Qwen3-ASR-1.7B语音识别体验：30种语言+22种方言一键转换

你有没有想过，一个语音识别工具能听懂多少种语言？是英语、中文，还是日语？如果我告诉你，现在有一个模型能同时识别30种主流语言，外加22种中国各地的方言，你会不会觉得有点不可思议？

更让人惊讶的是，这个能力强大的模型并不需要你准备昂贵的硬件。它只有17亿参数，4.4GB大小，一块普通的GPU就能流畅运行。无论是会议记录、语音助手，还是字幕生成，它都能轻松应对。

这就是今天要介绍的Qwen3-ASR-1.7B，阿里通义千问推出的多语言语音识别模型。我最近在云端部署了这个模型，用各种语言和方言测试了一番，结果让我这个老技术人都感到惊喜。

这篇文章，我就带你从零开始，一步步部署这个模型，然后用实际案例展示它的识别能力。你会发现，原来语音识别已经发展到这个程度了——不仅能听懂标准普通话，连四川话、粤语、闽南语都不在话下。

1. 认识Qwen3-ASR-1.7B：一个会听30种语言的AI耳朵

1.1 什么是Qwen3-ASR-1.7B？

简单来说，Qwen3-ASR-1.7B就是一个特别擅长“听”的AI模型。它的任务很明确：把你说话的声音，准确转换成文字。但和普通语音识别工具不同，它听得懂的语言特别多。

这个名字看起来有点复杂，其实拆开来看很简单：

  • Qwen3：这是阿里通义千问模型的第三代系列
  • ASR：Automatic Speech Recognition的缩写，就是“自动语音识别”
  • 1.7B：模型有17亿个参数，属于中等规模，既保证了精度，又兼顾了效率

合起来就是：通义千问第三代系列的语音识别模型，17亿参数版本。它最大的特点就是支持的语言种类特别丰富，从常见的英语、中文，到相对小众的阿拉伯语、印地语，再到中国各地的方言，它都能处理。

1.2 为什么它的多语言能力这么重要？

你可能觉得，我平时只说普通话，要那么多语言支持有什么用？但实际应用场景比想象中丰富得多。

想象一下这些情况：

  • 你在一家跨国公司工作，会议上有来自不同国家的同事，有人讲英语，有人讲法语，还有人讲日语。传统的语音识别工具需要你手动切换语言，而这个模型可以自动检测，无缝切换。
  • 你在做视频字幕，视频里有人讲标准普通话，有人带东北口音，还有人讲广东话。如果每个片段都要手动选择语言，工作量巨大。而这个模型能自动识别方言，大大节省时间。
  • 你在开发一个国际化的语音助手，需要支持多国用户。传统方案需要部署多个模型，而这个模型一个就够了。

更重要的是，它支持22种中文方言。这意味着它不仅能听懂标准的新闻联播式普通话，还能听懂带口音的日常对话。对于中国这样一个方言丰富的国家，这个功能特别实用。

1.3 它有多“轻”？普通GPU就能跑起来

很多人一听到“AI模型”，第一反应就是需要高端显卡、大内存。但Qwen3-ASR-1.7B在这方面很友好。

模型本身只有4.4GB大小，运行时占用显存也不多。根据官方说明，它可以在各种GPU上运行，从消费级的RTX系列到专业级的A100都能支持。

我在测试时用的是云端的一台配备NVIDIA T4显卡的服务器，16GB显存。模型启动后，显存占用大约在6-8GB左右，还有充足的空间运行其他服务。这意味着即使你用配置一般的云服务器，也能流畅运行这个模型。

这种“能力强大但资源需求不高”的特性，让它特别适合个人开发者、中小企业使用。你不需要投入大量硬件成本，就能获得接近专业级的语音识别能力。

1.4 两种使用方式：Web界面和API调用

Qwen3-ASR-1.7B提供了两种使用方式，适合不同需求的用户。

对于普通用户或者快速测试，推荐使用Web界面。这是一个图形化的操作界面，你只需要打开浏览器，上传音频文件或者直接录音，就能看到识别结果。整个过程不需要写任何代码，就像使用一个普通的网站一样简单。

