Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

刚刚把 iPhone 的语音转文字问题解决掉了现存的问题： 1、如果使用 iOS 自带的语音转文字，中文识别准确率不高 2、如果使用第三方输入法，需要二次跳转，且高频使用较为耗电解决方案： 1、用不关机的 Mac + 大疆麦克风，持续监听语音 2、只要在大疆的传输范围内，Mac 可以持续获取我说的最后一句话 3、使用 Deepgram API 把语音转成文字，并且复制到剪贴板 4、所有设备（包括安卓机）剪贴板云同步实现效果：只要我说话，我的所有设备都可以一键粘贴转录的文本结果成本：一台永不关机的 Mac 作为服务器，解决家庭场景的输入问题，出门的情况下还是使用手机的麦克风实现语音转文字

dontbesilent

82,173 subscribers

58,776 görüntüleme • 5 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

字节给苹果笔记本 MacOS，开放内测的豆包输入法，太厉害了。安装后，只需要在输入栏，双击 Option 键，就能呼出语音识别。需要补充的是，这条推文也是我用嘴说出来的。等同于，我可以带着电脑，线下去录制语音转文字。推上有不少人贴了获取方式。

字节给苹果笔记本 MacOS，开放内测的豆包输入法，太厉害了。安装后，只需要在输入栏，双击 Option 键，就能呼出语音识别。需要补充的是，这条推文也是我用嘴说出来的。等同于，我可以带着电脑，线下去录制语音转文字。推上有不少人贴了获取方式。

AB Kuai.Dong

320,761 görüntüleme • 3 ay önce

AI驱动的语音听写工具：Whispo，按Ctrl键就可以开始录音，松开即可将语音转文字转录内容可以自动插入到任何支持文本输入的应用中，数据存于本地 github： #语音转录 #Whispo

AI驱动的语音听写工具：Whispo，按Ctrl键就可以开始录音，松开即可将语音转文字转录内容可以自动插入到任何支持文本输入的应用中，数据存于本地 github： #语音转录 #Whispo

AIGCLINK

27,149 görüntüleme • 1 yıl önce

使用 Google Gemini 做出了目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。之前也尝试过用OpenAI的语音模式学习英语，问题是我英语本来就不是很好，每次回答还默认英语，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。 Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

使用 Google Gemini 做出了目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。之前也尝试过用OpenAI的语音模式学习英语，问题是我英语本来就不是很好，每次回答还默认英语，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。 Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

Box (mainnet arc)

141,403 görüntüleme • 1 yıl önce

说文解字本次视频的主要内容说＂肏＂，不解来源，只讲音韵。汉字＂肏＂的同音同义字在文章中和口语里有多种同义字，比如＂操和草＂，网络使用更广泛。虽然是在北京形成的，但却是朱棣及部队从南方带入。目前这个动词被汉语广泛应用，特别是在以北方语系为主的语言环境中，有人不＂草＂不会说话。

Sensitive content

说文解字本次视频的主要内容说＂肏＂，不解来源，只讲音韵。汉字＂肏＂的同音同义字在文章中和口语里有多种同义字，比如＂操和草＂，网络使用更广泛。虽然是在北京形成的，但却是朱棣及部队从南方带入。目前这个动词被汉语广泛应用，特别是在以北方语系为主的语言环境中，有人不＂草＂不会说话。

好怕怕

99,663 görüntüleme • 1 yıl önce

我之前一直用闪电说，也用过Typeless、智谱的老实说，都不完美闪电说免费，端侧识别最快，但中英文结合输出不好 Typeless体验很好，但收费，且最终输出质量也就那样手机上的话，豆包输入法是无敌的（除了没有双拼）这个相信体验过的朋友都有感受电脑版豆包也支持语音输入中英文结合也很好，还免费如果除了专门的电脑版豆包语音输入法上面两家国内都不能要了但现在还没出所以有两个问题 1 输入必须组合键 2 结束后还要回车才能上屏我之前体验后因为每次语音输入都要多按两次直接放弃了最近突然想，能不能用CC搞定这个问题呢？结果真的可以调研25分钟后给了个解决方案并且把配置的JSON文件都给生成好了特别爽！现在按住Fn，开始口喷，松开Fn，直接上屏

我之前一直用闪电说，也用过Typeless、智谱的老实说，都不完美闪电说免费，端侧识别最快，但中英文结合输出不好 Typeless体验很好，但收费，且最终输出质量也就那样手机上的话，豆包输入法是无敌的（除了没有双拼）这个相信体验过的朋友都有感受电脑版豆包也支持语音输入中英文结合也很好，还免费如果除了专门的电脑版豆包语音输入法上面两家国内都不能要了但现在还没出所以有两个问题 1 输入必须组合键 2 结束后还要回车才能上屏我之前体验后因为每次语音输入都要多按两次直接放弃了最近突然想，能不能用CC搞定这个问题呢？结果真的可以调研25分钟后给了个解决方案并且把配置的JSON文件都给生成好了特别爽！现在按住Fn，开始口喷，松开Fn，直接上屏

