Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

你看看这个 牛逼plus。 这个大哥基于whisper的模型搞了离线CPP版的。可以做到实时语音识别，效果非常好。

mtrainier2020's profile picture

Rainier

144,133 subscribers

214,542 Aufrufe • vor 3 Jahren •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

10 Kommentare

Profilbild von owl
owlvor 3 Jahren

之前chrome的soda也有人抠出来做这种事情。

Profilbild von DaemonEye
DaemonEyevor 3 Jahren

你可以看下vosk 前段时间我写过相关的东西，性能已经足够好了，没必要aws

Profilbild von MonsterCoder
MonsterCodervor 3 Jahren

研究了一下这个repo,他是把语音流缓存为每个半秒的wav，然后识别。这样的话可能准确度不佳。不过以您的应用场景说不定会有意想不到的惊喜😀

Profilbild von Rainier
Rainiervor 3 Jahren

嗯嗯。我还没有试试他复杂背景下语音识别做的怎么样。我这几天试试。。

Profilbild von Divram
Divramvor 3 Jahren

他开始做的时候我就发现了，基本上整个用c++把pytorch的底层重写了一遍…速度非常快

Profilbild von Klein Hu
Klein Huvor 3 Jahren

能不用gpu 做到视频上的水平，已经是赢家了好吧。我知道的能做到这个水平的商用客户，都是用gpu 的

Profilbild von Kevin
Kevinvor 3 Jahren

有方言的语音识别还是讯飞厉害，不知道有没有开源。

Profilbild von hydra
hydravor 3 Jahren

不知道zoom用的什么技术 开会同声字幕识别很准确

Profilbild von 比特币百舸争流
比特币百舸争流vor 3 Jahren

讯飞语音输入法

Profilbild von 不宅没技术
不宅没技术vor 3 Jahren

这个是真的厉害

Ähnliche Videos

一篇老文了，今天想做一个 Liquid Glass 效果的组件的时候又翻到了，如果你想用 CSS + SVG 实现 Liquid Glass 的效果，那么就收藏这篇文章： 这是原理/实现/最终效果都实现的最好的，如果自己懒得看，直接喂给 AI，让它帮你实现就好。效果可以看 Demo，已经可以和原生的媲美
0:28

一篇老文了，今天想做一个 Liquid Glass 效果的组件的时候又翻到了，如果你想用 CSS + SVG 实现 Liquid Glass 的效果，那么就收藏这篇文章： 这是原理/实现/最终效果都实现的最好的，如果自己懒得看，直接喂给 AI，让它帮你实现就好。效果可以看 Demo，已经可以和原生的媲美

Viking

27,138 Aufrufe • vor 5 Monaten

可以让你的 OpenClaw 在 mac mini m4 上装一下 这个，qwen3-tts 本地小模型 Mac 量化版，如果是其他机器，应该也有对应的可以跑。 然后，你让它用 Serena 的温柔正常语速讲一段小故事。 你就可以得到这个视频里的语音效果。我之前没咋研究过本地语音模型，我感觉挺不错的。
0:21

可以让你的 OpenClaw 在 mac mini m4 上装一下 这个，qwen3-tts 本地小模型 Mac 量化版，如果是其他机器，应该也有对应的可以跑。 然后，你让它用 Serena 的温柔正常语速讲一段小故事。 你就可以得到这个视频里的语音效果。我之前没咋研究过本地语音模型，我感觉挺不错的。

马天翼

28,452 Aufrufe • vor 7 Monaten

🎉 前两天挖到的基于 Qwen3-4B 微调的 ASR 语音识别模型，今天终于有时间本地部署实测了！ 直接拿它和行业标杆 Whisper 做了一次全方位硬核对比 具体高能表现看录屏👇 主打一个低门槛：16G 显存就能直接本地部署，对个人开发者极其友好 用 40 亿参数大模型来做语音识别，完全是降维打击，直接让传统同行无路可走！ 但这只是开始。语音识别的终局绝非“听音辨字”，而是“端到端多模态理解”的进化 语音识别的终局绝不是单纯的“听音辩字”，而是向着“端到端多模态理解”演进 未来，声音就是大模型的天然输入口，ASR 会无处不在，却又隐于无形 听到声音的同时就在理解世界，这才是真正的 AI 2.0 时代！ 以上。
0:52