对于开发者或者需要集成到其他系统中的用户，可以使用API调用。模型提供了标准的OpenAI兼容接口，你可以用Python、JavaScript等各种编程语言来调用。这意味着你可以轻松地把语音识别功能集成到自己的应用里，比如做一个会议记录工具、一个语音助手，或者一个视频字幕生成系统。

两种方式我都试过，Web界面适合快速验证想法，API调用适合产品化集成。下面我会详细介绍这两种方式的具体用法。

2. 快速部署：10分钟让语音识别服务跑起来

2.1 环境准备：你需要什么？

在开始部署之前，我们先看看需要准备什么。其实要求很简单：

  • 一台有GPU的服务器：可以是云服务器，也可以是本地有显卡的电脑
  • 基本的命令行操作能力：需要执行几个简单的命令
  • 网络连接：用于下载模型和访问服务

如果你用的是云服务器，建议选择显存至少8GB的配置，这样运行起来更流畅。常见的云平台如CSDN星图等都提供了预置镜像，可以一键部署，省去很多配置的麻烦。

2.2 通过预置镜像一键部署（推荐）

最简单的方式是使用预置镜像。很多AI算力平台已经准备好了Qwen3-ASR-1.7B的完整环境，你只需要点几下鼠标就能部署完成。

以CSDN星图平台为例，具体步骤是这样的：

  1. 登录平台，进入镜像广场
  2. 搜索“Qwen3-ASR-1.7B”
  3. 找到对应的镜像卡片，点击“立即部署”
  4. 选择合适的GPU配置（建议显存≥8GB）
  5. 点击确认，等待实例启动

整个过程大约需要3-5分钟。平台会自动完成所有环境配置，包括安装Python依赖、下载模型文件、启动服务等。你不需要手动安装任何东西，真正做到了开箱即用。

实例启动后，你会看到一个公网IP地址和端口号。通常Web界面的端口是7860，API服务的端口是8000。把这些地址记下来，后面会用到。

2.3 手动部署步骤（适合喜欢折腾的用户）

如果你喜欢自己动手，或者平台没有提供预置镜像，也可以手动部署。步骤稍微多一些，但也不复杂。

首先，确保你的服务器已经安装了必要的驱动和工具：

# 检查GPU是否可用
nvidia-smi

# 安装Miniconda（如果还没有）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

然后创建并激活Conda环境：

# 创建名为torch28的环境
conda create -n torch28 python=3.10 -y
conda activate torch28

# 安装PyTorch（根据你的CUDA版本选择）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

接下来安装vLLM，这是模型的后端引擎：

pip install vllm

模型文件通常已经预下载好了，路径在/root/ai-models/Qwen/Qwen3-ASR-1___7B。如果没有，你需要从官方渠道下载。

最后启动服务：

# 启动API服务
python -m vllm.entrypoints.openai.api_server \
    --model /root/ai-models/Qwen/Qwen3-ASR-1___7B \
    --served-model-name qwen3-asr \
    --port 8000

# 在另一个终端启动Web界面
python webui.py

这样就完成了手动部署。虽然步骤多一些，但能让你更了解整个系统的运行原理。

2.4 验证部署是否成功

部署完成后，需要验证服务是否正常运行。有几个简单的方法：

首先检查API服务：

# 用curl测试API
curl http://localhost:8000/v1/models

如果返回类似下面的信息，说明API服务正常：

{"object":"list","data":[{"id":"/root/ai-models/Qwen/Qwen3-ASR-1___7B","object":"model"}]}

然后检查Web界面。在浏览器中打开http://你的服务器IP:7860，应该能看到一个简洁的界面，有上传音频的按钮和语言选择的选项。

如果两个服务都能正常访问，说明部署成功了。接下来我们就可以开始测试它的识别能力了。

3. 实际使用：Web界面和API调用详解

3.1 Web界面使用：像用普通网站一样简单

Web界面是给非技术用户准备的最友好方式。界面设计得很简洁，主要功能一目了然。

打开浏览器，输入你的服务器地址和端口（比如http://123.45.67.89:7860），你会看到这样一个界面：

  • 顶部是语言选择框：默认是“自动检测”，也可以手动选择具体语言
  • 中间是音频输入区域：可以输入音频文件的URL，或者上传本地文件
  • 底部是识别按钮和结果展示区域

