Video yükleniyor...

Video Yüklenemedi

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

Ana Sayfaya Dön

谷歌翻译新版直接起飞嵌入了 Gemini 的模型。翻译能力基于图片的实时翻译能力都提升了还新增了一个学习模式可以基于场景来锻炼你的听力和口语可以设置自定义场景。当前正在基于语言的学习做应用的感觉都可以停了。目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

ttmouse - 豆爸

5,787 subscribers

79,054 görüntüleme • 6 ay önce •via X (Twitter)

Eğitim Bilim & Teknoloji

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

只能说AI现在太屌了好吧上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼今天看到，OpenAI出了一个GPT实时翻译模型我就直接手搓了一个，ios上接入GPT模型的翻译软件同时我还手搓了一个，接入该模型的，mac端的语音翻译软件不过翻译有些延迟耗时一下午就搓出来了，之前完全不懂编程

只能说AI现在太屌了好吧上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼今天看到，OpenAI出了一个GPT实时翻译模型我就直接手搓了一个，ios上接入GPT模型的翻译软件同时我还手搓了一个，接入该模型的，mac端的语音翻译软件不过翻译有些延迟耗时一下午就搓出来了，之前完全不懂编程

多伦多方脸

241,092 görüntüleme • 1 ay önce

今早想起来用codex把三年前的开源项目ebook gpt translator更新了以前因为API来翻译太耗money，GPT-3.5的时候就测试过至少好几刀翻译一本，所以就停更了今早想起来，可以用codex来翻译，后续可以再接入gemini cli， claude code等等用订阅账号的用量来做 V2有如下特点： 1. 增加了简单的GUI可以选择参数 2. 自定义翻译prompt，如“以红楼梦的风格翻译” 3. 断点续翻

今早想起来用codex把三年前的开源项目ebook gpt translator更新了以前因为API来翻译太耗money，GPT-3.5的时候就测试过至少好几刀翻译一本，所以就停更了今早想起来，可以用codex来翻译，后续可以再接入gemini cli， claude code等等用订阅账号的用量来做 V2有如下特点： 1. 增加了简单的GUI可以选择参数 2. 自定义翻译prompt，如“以红楼梦的风格翻译” 3. 断点续翻

Jesse Lau 遁一子

32,175 görüntüleme • 3 ay önce

苹果去年画的饼反而被谷歌实现了：将最先进的Gemini翻译能力引入自家的翻译应用，戴着任意一款耳机就能做到实时音频翻译，具体效果看下方视频。我觉得这种翻译能力要比人们意识的大很多：以前是需要音频-文字-翻译-音频，现在是直接音频-音频，靠AI的理解去翻译，不仅速度快到接近同传水平，甚至连你的“阴阳怪气”他都能翻译。一场突如其来的科技革命，使得本就不景气的翻译专业更是雪上加霜。

苹果去年画的饼反而被谷歌实现了：将最先进的Gemini翻译能力引入自家的翻译应用，戴着任意一款耳机就能做到实时音频翻译，具体效果看下方视频。我觉得这种翻译能力要比人们意识的大很多：以前是需要音频-文字-翻译-音频，现在是直接音频-音频，靠AI的理解去翻译，不仅速度快到接近同传水平，甚至连你的“阴阳怪气”他都能翻译。一场突如其来的科技革命，使得本就不景气的翻译专业更是雪上加霜。

傅盛

133,709 görüntüleme • 6 ay önce

🥳翻译界天花板组合：沉浸式翻译 + Bob 翻译！分享我使用频率最高的4种场景，网页翻译，youtube双语，非网页客户端，全局截图翻译。沉浸式翻译插件，按 option 快捷键就在内容下面展示翻译内容，我还加了虚线增强，youtube 双语字幕就更不用说了，平时学习就直接开着。 Bob翻译，解决了非网页客户端的翻译问题，滑词翻译，截图翻译，都支持快捷键自定义，丝滑的一匹。费用: 沉浸式翻译，我还是免费使用，bob花58块就能终身使用。它们都支持非常多的 ai 翻译服务的接入，功能非常丰富，我只用到了其中简单的几个特性

🥳翻译界天花板组合：沉浸式翻译 + Bob 翻译！分享我使用频率最高的4种场景，网页翻译，youtube双语，非网页客户端，全局截图翻译。沉浸式翻译插件，按 option 快捷键就在内容下面展示翻译内容，我还加了虚线增强，youtube 双语字幕就更不用说了，平时学习就直接开着。 Bob翻译，解决了非网页客户端的翻译问题，滑词翻译，截图翻译，都支持快捷键自定义，丝滑的一匹。费用: 沉浸式翻译，我还是免费使用，bob花58块就能终身使用。它们都支持非常多的 ai 翻译服务的接入，功能非常丰富，我只用到了其中简单的几个特性