AI产品黄叔

68,417 görüntüleme • 5 ay önce

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力支持语音克隆、风格定制除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力支持语音克隆、风格定制除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音

AIGCLINK

26,481 görüntüleme • 1 yıl önce

用Myshell做一个用自己声音的AI英语对话机器人（暂不支持中文）核心操作：声音录音采样->上传Myshell->配置机器人教程： 1. 生成文本素材：用ChatGPT生成一段故事 “生成一段800字的英文故事”，长度足够念3分钟，只需要念2分钟左右就行。 2. 阅读录音：iPhone打开语音备忘录，用英语朗读上面生成的故事。 3. 转换音频格式：语音备忘录分享给微信文件传输助手，下载m4a格式音频，打开转换成MP3下载。 4. 注册Myshell，打开创建自己的机器人，填写基础信息，上传MP3录音文件，合成大概需要1分钟时间。到这里，就可以体验用自己声音创建的机器人Web版。如果想用自己声音搭Telegram机器人，可以按下面教程操作，相对复杂。下面视频是把声音下载用剪映做的视频，声音还挺像自己的。

用Myshell做一个用自己声音的AI英语对话机器人（暂不支持中文）核心操作：声音录音采样->上传Myshell->配置机器人教程： 1. 生成文本素材：用ChatGPT生成一段故事 “生成一段800字的英文故事”，长度足够念3分钟，只需要念2分钟左右就行。 2. 阅读录音：iPhone打开语音备忘录，用英语朗读上面生成的故事。 3. 转换音频格式：语音备忘录分享给微信文件传输助手，下载m4a格式音频，打开转换成MP3下载。 4. 注册Myshell，打开创建自己的机器人，填写基础信息，上传MP3录音文件，合成大概需要1分钟时间。到这里，就可以体验用自己声音创建的机器人Web版。如果想用自己声音搭Telegram机器人，可以按下面教程操作，相对复杂。下面视频是把声音下载用剪映做的视频，声音还挺像自己的。

向阳乔木

139,676 görüntüleme • 3 yıl önce

$兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。$

兄弟们，这个数字人工具感觉不错我刚安装好，正在体验一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。这个一个安装包，然后下载模型即可，很容易上手可以生成带有数字人的视频，并且保持嘴型和声音是同步的。支持语音合成和声音克隆支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 görüntüleme • 1 yıl önce

Meta 上周开源了一个端到端的语音模型 Spirit LM。这个太重要了，居然没注意到。这个模型有两个版本：基础版：适合进行一般的语音识别和生成，不包含情感变化。高表现力版：可以捕捉语音中的情感特征，能够生成包含快乐、愤怒或兴奋等情感的语音。主要特点有： Spirit LM 直接使用语音标记、音高标记和声调标记来保留语音中的表现力要素，不需要先转文本描述。能够在不需要大量数据的情况下，完成自动语音识别、文本转语音和语音分类等复杂任务。

Meta 上周开源了一个端到端的语音模型 Spirit LM。这个太重要了，居然没注意到。这个模型有两个版本：基础版：适合进行一般的语音识别和生成，不包含情感变化。高表现力版：可以捕捉语音中的情感特征，能够生成包含快乐、愤怒或兴奋等情感的语音。主要特点有： Spirit LM 直接使用语音标记、音高标记和声调标记来保留语音中的表现力要素，不需要先转文本描述。能够在不需要大量数据的情况下，完成自动语音识别、文本转语音和语音分类等复杂任务。

歸藏(guizang.ai)

28,393 görüntüleme • 1 yıl önce

阿里的新项目，从文本实时生成同步的说话人视频项目：OmniTalker，音视频同步和风格一致上效果比较好端到端的统一框架，可以同时生成语音和视频内容，实现音视频同步输出，避免了不同步问题可以从单个参考视频中捕获语音和面部风格，支持零样本场景下的风格复制 25帧/秒的推理速度，0.8B参数支持中英文互转，支持情感表达，比如平静、快乐、悲伤、愤怒等等情绪。支持长时间视频生成 #说话人视频生成 #OmniTalker

阿里的新项目，从文本实时生成同步的说话人视频项目：OmniTalker，音视频同步和风格一致上效果比较好端到端的统一框架，可以同时生成语音和视频内容，实现音视频同步输出，避免了不同步问题可以从单个参考视频中捕获语音和面部风格，支持零样本场景下的风格复制 25帧/秒的推理速度，0.8B参数支持中英文互转，支持情感表达，比如平静、快乐、悲伤、愤怒等等情绪。支持长时间视频生成 #说话人视频生成 #OmniTalker