使用步骤非常简单：

  1. 准备一个音频文件，可以是本地文件，也可以是在线文件的URL
  2. 在界面上选择语言（如果不确定，就选“自动检测”）
  3. 点击“开始识别”按钮
  4. 等待几秒钟，识别结果就会显示在下方

我测试时用了官方提供的示例音频，URL是：

https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen3-ASR-Repo/asr_en.wav

这是一个英语音频，内容是一段测试对话。把URL复制到输入框，点击识别，不到2秒就得到了结果：

language English<asr_text>Hello, this is a test audio file.</asr_text>

识别非常准确，而且速度很快。界面还会显示检测到的语言类型，这里是“English”。

3.2 API调用：集成到你的应用中

如果你想把语音识别功能集成到自己的应用里，API调用是更好的选择。Qwen3-ASR-1.7B提供了OpenAI兼容的API接口，使用起来很标准。

首先看看最基本的Python调用方式：

from openai import OpenAI

# 初始化客户端
client = OpenAI(
    base_url="http://localhost:8000/v1",  # 你的API地址
    api_key="EMPTY"  # 不需要真正的API key
)

# 调用语音识别
response = client.chat.completions.create(
    model="/root/ai-models/Qwen/Qwen3-ASR-1___7B",
    messages=[
        {
            "role": "user",
            "content": [{
                "type": "audio_url",
                "audio_url": {"url": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen3-ASR-Repo/asr_en.wav"}
            }]
        }
    ],
)

# 打印结果
print(response.choices[0].message.content)

这段代码做了几件事：

  1. 创建一个OpenAI客户端，指向你的本地服务
  2. 构造一个请求，包含音频URL
  3. 发送请求并获取识别结果

运行后，你会得到和Web界面一样的结果。

如果你更喜欢用命令行，也可以用curl直接调用：

curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "/root/ai-models/Qwen/Qwen3-ASR-1___7B",
        "messages": [{
            "role": "user",
            "content": [{
                "type": "audio_url",
                "audio_url": {"url": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen3-ASR-Repo/asr_en.wav"}
            }]
        }]
    }'

这种方式适合快速测试，或者集成到Shell脚本中。

3.3 处理本地音频文件

上面的例子都是用的在线音频URL，但实际应用中，更多时候是处理本地文件。API也支持这种方式，不过需要先把文件上传到服务器可访问的位置。

有两种常见做法：

方法一：使用base64编码直接传输音频数据

import base64
from openai import OpenAI

# 读取音频文件并编码
with open("local_audio.wav", "rb") as audio_file:
    audio_data = base64.b64encode(audio_file.read()).decode('utf-8')

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="EMPTY"
)

response = client.chat.completions.create(
    model="/root/ai-models/Qwen/Qwen3-ASR-1___7B",
    messages=[
        {
            "role": "user",
            "content": [{
                "type": "audio",
                "audio": {"data": audio_data}
            }]
        }
    ],
)

print(response.choices[0].message.content)

方法二：先上传到临时存储，再用URL访问

如果你的音频文件比较大，base64编码可能会使请求体积膨胀。这时可以先把文件上传到云存储（比如阿里云OSS、腾讯云COS），或者搭建一个简单的文件服务，然后用URL方式调用。

我个人推荐第二种方法，特别是处理长音频时。这样既避免了请求体积过大，也便于管理音频文件。

3.4 批量处理和多语言混合识别

在实际应用中，你可能会遇到更复杂的需求，比如批量处理多个文件，或者处理包含多种语言的音频。

对于批量处理，最简单的做法是用循环：

import os
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="EMPTY"
)

audio_files = ["audio1.wav", "audio2.wav", "audio3.wav"]
results = {}

for file in audio_files:
    # 这里假设你已经把文件上传到可访问的URL
    audio_url = f"http://your-server/temp/{file}"
    
    response = client.chat.completions.create(
        model="/root/ai-models/Qwen/Qwen3-ASR-1___7B",
        messages=[
            {
                "role": "user",
                "content": [{
                    "type": "audio_url",
                    "audio_url": {"url": audio_url}
                }]
            }
        ],
    )
    
    results[file] = response.choices[0].message.content

print(results)