Meepo

13,321 görüntüleme • 10 ay önce

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

AIGCLINK

48,830 görüntüleme • 9 ay önce

谷歌新的 Gemini TTS 模型太牛逼了！直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。你能想到的都能控制，根本不需要切换单独的语音模型！我的 AI 互动漫剧应用终于是完全体了！使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

谷歌新的 Gemini TTS 模型太牛逼了！直接可以通过提示词去控制说话人的性别、语调、语气、某个词的读音、年龄。你能想到的都能控制，根本不需要切换单独的语音模型！我的 AI 互动漫剧应用终于是完全体了！使用Nano Banana Pro动态地生成每个场景的图片，以及新的TTS生成每角色的独特的语音。

歸藏(guizang.ai)

127,166 görüntüleme • 6 ay önce

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。模型可直接处理原始的图像和声音用一个类比讲清楚传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言内置 Thinking 模式（逐步推理）和原生 Function Calling

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。模型可直接处理原始的图像和声音用一个类比讲清楚传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言内置 Thinking 模式（逐步推理）和原生 Function Calling

小互

57,061 görüntüleme • 24 gün önce

来自APTV消息： iOS 9.9.9(421)TF版【新增】新增实时字幕与翻译功能请在设置-高级设置中下载语音识别模型，当前版本仅支持识别英文视频，并翻译成中文。除了实时模式外，预计还会增加一个稳定模式，让直播拥有录播的字幕输出体验

来自APTV消息： iOS 9.9.9(421)TF版【新增】新增实时字幕与翻译功能请在设置-高级设置中下载语音识别模型，当前版本仅支持识别英文视频，并翻译成中文。除了实时模式外，预计还会增加一个稳定模式，让直播拥有录播的字幕输出体验

小鹏Digital

37,569 görüntüleme • 1 ay önce

张同志咳嗽厉害，一个月吃了很多止咳的药或者糖浆都不见好，今天就带他去看急诊，以前每次陪他去看病都是我帮忙翻译，但是有时候专业术语我不会，所以这次护士问我是否需要提供翻译的时候我就说要，体验一下医院提供的翻译，我看系统里有7-8种语言可选，他们会为了病人提供你的语言翻译，确实想的很周到，所以，在美国即使不懂英语，也能一个人来看病，就是不知道医院的翻译是否收费.

张同志咳嗽厉害，一个月吃了很多止咳的药或者糖浆都不见好，今天就带他去看急诊，以前每次陪他去看病都是我帮忙翻译，但是有时候专业术语我不会，所以这次护士问我是否需要提供翻译的时候我就说要，体验一下医院提供的翻译，我看系统里有7-8种语言可选，他们会为了病人提供你的语言翻译，确实想的很周到，所以，在美国即使不懂英语，也能一个人来看病，就是不知道医院的翻译是否收费.

Daisy

54,089 görüntüleme • 8 ay önce

看大家昨天都因为这个项目卧槽了一天！朋友们都开始整活儿，其实对于精度要求不高只是展示3D的就是可以直接使用开源的一些3D库就可以拿来使用。我最早接触和了解这玩意还是Apple的 Reality Composer，官方也提供了对应的3D USDZ/USDC 格式的3D 模型库，并且都是免费的。直接导入页面还可以做AR增强现实使用，如果说你需要自定义或者进行进行教学互动炸裂就可以看看JigSpace 做的非常不错的教学类的App。 Apple 官方组3D模型库：我这个做的Demo 用的github：模型：看看各位还可以玩出什么花儿，这个是花了20分钟搞出来的，后面可以继续迭代一下。

看大家昨天都因为这个项目卧槽了一天！朋友们都开始整活儿，其实对于精度要求不高只是展示3D的就是可以直接使用开源的一些3D库就可以拿来使用。我最早接触和了解这玩意还是Apple的 Reality Composer，官方也提供了对应的3D USDZ/USDC 格式的3D 模型库，并且都是免费的。直接导入页面还可以做AR增强现实使用，如果说你需要自定义或者进行进行教学互动炸裂就可以看看JigSpace 做的非常不错的教学类的App。 Apple 官方组3D模型库：我这个做的Demo 用的github：模型：看看各位还可以玩出什么花儿，这个是花了20分钟搞出来的，后面可以继续迭代一下。

Berryxia.AI

70,728 görüntüleme • 1 ay 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

在阅读英文文献的时候，看到不懂的英语就要切换到其他翻译软件进行翻译，每次启动还要看一下启动广告，就很难受，于是我跟朋友一拍即合，开发了《para翻译》app 现在支持全局浮窗翻译，聚合翻译，多种翻译源切换，支持自定义api。有需要的朋友可以下载体验～

