本版本更新内容
- 可选语音识别模型 Qwen3 ASR 0.6B（支持 30 种语言）：新增“语音转写”页，把音频或视频转成带时间的字幕（SRT / WebVTT）；“识别文字”自动填写参考原文；语音版本可导出对齐的字幕。
- 分轨：“分离音轨”把音乐版本分成鼓、贝斯、人声、吉他、钢琴和其他六轨（HTDemucs，可选 BS-RoFormer 让人声更干净）；新的全屏分轨工作台统一播放各轨，每轨有波形、音量、静音和独奏。分轨可按 DAW 习惯命名导出到文件夹，也可重新分离或删除；10 分钟以内的歌都能稳定分离。
- “转为 MIDI”（可选 MuScriptor 模型，仅限非商业用途）：把音乐版本转成编曲作品，每种乐器一轨并按角色定电平，主旋律不再被伴奏盖住。
- YuE2：哼一段扒成旋律谱，旋律谱可放大编辑或手写，按改动只重唱变化的小节，一次最多生成 4 个候选，支持 LoRA，可看图取风格，并可调写谱阶段的 Top P / Top K / 重复惩罚。
- 导出音频新增 FLAC 和 M4A，标签里写入标题、歌词、封面并注明 AI 生成；版本导出也可选有声书、播客或视频平台的目标响度。
- 支持流式的模型可“边生成边试听”；“设置 › 推理引擎 › 运行参数”可设置线程、GPU 设备、空闲卸载和模型专属参数；Kokoro 新增语速调节。
原创文章，作者：云东方，如若转载，请注明出处：https://www.yundongfang.com/Yun1485.html