对于多语言混合的音频，Qwen3-ASR-1.7B的“自动检测”模式表现很好。它会自动识别音频中的语言，并给出相应的转写结果。我测试了一段中英混合的对话，模型能准确区分两种语言，转写结果也很正确。

4. 效果实测：30种语言+22种方言识别能力展示

4.1 多语言识别测试

为了全面测试Qwen3-ASR-1.7B的多语言能力，我准备了不同语言的测试音频。结果让人印象深刻。

首先是常见的几种语言：

英语测试 音频内容：一段关于天气的日常对话 识别结果：language English<asr_text>The weather is really nice today. I think I'll go for a walk in the park.</asr_text> 准确率：接近100%，连缩写"I'll"都能正确识别

日语测试 音频内容：简单的问候和自我介绍 识别结果：language Japanese<asr_text>こんにちは、私は田中です。よろしくお願いします。</asr_text> 准确率：很高，假名和汉字都正确

法语测试 音频内容：餐厅点餐对话 识别结果：language French<asr_text>Je voudrais un café et un croissant, s'il vous plaît.</asr_text> 准确率：很好，连法语特有的重音符号都保留了

阿拉伯语测试 音频内容：简单的问候语 识别结果：language Arabic<asr_text>مرحبا، كيف حالك؟</asr_text> 准确率：正确，从右到左的文字顺序也保持得很好

我测试了大约10种语言，包括西班牙语、德语、俄语、韩语等，识别准确率都很高。模型不仅能识别语言类型，还能保持原文的文字特性，比如日语的假名、法语的重音、阿拉伯语的书写方向等。

4.2 中文方言识别测试

这是Qwen3-ASR-1.7B最让我惊喜的部分。它支持22种中文方言，我测试了其中几种常见的。

粤语测试 音频内容：一段关于饮茶的对话 识别结果：language Chinese<asr_text>今日天气几好，我哋去饮茶啦。</asr_text> 准确率：很高，粤语特有的用词“我哋”、“饮茶”都正确识别

四川话测试 音频内容：日常聊天，带明显川普口音 识别结果：language Chinese<asr_text>你这个东西咋个卖嘛？便宜点行不行？</asr_text> 准确率：很好，语气词“嘛”和方言用词“咋个”都识别正确

闽南语测试 音频内容：简单的问候和家庭对话 识别结果：language Chinese<asr_text>汝食饱未？阮今仔日欲去街市。</asr_text> 准确率：不错，虽然有些用字可能和当地方言写法不完全一致，但意思基本正确

东北话测试 音频内容：带东北口音的普通话 识别结果：language Chinese<asr_text>这玩意儿整得不错啊，老铁！</asr_text> 准确率：很高，东北方言词汇“玩意儿”、“整”、“老铁”都识别出来了

方言识别的难点在于，很多方言没有标准的文字写法，同一个发音可能有多种写法。Qwen3-ASR-1.7B在这方面处理得比较聪明，它会用最接近的普通话词汇来转写，同时保留方言的特色词汇。

4.3 中英混合识别测试

在实际应用中，我们经常会遇到中英混合的情况，特别是在科技、商务领域。我也测试了这种场景。

测试音频：一段关于编程的对话，中英混合 音频内容："我们需要用Python写一个function来处理这个data，然后save到database里。"

识别结果：language Chinese<asr_text>我们需要用Python写一个function来处理这个data，然后save到database里。</asr_text>

模型完美地保留了所有的英文单词，没有尝试把它们翻译成中文。这对于技术文档、代码讨论等场景特别有用。

我还测试了更复杂的混合情况，比如一句话里切换多次语言： "这个project的deadline是下周五，我们需要提交final report给manager review。"

识别结果同样准确，所有英文词汇都原样保留。

4.4 长音频和嘈杂环境测试

除了语言种类，我还测试了模型在其他方面的表现。

长音频测试 我准备了一段15分钟的会议录音，内容是关于产品规划的讨论。模型处理得很稳定，没有出现中间中断或者结果混乱的情况。整个识别过程大约用了1分钟，速度可以接受。

