SolidWorks设计日志语音录入：Qwen3-ASR-0.6B工程场景应用

SolidWorks设计日志语音录入：Qwen3-ASR-0.6B工程场景应用

1. 引言

画了一整天的图，从三维建模到出工程图，脑子里闪过无数个设计思路和修改点。等到要写设计日志或者给同事交接时，却发现自己只记得个大概，那些关键的细节和当时的灵感早就模糊了。这大概是很多机械工程师、结构设计师的日常。

传统的做法是，要么在软件旁边放个记事本手写，要么频繁地切出设计软件，打开Word或记事本打字记录。这两种方式都挺“割裂”的，打断了你沉浸在三维空间里的连续思考。手写慢，打字又得停下手中的鼠标和键盘，思路很容易就断了。

有没有一种方法，能让我们像自言自语一样，把想法“说”出来，就自动变成文字记录，并且和当前的设计文件关联起来？这就是我们今天要聊的：利用轻量级的语音识别模型Qwen3-ASR-0.6B，在SolidWorks设计环境中，搭建一个“随叫随到”的语音日志助手。你不用离开SolidWorks界面，只需按下一个快捷键或说一句唤醒词，口述的内容就能实时转成文本，自动保存到对应的设计文档备注或一个独立的日志文件中。

这不仅仅是省去了打字的麻烦，更是为了捕捉那些转瞬即逝的设计灵感，让设计过程本身变得可追溯、可复盘。接下来，我们就看看怎么把这个想法落地。

2. 为什么选择Qwen3-ASR-0.6B？

市面上语音识别的方案不少，从大厂的云端API到各种开源模型，为什么偏偏是Qwen3-ASR-0.6B这个看起来参数不大的模型呢？这得从我们的实际使用场景说起。

首先，工程环境对隐私和离线有要求。设计图纸和思路是核心资产，很多企业不希望这些信息通过云端API传输。一个能本地部署、完全离线的方案是刚需。Qwen3-ASR-0.6B作为一个仅6亿参数的精简模型，对硬件要求友好，在普通的工程师电脑（甚至没有独立显卡）上也能流畅运行。

其次，识别内容具有领域特点。机械设计日志里，会频繁出现零件名（如“法兰盘-02”）、尺寸（“直径35H7”）、公差（“±0.1”）、材料（“6061铝合金”）、标准件（“GB/T 5782 M10x50”）等专业词汇。通用的语音识别模型对这些“行话”的识别准确率往往不尽人意。Qwen3-ASR-0.6B虽然体积小，但基于通义千问的技术体系，在中文场景下的基础识别能力扎实，我们可以通过后续的简单优化，让它更好地适应我们的专业词库。

再者，响应要快，要“无感”。设计过程中，灵感来了就说，说完就要继续画图。识别过程必须足够快，延迟要低，不能让你等着它“思考”。轻量级模型在推理速度上有天然优势，能够实现近乎实时的语音转写。

最后，部署要简单。工程师的电脑环境复杂，装各种专业软件已经够头疼了。我们的语音日志助手最好能一键启动，常驻后台，不占用太多系统资源，别跟SolidWorks抢内存和CPU。Qwen3-ASR-0.6B的轻量化特性，让它可以作为一个安静的后台服务运行。

简单来说，选择它，就是看中了它在本地化、速度、可定制性和部署简便性之间取得了一个很好的平衡，非常适合作为一个“工具型”助手嵌入到设计流程中。

3. 方案设计与系统搭建

整个系统的目标很明确：在Windows系统后台，运行一个语音识别服务，它能监听麦克风，将捕捉到的语音实时转成文字，并通过某种方式，将文字“注入”到与当前SolidWorks文档关联的日志中。