AIGCLINK

50,254 görüntüleme • 1 yıl önce

#男喘假发骚真发烧，内含胡言乱语以及污言秽语，什么？你说我为什么这次出男喘不加字幕了，朋友，现在他妈的这个推文我都是语音输入法输入的让我有点开剪映配字幕的力气，我真他妈不如现在导一管子手冲实录那还不需要字幕妈的还单押了

Sensitive content

#男喘假发骚真发烧，内含胡言乱语以及污言秽语，什么？你说我为什么这次出男喘不加字幕了，朋友，现在他妈的这个推文我都是语音输入法输入的让我有点开剪映配字幕的力气，我真他妈不如现在导一管子手冲实录那还不需要字幕妈的还单押了

立的

38,439 görüntüleme • 1 yıl önce

看我作为一个 AI 博主是如何用飞书 + 【可联网的】DeepSeek R1 搭建简单自动化工作流提升工作效率的作为一个 AI 博主，日常一大部分工作是阅读和分享各种海外的AI资讯，这就少不了要翻译各种英文文章。之前我很多操作是手动的，比如复制粘贴文章到 Markdown 编辑器，然后从编辑器复制到 DeepSeek R1 或者 ChatGPT 去翻译，再改写后发布。之前看 orange ai 分享的飞书多维表格接入 DeepSeek R1 的教程，【加上这周飞书的AI直播】，按照我自己的场景定制了几个工作流，最开始只是简单的文本翻译，后来发现也能用支持从图片提取文字，那意味着我可以直接先把图片转成文字，再基于翻译好的文本用 DeepSeek R1 翻译。简单设置后就成功了。再后来我甚至更进一步，直接从 URL 抓取内容，然后借助 DeepSeek R1 翻译，最后甚至还可以把翻译后的文章用各种不同的文章风格改写，使用的时候只要输入 URL 就可以自动生成一篇高质量的文章，是真的很方便。具体来说，就是飞书在添加字段的时候，可以选 ShortCuts（中文可能对应的是“快捷方式”），然后从快捷方式中选择各种不同的工具，比如说 AI 抓取、DeepSeek R1、图片 OCR、图片生成、抠图等等，并且你可以设置某个字段的内容为输入，以及自定义提示词。就像我前面自动从 URL 生成文章的流程，主要有这样几个字段： - URL：输入 URL - 原始网页内容（AI Web Link Reader）：从输入的 URL 中提取标题、内容为 Markdown 文本 - 翻译为中文（DeepSeek R1）：将抓取后的 Markdown 文本翻译为中文 - 翻译为中文 - 输出结果：DeepSeek R1 的输出结果 - 风格改写（DeepSeek R1）：将翻译后的内容用指定的风格改写，阅读起来更自然 - 风格改写 - 输出结果：DeepSeek R1 的输出结果除了上面的 URL 生成文章外，里面还包含了几个不同的常用工作流： - 将输入的文本内容翻译为中文 - 将输入的图片内容翻译为中文 - 生成多条爆款标题供选择工作流的飞书模板链接🔗我放在了评论，建议你也可以试试，应该可以发掘出不少有意思的场景。⬇️

看我作为一个 AI 博主是如何用飞书 + 【可联网的】DeepSeek R1 搭建简单自动化工作流提升工作效率的作为一个 AI 博主，日常一大部分工作是阅读和分享各种海外的AI资讯，这就少不了要翻译各种英文文章。之前我很多操作是手动的，比如复制粘贴文章到 Markdown 编辑器，然后从编辑器复制到 DeepSeek R1 或者 ChatGPT 去翻译，再改写后发布。之前看 orange ai 分享的飞书多维表格接入 DeepSeek R1 的教程，【加上这周飞书的AI直播】，按照我自己的场景定制了几个工作流，最开始只是简单的文本翻译，后来发现也能用支持从图片提取文字，那意味着我可以直接先把图片转成文字，再基于翻译好的文本用 DeepSeek R1 翻译。简单设置后就成功了。再后来我甚至更进一步，直接从 URL 抓取内容，然后借助 DeepSeek R1 翻译，最后甚至还可以把翻译后的文章用各种不同的文章风格改写，使用的时候只要输入 URL 就可以自动生成一篇高质量的文章，是真的很方便。具体来说，就是飞书在添加字段的时候，可以选 ShortCuts（中文可能对应的是“快捷方式”），然后从快捷方式中选择各种不同的工具，比如说 AI 抓取、DeepSeek R1、图片 OCR、图片生成、抠图等等，并且你可以设置某个字段的内容为输入，以及自定义提示词。就像我前面自动从 URL 生成文章的流程，主要有这样几个字段： - URL：输入 URL - 原始网页内容（AI Web Link Reader）：从输入的 URL 中提取标题、内容为 Markdown 文本 - 翻译为中文（DeepSeek R1）：将抓取后的 Markdown 文本翻译为中文 - 翻译为中文 - 输出结果：DeepSeek R1 的输出结果 - 风格改写（DeepSeek R1）：将翻译后的内容用指定的风格改写，阅读起来更自然 - 风格改写 - 输出结果：DeepSeek R1 的输出结果除了上面的 URL 生成文章外，里面还包含了几个不同的常用工作流： - 将输入的文本内容翻译为中文 - 将输入的图片内容翻译为中文 - 生成多条爆款标题供选择工作流的飞书模板链接🔗我放在了评论，建议你也可以试试，应该可以发掘出不少有意思的场景。⬇️