🎉 前两天挖到的基于 Qwen3-4B 微调的 ASR 语音识别模型，今天终于有时间本地部署实测了！ 直接拿它和行业标杆 Whisper 做了一次全方位硬核对比 具体高能表现看录屏👇 主打一个低门槛：16G 显存就能直接本地部署，对个人开发者极其友好 用 40 亿参数大模型来做语音识别，完全是降维打击，直接让传统同行无路可走！ 但这只是开始。语音识别的终局绝非“听音辨字”，而是“端到端多模态理解”的进化 语音识别的终局绝不是单纯的“听音辩字”，而是向着“端到端多模态理解”演进 未来，声音就是大模型的天然输入口，ASR 会无处不在，却又隐于无形 听到声音的同时就在理解世界，这才是真正的 AI 2.0 时代！ 以上。

Lonely

27,192 Aufrufe • vor 21 Tagen

有认识这个的吗？看到这个东西的基本上都50岁以上了。
0:38

有认识这个的吗？看到这个东西的基本上都50岁以上了。

偷得富盛半日闲

188,264 Aufrufe • vor 2 Jahren

大疑惑！做这个桌面动态引擎很难吗！！ 不求完美！ 先上线！先卖钱啊！ 我不太懂，但感觉是一个小的本地视频模型+语音模型就可以跑起来。 用户用自己的视频训练高逼真数字人，桌面常驻，实时语音流，这个不是都挺成熟了吗，到底卡哪了！！ 这么久都没有个产品上线！
0:29

大疑惑！做这个桌面动态引擎很难吗！！ 不求完美！ 先上线！先卖钱啊！ 我不太懂，但感觉是一个小的本地视频模型+语音模型就可以跑起来。 用户用自己的视频训练高逼真数字人，桌面常驻，实时语音流，这个不是都挺成熟了吗，到底卡哪了！！ 这么久都没有个产品上线！

沐阳

419,295 Aufrufe • vor 11 Tagen

通义这个模型快到离谱，我在测试模型的时候，无意间看到这个试了一下，原本起码需要 30 秒的流程，他居然 10 秒内搞定了
0:21

通义这个模型快到离谱，我在测试模型的时候，无意间看到这个试了一下，原本起码需要 30 秒的流程，他居然 10 秒内搞定了

Paidax

21,113 Aufrufe • vor 7 Monaten

之前有个基于电影 HER 里 Samantha 的声线和ChatGPT API 的语音聊天机器人 ，最近又增加了两个新的模型，英音的夏洛克，和日语雷电将军。特别是新的这个雷电将军的声音非常自然好听，用来练口语和听力都很棒。可以在官方账号 MyShell.AI 找到使用方法。
0:40

之前有个基于电影 HER 里 Samantha 的声线和ChatGPT API 的语音聊天机器人 ，最近又增加了两个新的模型，英音的夏洛克，和日语雷电将军。特别是新的这个雷电将军的声音非常自然好听，用来练口语和听力都很棒。可以在官方账号 MyShell.AI 找到使用方法。

Orange AI

109,948 Aufrufe • vor 3 Jahren

hello，大家好，我又来分享用模板做了啥 昨天看到 Aniket Pawar 开源了 ogimagecn，一组基于 shadcnui 组件实现的 Open Graph 组件库，种类特别丰富。我一想，可以基于它做个 OG Image Generator，解决大家生成 OG 图的困境。 于是下班后用 2个小时实现了这个 OG 图片生成器，免费无广，免注册登录，选择模板，设置字段，预览效果，下载图片。 实现方式：基于 TanStarter 模板，用 Pi agent + MiniMax M3 模型，1句提示词，3次微调，自动化部署到 Cloudflare 上线。
0:38