3.1 整体工作流程

想象一下这个场景：

1. 你正在修改一个装配体的配合关系。
2. 你发现某个约束会导致运动干涉，于是你按下键盘上的自定义快捷键（比如Ctrl+Shift+L）。
3. 系统开始录音，你对着麦克风说：“修改底座和支架的同心配合为距离配合，预留0.5mm间隙，避免旋转时干涉。需同步更新零件‘支架-改’的工程图标注。”
4. 松开快捷键，录音结束。几秒钟后，这段文字自动出现在一个以今天日期和装配体名称命名的Markdown文件里，或者直接写入SolidWorks文件的自定义属性中。
5. 你全程没有切换窗口，思路毫无中断。

3.2 核心组件拆解

要实现这个流程，我们需要几个核心部分：

1. 语音监听与采集模块：负责从麦克风抓取音频数据。我们可以用Python的pyaudio库来实现，它允许我们以非阻塞的方式读取音频流。
2. 语音识别引擎：这是核心，即Qwen3-ASR-0.6B模型。我们需要加载这个模型，并将采集到的音频数据喂给它，得到识别文本。
3. 文本后处理与关联模块：识别出的原始文本可能需要简单的整理（如添加时间戳、过滤语气词）。然后，最关键的一步是找到当前活动的SolidWorks窗口及其打开的文件，将文本与这个文件关联起来。这需要用到Windows API或COM接口来与SolidWorks交互。
4. 日志存储模块：决定日志存到哪里。可以是独立的文本/ Markdown文件（按项目或日期组织），也可以直接写入SolidWorks文件的自定义属性（Custom Property），这样日志和模型永远在一起。

3.3 环境准备与快速部署

让我们开始动手。首先确保你的电脑是Windows系统，并且安装了SolidWorks。Python环境是必须的，推荐使用Python 3.8-3.10。

步骤一：创建项目环境打开命令行，创建一个新的项目文件夹并安装核心依赖。

# 创建项目目录 mkdir sw_voice_logger cd sw_voice_logger # 创建虚拟环境（可选但推荐） python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # Linux/Mac: # source venv/bin/activate # 安装核心库 pip install torch torchaudio --index-url https://download.pytorch.org/whl/cpu # 如果无GPU，用CPU版即可 pip install pyaudio # 音频采集 pip install pywin32 # 用于与Windows应用（如SolidWorks）交互 pip install comtypes # 另一种COM接口支持，更适用于SolidWorks # 假设Qwen3-ASR已发布在Hugging Face或ModelScope，使用transformers库 pip install transformers

步骤二：获取并准备语音识别模型Qwen3-ASR-0.6B的模型文件可能需要从ModelScope或Hugging Face下载。这里我们假设使用transformers库加载。

# model_loader.py from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor import torch def load_asr_model(model_path="qwen/qwen3-asr-0.6b"): """ 加载语音识别模型和处理器。 首次运行会自动下载模型，请确保网络通畅。 """ print("正在加载语音识别模型...") # 指定设备，如果没有GPU就使用CPU device = "cuda:0" if torch.cuda.is_available() else "cpu" torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32 # 加载处理器和模型 processor = AutoProcessor.from_pretrained(model_path) model = AutoModelForSpeechSeq2Seq.from_pretrained( model_path, torch_dtype=torch_dtype, low_cpu_mem_usage=True, ) model.to(device) model.eval() # 设置为评估模式 print(f"模型已加载到设备: {device}") return processor, model, device