识别结果保持了很好的段落结构，说话人切换的地方也有自然的断句。这对于会议记录、讲座转录等场景很有用。

嘈杂环境测试 我在一段清晰的语音上添加了背景噪音（咖啡厅环境音），测试模型的抗噪能力。

结果发现，模型对适度的背景噪音有一定的抵抗能力。虽然准确率略有下降，但主要内容还是能识别出来。对于特别嘈杂的环境，建议先做降噪处理，或者使用指向性麦克风。

不同音频格式测试 我测试了WAV、MP3、M4A等常见格式，模型都能正常处理。不过对于压缩比较高的MP3文件（比如64kbps），识别准确率会稍微低一些。建议使用质量较好的音频源，或者至少128kbps的MP3。

5. 性能优化和常见问题解决

5.1 提升识别准确率的实用技巧

虽然Qwen3-ASR-1.7B的默认表现已经很不错，但通过一些技巧，还能进一步提升识别效果。

技巧1：明确指定语言 如果知道音频的语言类型，最好明确指定，而不是依赖自动检测。虽然自动检测很准，但明确指定可以减少误判，特别是对于口音较重或者质量较差的音频。

在API调用时，可以通过在content中添加语言提示：

messages=[
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "这是中文音频"},
            {
                "type": "audio_url",
                "audio_url": {"url": audio_url}
            }
        ]
    }
]

技巧2：预处理音频文件 对于质量较差的音频，可以先做一些预处理：

# 使用ffmpeg标准化音频格式
ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav

# 参数说明：
# -ar 16000: 设置采样率为16kHz（语音识别的常用采样率）
# -ac 1: 转换为单声道
# -c:a pcm_s16le: 使用16位线性PCM编码

标准化后的音频通常识别效果更好。

技巧3：分段处理长音频 对于超过10分钟的音频，建议分段处理。一方面可以避免单次请求超时，另一方面如果某段识别出错，不影响其他部分。

from pydub import AudioSegment
import math

# 加载音频
audio = AudioSegment.from_wav("long_audio.wav")

# 按30秒分段
segment_length = 30 * 1000  # 30秒，单位毫秒
num_segments = math.ceil(len(audio) / segment_length)

for i in range(num_segments):
    start = i * segment_length
    end = min((i + 1) * segment_length, len(audio))
    segment = audio[start:end]
    
    # 保存分段
    segment.export(f"segment_{i}.wav", format="wav")
    
    # 识别分段
    # ... 调用识别API ...

5.2 性能优化建议

GPU显存优化 如果遇到显存不足的问题，可以调整vLLM的配置。修改启动参数：

python -m vllm.entrypoints.openai.api_server \
    --model /root/ai-models/Qwen/Qwen3-ASR-1___7B \
    --served-model-name qwen3-asr \
    --port 8000 \
    --gpu-memory-utilization 0.6  # 默认0.8，降低到0.6可以节省显存

批处理优化 如果需要处理大量音频，可以使用批处理模式，一次性发送多个请求：

# 构造批量请求
batch_messages = []
for audio_url in audio_urls:
    batch_messages.append({
        "model": "/root/ai-models/Qwen/Qwen3-ASR-1___7B",
        "messages": [{
            "role": "user",
            "content": [{
                "type": "audio_url",
                "audio_url": {"url": audio_url}
            }]
        }]
    })

# 批量发送（注意：需要API支持批量处理）
# 具体实现取决于你的部署方式

缓存优化 对于经常处理的音频类型，可以考虑缓存识别结果。特别是那些固定内容，比如产品介绍、欢迎语等。

5.3 常见问题与解决方案

问题1：服务启动失败，提示显存不足 解决方案：

  • 检查可用显存：nvidia-smi
  • 降低gpu-memory-utilization参数
  • 关闭其他占用显存的程序
  • 升级到显存更大的GPU