宝玉

87,333 görüntüleme • 1 yıl önce

发现了一款好用的软件，这位老哥开源了一个实时语音转换工具——Voice Changer，支持 Windows 和 Mac 平台。它可以实时将你的声音变成其他人或者虚拟角色的音色，支持接入多种语音转换技术，具体包括： 1. MMVC - 实时语音转换技术 [项目链接]( 2. so-vits-svc - 自监督语音转换 [项目链接]( 3. RVC (基于检索的语音转换) - 一种高效的语音转换方法 [项目链接]( 4. DDSP-SVC - 基于深度神经网络的语音转换 [项目链接]( 如果想了解如何使用，有一个非常详细的 YouTube 教学视频：[教程视频]( 项目地址：[Voice Changer](

发现了一款好用的软件，这位老哥开源了一个实时语音转换工具——Voice Changer，支持 Windows 和 Mac 平台。它可以实时将你的声音变成其他人或者虚拟角色的音色，支持接入多种语音转换技术，具体包括： 1. MMVC - 实时语音转换技术 [项目链接]( 2. so-vits-svc - 自监督语音转换 [项目链接]( 3. RVC (基于检索的语音转换) - 一种高效的语音转换方法 [项目链接]( 4. DDSP-SVC - 基于深度神经网络的语音转换 [项目链接]( 如果想了解如何使用，有一个非常详细的 YouTube 教学视频：[教程视频]( 项目地址：[Voice Changer](

Y11

46,346 görüntüleme • 1 yıl önce

分享一个mac语音转文字的信息差！这个真的非常好用，直接按住fn键就可以了不需要下载任何其他app，直接就能用我以为大家都知道呢。。。太方便了

分享一个mac语音转文字的信息差！这个真的非常好用，直接按住fn键就可以了不需要下载任何其他app，直接就能用我以为大家都知道呢。。。太方便了

天策

25,239 görüntüleme • 3 ay önce

效果非常不错的一款TTS，一个完全非自回归的TTS模型：MaskGCT 它不需要文本和语音之间的显式对齐信息，也不需要音素级别的持续时间预测，采用了掩码和预测的学习方式，在声音克隆、跨语种合成、语音控制等方面表现优秀 1、支持控制生成语音的总长度，可调节语速、停顿等韵律特征、支持情感控制和语气调整，比如开心的、悲伤的、生气的、平静的等情绪 2、支持零样本语音合成，可以修改已生成的语音，支持声音转换和克隆 github：项目： #TTS #MaskGCT

效果非常不错的一款TTS，一个完全非自回归的TTS模型：MaskGCT 它不需要文本和语音之间的显式对齐信息，也不需要音素级别的持续时间预测，采用了掩码和预测的学习方式，在声音克隆、跨语种合成、语音控制等方面表现优秀 1、支持控制生成语音的总长度，可调节语速、停顿等韵律特征、支持情感控制和语气调整，比如开心的、悲伤的、生气的、平静的等情绪 2、支持零样本语音合成，可以修改已生成的语音，支持声音转换和克隆 github：项目： #TTS #MaskGCT

AIGCLINK

103,720 görüntüleme • 1 yıl önce

NotebookLM生成视频时，会使用nano banana生成视频里的配图了。整体能力提升特别大，有视频，有语音（中文稍有瑕疵但问题不大），视频内容有配图有文字（文字是程序写上去的不是生成的）。如果内容足够好，用NotebookLM发自媒体也不是不行。下方是我上传了纳瓦尔宝典生成的视频。

NotebookLM生成视频时，会使用nano banana生成视频里的配图了。整体能力提升特别大，有视频，有语音（中文稍有瑕疵但问题不大），视频内容有配图有文字（文字是程序写上去的不是生成的）。如果内容足够好，用NotebookLM发自媒体也不是不行。下方是我上传了纳瓦尔宝典生成的视频。

Gorden Sun

26,983 görüntüleme • 8 ay önce