步骤三：搭建音频采集循环编写一个简单的音频采集函数，它会在按下快捷键时开始录音，松开时停止并送识别。

# audio_capture.py import pyaudio import numpy as np import threading import time from queue import Queue class AudioRecorder: def __init__(self, rate=16000, chunk=1024, channels=1): self.rate = rate self.chunk = chunk self.channels = channels self.audio_format = pyaudio.paInt16 self.p = pyaudio.PyAudio() self.stream = None self.is_recording = False self.frames = [] self.audio_queue = Queue() def start_recording(self): """开始录音""" if self.is_recording: return self.frames = [] self.stream = self.p.open(format=self.audio_format, channels=self.channels, rate=self.rate, input=True, frames_per_buffer=self.chunk) self.is_recording = True print("[录音开始]") # 启动一个线程来持续采集音频 self.recording_thread = threading.Thread(target=self._record_loop) self.recording_thread.start() def _record_loop(self): """录音循环，将数据存入队列""" while self.is_recording: data = self.stream.read(self.chunk, exception_on_overflow=False) self.frames.append(data) # 也可以将原始数据放入队列供实时识别（如果模型支持流式） # self.audio_queue.put(data) # 录音结束时，将完整的音频数据放入队列 full_audio = b''.join(self.frames) self.audio_queue.put(full_audio) def stop_recording(self): """停止录音""" if not self.is_recording: return None self.is_recording = False if self.stream: self.stream.stop_stream() self.stream.close() self.recording_thread.join() print("[录音结束]") # 从队列中获取完整的音频数据 if not self.audio_queue.empty(): return self.audio_queue.get() return None def cleanup(self): """释放资源""" if self.p: self.p.terminate()

4. 核心功能实现与集成

有了基础组件，我们现在要把它们串联起来，并实现与SolidWorks的交互。

4.1 语音识别与文本生成

这是将音频数据转化为文字的核心步骤。我们使用之前加载的模型。

# asr_engine.py import torch import numpy as np from scipy.io import wavfile def transcribe_audio(processor, model, device, audio_data, sample_rate=16000): """ 将音频数据（字节流）转录为文本。 audio_data: 从录音器获得的原始字节数据。 """ # 1. 将字节数据转换为numpy数组 audio_np = np.frombuffer(audio_data, dtype=np.int16).astype(np.float32) / 32768.0 # 2. 使用处理器处理音频 inputs = processor(audio_np, sampling_rate=sample_rate, return_tensors="pt") # 3. 将输入数据移动到指定设备 input_features = inputs.input_features.to(device) # 4. 模型推理 with torch.no_grad(): predicted_ids = model.generate(input_features) # 5. 解码为文本 transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0] return transcription

4.2 与SolidWorks交互：获取当前文档

这是实现日志“关联”的关键。我们需要通过COM接口获取当前打开的SolidWorks应用程序和活动文档。

# sw_integration.py import win32com.client import pythoncom import os def get_active_sw_document(): """ 尝试连接到正在运行的SolidWorks实例，并获取当前活动文档。 返回 (swApp, swModel, doc_name, doc_path) 如果失败，返回 (None, None, None, None) """ try: # 初始化COM，对于多线程环境可能需要CoInitialize pythoncom.CoInitialize() # 连接到正在运行的SolidWorks实例 sw_app = win32com.client.Dispatch("SldWorks.Application") # 获取当前活动文档 sw_model = sw_app.ActiveDoc if sw_model is not None: doc_name = sw_model.GetTitle() # 获取文档标题（不含扩展名） doc_path = sw_model.GetPathName() # 获取完整路径 print(f"已连接到SolidWorks文档: {doc_name}") return sw_app, sw_model, doc_name, doc_path else: print("未检测到打开的SolidWorks文档。") return sw_app, None, None, None except Exception as e: print(f"连接SolidWorks失败: {e}") return None, None, None, None # 注意：在程序结束时，根据情况可能需要调用pythoncom.CoUninitialize()

4.3 日志存储策略

我们设计两种存储方式，可以按需选择或结合使用。

方式一：保存到独立日志文件这种方式灵活，不修改原始设计文件，适合版本管理。

# logger.py import os from datetime import datetime def save_to_log_file(doc_name, transcription, log_dir="./design_logs"): """ 将识别文本保存到以日期和文档名命名的Markdown文件中。 """ # 确保日志目录存在 os.makedirs(log_dir, exist_ok=True) # 生成文件名：年-月-日_文档名.md today_str = datetime.now().strftime("%Y-%m-%d") # 处理文档名中的非法文件名字符 safe_doc_name = "".join(c for c in doc_name if c.isalnum() or c in (' ', '-', '_')).rstrip() log_filename = f"{today_str}_{safe_doc_name}.md" log_filepath = os.path.join(log_dir, log_filename) # 准备日志条目 time_str = datetime.now().strftime("%H:%M:%S") log_entry = f"\n## {time_str}\n{transcription}\n" # 写入文件 with open(log_filepath, 'a', encoding='utf-8') as f: f.write(log_entry) print(f"日志已保存至: {log_filepath}") return log_filepath