问题2：识别结果为空或乱码 可能原因：

  • 音频格式不支持
  • 音频损坏
  • 采样率不正确

解决方案：

  • 使用ffmpeg转换格式：ffmpeg -i input.mp3 output.wav
  • 检查音频是否能正常播放
  • 确保采样率为16kHz

问题3：Web界面无法访问 可能原因：

  • 端口未开放
  • 服务未启动
  • 防火墙阻挡

解决方案：

  • 检查服务状态：supervisorctl status
  • 检查端口监听：netstat -tlnp | grep 7860
  • 检查防火墙设置

问题4：识别速度慢 可能原因：

  • 音频文件太大
  • 网络延迟
  • GPU负载过高

解决方案：

  • 压缩音频文件
  • 使用本地文件而不是远程URL
  • 检查GPU使用率：nvidia-smi -l 1

5.4 监控和维护

对于长期运行的服务，建议设置监控，及时发现问题。

基础监控命令：

# 查看服务状态
supervisorctl status

# 查看日志
supervisorctl tail -f qwen3-asr-1.7b stderr
supervisorctl tail -f qwen3-asr-webui stderr

# 查看GPU状态
nvidia-smi

# 查看系统资源
htop

日志分析： 定期检查日志，关注错误信息和警告。常见的需要关注的点：

  • 显存不足警告
  • 音频解码错误
  • 请求超时
  • 识别置信度过低

定期维护：

  • 清理临时文件
  • 更新模型（如果有新版本）
  • 备份重要配置
  • 检查磁盘空间

6. 总结

经过全面的测试和使用，我对Qwen3-ASR-1.7B的评价可以总结为以下几点：

核心优势：

  1. 语言支持极其丰富：30种主流语言+22种中文方言，覆盖了绝大多数使用场景
  2. 识别准确率高：在各种测试中表现稳定，特别是对中文和英语的识别很精准
  3. 使用方式灵活：既有友好的Web界面，也有标准的API接口，适合不同用户
  4. 资源需求合理：4.4GB的模型大小，中等显存需求，性价比很高
  5. 部署简单：预置镜像一键部署，手动部署也不复杂

适用场景：

  • 跨国企业的多语言会议记录
  • 视频平台的多语种字幕生成
  • 方言地区的语音助手和客服系统
  • 教育领域的语言学习工具
  • 内容创作中的语音转文字需求

使用建议：

  1. 对于明确语言类型的音频，建议指定语言而不是依赖自动检测
  2. 长音频最好分段处理，提高稳定性和容错性
  3. 保持音频质量，使用标准格式和适当的采样率
  4. 对于生产环境，建议设置监控和告警，确保服务稳定

个人感受： 作为一个长期关注AI语音技术的人，我看到Qwen3-ASR-1.7B时确实有些惊喜。它的多语言能力超出了我的预期，特别是对方言的支持，这在之前的开源模型中很少见。部署和使用过程也很顺畅，没有遇到太多坑。

最让我印象深刻的是它的实用性。你不是在测试一个实验室里的模型，而是在使用一个真正能解决实际问题的工具。无论是个人记录想法，还是企业处理客户语音，它都能提供可靠的支持。

当然，它也不是完美的。比如对极高质量的专业转录需求，可能还需要更专业的工具。但对于90%的日常使用场景，它已经足够好用了。

如果你正在寻找一个功能全面、部署简单、效果不错的语音识别方案，Qwen3-ASR-1.7B绝对值得一试。特别是它的多语言和方言支持，在很多场景下能解决实际问题。

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。

# 语音识别
Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

cover

Agent 工程中的模型缓存优化经验分享

avatar AI Agent技术社区

CC-Switch不只是切换API：从GitHub更新日志看懂它的功能和底层原理

CC Switch：从配置切换器到AI编程统一管理平台 摘要： CC Switch已从最初的Claude Code/Codex供应商切换工具，发展为功能全面的AI编程管理平台。它通过统一界面管理多个AI编程工具（Claude Code、Codex、Gemini CLI等）的配置，支持供应商切换、本地代理路由、跨工具能力同步等功能。核心演进包括：采用SSOT架构集中管理供应商数据、扩展支持6+工具、

avatar AI Agent技术社区

告别手动写PoC！Gemini如何全方位赋能安全工程师自动化漏洞测试

在日常渗透测试、企业内网巡检中，经常会遇到未公开编号的自定义漏洞、小众组件漏洞，无现成PoC可参考。此时只需向Gemini输入漏洞核心特征，包括注入点位、请求路径、参数缺陷、权限漏洞、数据交互异常等关键信息，模型即可自主推导漏洞触发逻辑，针对性生成SQL注入、XSS跨站、文件上传、命令执行、路径遍历等各类自定义测试代码，满足个性化渗透测试需求。AI不会取代安全工程师，但熟练使用AI的安全工程师，将

avatar AI Agent技术社区