASR引擎 // 例如m_engine new AsrEngine(path/to/model); // m_engine-loadModel(); m_engineReady true; qDebug() ASR Engine initialized successfully in thread: QThread::currentThread(); } catch (const std::exception e) { emit errorOccurred(QString(初始化引擎失败: %1).arg(e.what())); } } void AsrWorkerThread::doRecognition(const QByteArray audioData, int sampleRate, int bitsPerSample, int channels) { if (!m_engineReady || !m_engine) { emit errorOccurred(识别引擎未就绪); return; } try { // 这里是将音频数据传递给模型进行推理的关键步骤 // 你需要根据AsrEngine的实际API来调用 // 例如QString text m_engine-transcribe(audioData, sampleRate, ...); QString recognizedText [这里是模拟的识别结果] 你好世界。这是一段测试语音。; // 模拟处理耗时 QThread::msleep(500); emit resultReady(recognizedText); } catch (const std::exception e) { emit errorOccurred(QString(识别过程中出错: %1).arg(e.what())); } }关于AsrEngine的说明这是一个抽象层封装了对底层推理库如onnxruntime的调用。它的transcribe方法需要接收音频数据及其参数进行必要的预处理如转换为模型需要的张量运行模型并对输出进行后处理如解码为文本。实现这个类是集成Qwen3-ASR模型最核心的一步需要你根据所选推理库的文档来完成。5. 完善功能与界面反馈现在骨架和核心逻辑都有了我们需要让它们协调工作并给用户良好的反馈。在主窗口中我们实现了接收结果的槽函数void MainWindow::onAsrResultReady(const QString text) { // 将识别结果追加到文本编辑框的末尾 ui-textEdit-append(text); ui-statusLabel-setText(识别完成); // 可以添加一个清脆的提示音或视觉反馈 } void MainWindow::onAsrError(const QString error) { ui-statusLabel-setText(识别错误: error); QMessageBox::warning(this, 识别错误, error); }此外我们还可以添加一些增强体验的功能实时音量显示在录音时通过QAudioInput的level信号或处理音频数据计算音量并用一个QProgressBar或自定义Widget显示出来让用户直观看到麦克风是否在工作。自动分段识别对于长录音可以在后台线程中按静音检测VAD进行切分然后分段提交识别实现“准实时”的转写效果。识别历史将每次的录音文件或音频数据指纹和识别文本关联保存到本地数据库如SQLite中方便回溯和管理。文本格式化识别出的文本可能没有标点或分段。可以集成一个简单的后处理模型或规则为文本添加基本的标点符号。6. 总结与展望走到这一步一个具备基本录音、转写、编辑和保存功能的跨平台语音记事本应用就初具雏形了。整个过程我们利用Qt强大的信号槽机制优雅地处理了界面与后台任务的通信用多线程保证了应用的流畅性并通过封装将复杂的模型推理细节隔离起来。实际开发中最大的挑战可能来自于AsrEngine的具体实现特别是如何高效地将音频数据转换为模型输入以及处理模型输出的解码。这需要你仔细阅读Qwen3-ASR模型的文档和所选推理库的示例。此外模型的加载速度、内存占用以及在低配设备上的性能也是需要实际测试和优化的点。这个项目就像一个种子你可以根据自己的想法让它生长得更加繁茂。比如为它添加翻译功能识别中文后直接翻译成英文或者集成一个文本转语音引擎让它能把记事本里的文字读出来甚至结合日历功能做成一个语音智能日程助手。开发这类应用最有成就感的地方就在于看着一个想法通过代码一步步变成现实并且真正能解决实际问题。希望这个教程能为你打开一扇门让你体验到用C和Qt构建智能桌面应用的乐趣。不妨就从今天开始动手打造一个专属于你的效率工具吧。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。