方式二：写入SolidWorks自定义属性这种方式让日志与模型文件一体，永不分离。

# sw_integration.py (追加函数) def save_to_sw_custom_property(sw_model, transcription): """ 将识别文本追加到SolidWorks文档的自定义属性中（例如一个叫“DesignLog”的属性）。 """ if sw_model is None: print("无活动文档，无法写入属性。") return False try: # 获取自定义属性管理器 prop_mgr = sw_model.Extension.CustomPropertyManager("") # 读取现有的日志内容 existing_log = "" retval, resolved_val = prop_mgr.Get5("DesignLog", True, None) # Get5方法更通用 if retval: # 属性存在 existing_log = resolved_val if resolved_val else "" # 准备新的日志条目 time_str = datetime.now().strftime("%Y-%m-%d %H:%M:%S") new_entry = f"[{time_str}] {transcription}\n" # 合并并写入（注意：Set2方法用于设置值） new_log_content = existing_log + new_entry # 第三个参数是配置特定，为空字符串表示“此配置” success = prop_mgr.Set2("DesignLog", new_log_content, "") if success: print(f"设计日志已写入文档自定义属性‘DesignLog’。") # 强制保存文档（可选，谨慎使用） # sw_model.Save3(1, None, None) # 1表示保存所有引用文档 return True else: print("写入自定义属性失败。") return False except Exception as e: print(f"操作SolidWorks自定义属性时出错: {e}") return False

5. 整合与实战：一键语音日志

现在，我们把所有模块组装起来，创建一个主程序。这个程序将常驻后台，监听全局快捷键，完成从录音、识别到保存的完整流程。

# main.py import keyboard # 需要安装：pip install keyboard import time from model_loader import load_asr_model from audio_capture import AudioRecorder from asr_engine import transcribe_audio from sw_integration import get_active_sw_document, save_to_sw_custom_property from logger import save_to_log_file def main(): print("=== SolidWorks 语音设计日志助手启动 ===") print("按住 Ctrl+Shift+L 开始录音，松开按键结束录音并识别。") print("按 Esc 键退出程序。\n") # 1. 加载模型 processor, model, device = load_asr_model() # 2. 初始化录音器 recorder = AudioRecorder() # 3. 定义快捷键回调函数 def on_hotkey_press(): recorder.start_recording() def on_hotkey_release(): print("识别中...") audio_data = recorder.stop_recording() if audio_data: # 识别语音 text = transcribe_audio(processor, model, device, audio_data) print(f"识别结果: {text}") if text.strip(): # 如果识别结果非空 # 获取当前SolidWorks文档信息 sw_app, sw_model, doc_name, doc_path = get_active_sw_document() # 策略：优先尝试写入SolidWorks自定义属性，失败则保存到文件 if sw_model: success = save_to_sw_custom_property(sw_model, text) if not success: print("写入属性失败，将保存到日志文件。") if doc_name: save_to_log_file(doc_name, text) else: save_to_log_file("未命名文档", text) else: # 没有打开的SolidWorks文档，保存到通用日志文件 save_to_log_file("全局日志", text) else: print("未识别到有效内容。") else: print("未捕获到音频数据。") # 4. 注册全局热键 # 监听 Ctrl+Shift+L 的组合键 keyboard.add_hotkey('ctrl+shift+l', on_hotkey_press, suppress=True) # 注意：keyboard库的`on_release`对于组合键处理可能不直观。 # 一个更可靠的方法是监听按键按下事件，并手动记录状态。 # 这里为了简化，我们使用一个替代方案：按下开始，再次按下结束（toggle模式）。 # 但为了更符合直觉，我们可以使用`keyboard.hook`来监听组合键的按下和释放。 # 以下是一个更健壮的实现思路（伪代码）： recording_triggered = False def on_key_event(e): nonlocal recording_triggered if e.event_type == keyboard.KEY_DOWN: if e.name == 'l' and keyboard.is_pressed('ctrl') and keyboard.is_pressed('shift'): if not recording_triggered: recording_triggered = True on_hotkey_press() elif e.name == 'esc': print("退出程序。") recorder.cleanup() keyboard.unhook_all() exit(0) elif e.event_type == keyboard.KEY_UP: if e.name == 'l' and recording_triggered: recording_triggered = False on_hotkey_release() keyboard.hook(on_key_event) print("程序已就绪，正在监听按键...") # 保持主线程运行 keyboard.wait('esc') # 阻塞直到按下Esc键 if __name__ == "__main__": main()