hello，大家好，我又来分享用模板做了啥 昨天看到 Aniket Pawar 开源了 ogimagecn，一组基于 shadcnui 组件实现的 Open Graph 组件库，种类特别丰富。我一想，可以基于它做个 OG Image Generator，解决大家生成 OG 图的困境。 于是下班后用 2个小时实现了这个 OG 图片生成器，免费无广，免注册登录，选择模板，设置字段，预览效果，下载图片。 实现方式：基于 TanStarter 模板，用 Pi agent + MiniMax M3 模型，1句提示词，3次微调，自动化部署到 Cloudflare 上线。

Indie Fox

23,130 Aufrufe • vor 3 Monaten

GPT-6 Astra 做软件宣传视频实在是太强了！ 这个视频从配乐到音效到组件，全部都是 GPT-6 Astra 自己处理的。 没有用任何生成模型，纯代码，而且它是基于我的 Codepilot 组件和设计语言做的。 跟软件本身的风格和效果都非常搭配。 如果有人需要的话，我看要不要打包个 skill 给大家用。
0:48

GPT-6 Astra 做软件宣传视频实在是太强了！ 这个视频从配乐到音效到组件，全部都是 GPT-6 Astra 自己处理的。 没有用任何生成模型，纯代码，而且它是基于我的 Codepilot 组件和设计语言做的。 跟软件本身的风格和效果都非常搭配。 如果有人需要的话，我看要不要打包个 skill 给大家用。

歸藏(guizang.ai)

92,822 Aufrufe • vor 9 Tagen

艹了，很难想象一个产品能像 Clawdbot 这样用起来这么傻逼 他妈的，一个模型配置和切换搞了我一下午！ 藏师傅总结了一下自己遇到的所有模型问题和解决方法 如果你也被这个问题困扰可以看看
6:14

艹了，很难想象一个产品能像 Clawdbot 这样用起来这么傻逼 他妈的，一个模型配置和切换搞了我一下午！ 藏师傅总结了一下自己遇到的所有模型问题和解决方法 如果你也被这个问题困扰可以看看

歸藏(guizang.ai)

170,466 Aufrufe • vor 7 Monaten

这个小哥的这个工具有点帅，把图片直接做成3D 模型的效果很赞啊！
0:49

这个小哥的这个工具有点帅，把图片直接做成3D 模型的效果很赞啊！

Berryxia.AI

27,447 Aufrufe • vor 6 Monaten

上篇我给大家说复刻了下别人的视频，然后我让k3直接把这个抽象成一个引擎，然后后面做这类型的创意视频非常容易，这次基本复刻起来很快，兄弟们看看这种视频效果如何？
0:22

上篇我给大家说复刻了下别人的视频，然后我让k3直接把这个抽象成一个引擎，然后后面做这类型的创意视频非常容易，这次基本复刻起来很快，兄弟们看看这种视频效果如何？

知识猫AI实验室

31,874 Aufrufe • vor 2 Monaten

推荐一款开源前端动效库，配合threejs效果也是非常的好，如果你需要做一些动效可以直接试试，真的非常棒。 视频是我基于将它官方链接丢给Codex生成的，视频也是用了一些官方这个动画效果实现的网页录制生成，非常的丝滑，它的官方做的也是非常炫酷。
0:40

推荐一款开源前端动效库，配合threejs效果也是非常的好，如果你需要做一些动效可以直接试试，真的非常棒。 视频是我基于将它官方链接丢给Codex生成的，视频也是用了一些官方这个动画效果实现的网页录制生成，非常的丝滑，它的官方做的也是非常炫酷。

知识猫AI实验室

18,998 Aufrufe • vor 1 Monat

我在iPhone 17 Air上测试豆包的语音输入法，真的这个识别率太牛逼了
0:41

我在iPhone 17 Air上测试豆包的语音输入法，真的这个识别率太牛逼了

Andy Stewart

89,664 Aufrufe • vor 9 Monaten