运行这个main.py，程序就会在后台启动。当你沉浸在SolidWorks设计中时，只需按住Ctrl+Shift+L，说出你的设计思路，松开后，你的话语就会变成文字，自动记录在案。

6. 优化与实践建议

上面的方案已经可以跑起来了，但要真正好用，还需要一些优化和细节处理。

1. 提升识别准确率（针对工程术语）Qwen3-ASR-0.6B是通用模型。我们可以通过构建一个简单的“术语替换表”进行后处理，纠正常见专业词汇的识别错误。

# post_process.py engineering_terms_map = { "法栏盘": "法兰盘", "公拆": "公差", "h七": "H7", "六零六一": "6061", "罗丁": "螺钉", "配何": "配合", # ... 根据你的实际识别错误不断补充 } def correct_engineering_terms(text): for wrong, right in engineering_terms_map.items(): text = text.replace(wrong, right) return text

2. 降低误触发在办公室环境，可能周围有讨论声。可以：

• 设置录音阈值：只有音量超过一定阈值才开始真正录音，过滤掉环境噪音。
• 使用唤醒词：改为先说一个固定的唤醒词（如“记录日志”），再说正文，模型可以识别唤醒词并开始记录后续内容。这需要模型支持语音端点检测（VAD）或使用单独的VAD工具。

3. 日志管理

• 按项目分类：修改save_to_log_file函数，根据SolidWorks文件的路径自动判断项目文件夹，将日志存到对应项目的logs目录下。
• 日志查询：可以写一个简单的脚本，读取所有日志文件，支持按时间、文档名或关键词搜索。
• 自动摘要：定期（如每天下班时）用大语言模型API（需联网）或本地小模型，对当天的日志进行摘要，生成“今日设计要点”。

4. 资源占用与稳定性

• 将主程序打包成.exe文件，并设置为开机自启，最小化到系统托盘。
• 监控程序内存和CPU占用，确保不会影响SolidWorks等大型软件的运行。

7. 总结

回过头来看，我们利用一个轻量级的本地语音识别模型，搭建了一个几乎“无感”的设计日志记录工具。它解决的不仅仅是一个“懒得打字”的问题，更是对设计工作流的一种优化，让记录这个动作变得自然、流畅，不再打断创造性的心流状态。

实际用下来，你会发现最大的好处是“痕迹管理”。以前可能因为记录麻烦而放弃的细微修改理由，现在随口一说就留下来了。时间久了，翻看这些按时间线排列的语音日志，就像回放自己的设计思维过程，对于项目复盘、经验总结或者新人交接，价值巨大。

当然，目前这个方案还是一个“够用”的起点。识别准确率在复杂环境下还有提升空间，与SolidWorks的集成也可以更深入，比如自动截图当前视图并插入日志。但它的优势在于完全本地、隐私安全、部署简单，并且给了我们一个清晰的优化框架。

如果你也在进行长时间、高专注度的设计工作，不妨试试这个思路。从按住一个快捷键开始，把你的设计思考“说”出来，让机器帮你记住。或许，这会成为你提升工作效率和知识沉淀质量的一个小小转折点。

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。