在阅读英文文献的时候，看到不懂的英语就要切换到其他翻译软件进行翻译，每次启动还要看一下启动广告，就很难受，于是我跟朋友一拍即合，开发了《para翻译》app 现在支持全局浮窗翻译，聚合翻译，多种翻译源切换，支持自定义api。有需要的朋友可以下载体验～

Paidax

137,782 görüntüleme • 1 yıl önce

今天我又给 Para翻译研究了一种新的玩法，悬浮窗不止可以用来翻译，还可以当做全局的答题助手，配合快捷指令，你可以在任意 APP 内快速获得答题结果，配合学习通，你可以无障碍完成考试。

今天我又给 Para翻译研究了一种新的玩法，悬浮窗不止可以用来翻译，还可以当做全局的答题助手，配合快捷指令，你可以在任意 APP 内快速获得答题结果，配合学习通，你可以无障碍完成考试。

Paidax

20,560 görüntüleme • 1 yıl 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

我平时挺爱学习的，但大多技术的资料是外语，而且我不爱看文字喜欢看视频学习，苦于外语不好一直没机会好好学习，不久之前看到一个开源项目全自动视频翻译,还可以多角色 AI 配音、声音克隆等内置了很多模型，阿里的字节的谷歌的openai的等等非常多，我自己试了一下，我还特地搞了个克隆的声音，但效果好像不是很好。我也不是没找过一些付费的，要知道一些学习视频可能长达1~2小时甚至4~5小时，转一次视频不但要几天而且要几千块钱，真的搞不起。我把这个项目链接贴出来,有兴趣的可以看看，如果有更好的视频翻译工具可以推荐给我:

我平时挺爱学习的，但大多技术的资料是外语，而且我不爱看文字喜欢看视频学习，苦于外语不好一直没机会好好学习，不久之前看到一个开源项目全自动视频翻译,还可以多角色 AI 配音、声音克隆等内置了很多模型，阿里的字节的谷歌的openai的等等非常多，我自己试了一下，我还特地搞了个克隆的声音，但效果好像不是很好。我也不是没找过一些付费的，要知道一些学习视频可能长达1~2小时甚至4~5小时，转一次视频不但要几天而且要几千块钱，真的搞不起。我把这个项目链接贴出来,有兴趣的可以看看，如果有更好的视频翻译工具可以推荐给我:

米斯特姚

12,976 görüntüleme • 4 ay önce

我们作为程序员可能过于关注 AI 在编程方面的能力了，刚刷到这个抖音视频，其实用 Gemini3 的live功能来练英语口语已经能做到这样了吗？太强了吧，这可能会搞死所有的英语学习类应用啊。

我们作为程序员可能过于关注 AI 在编程方面的能力了，刚刷到这个抖音视频，其实用 Gemini3 的live功能来练英语口语已经能做到这样了吗？太强了吧，这可能会搞死所有的英语学习类应用啊。

大帅老猿

228,522 görüntüleme • 7 ay önce

推荐一款开源免费的剪藏神器， chat with docs。尝试了一段时间，页面元素多选的体验做的很棒，据说后期可以将微信读书的笔记也导入进来，比较期待；另外，这个工具还自带了划词翻译功能，感觉又可以少装一个翻译插件了😄 插件的完成度比较高，正在学习如何制作 Chrome 插件的同学，可以扒一扒源码，参考下，这个项目是开源的。你也可以直接向仓库提交 PR，帮助它完善和改进。

推荐一款开源免费的剪藏神器， chat with docs。尝试了一段时间，页面元素多选的体验做的很棒，据说后期可以将微信读书的笔记也导入进来，比较期待；另外，这个工具还自带了划词翻译功能，感觉又可以少装一个翻译插件了😄 插件的完成度比较高，正在学习如何制作 Chrome 插件的同学，可以扒一扒源码，参考下，这个项目是开源的。你也可以直接向仓库提交 PR，帮助它完善和改进。

Barret李靖

106,725 görüntüleme • 2 yıl önce

前几天谷歌发布了他们的开源模型Gemma4，完全免费！我在手机上下载了适用于移动端的E2B，完全不联网的状态下居然可以迅速回答问题，语音输入，图片识别，还有个小种菜游戏可以玩，感觉对普通人帮助很大，比如出国玩刚落地没网语言不通的情况下，手机里还有个AI可以救你。有研究/编程能力的26B和31B我没下载，对内存和GPU有一定需求，我目前直接在我的AI助手starchild上测试，感觉更方便

前几天谷歌发布了他们的开源模型Gemma4，完全免费！我在手机上下载了适用于移动端的E2B，完全不联网的状态下居然可以迅速回答问题，语音输入，图片识别，还有个小种菜游戏可以玩，感觉对普通人帮助很大，比如出国玩刚落地没网语言不通的情况下，手机里还有个AI可以救你。有研究/编程能力的26B和31B我没下载，对内存和GPU有一定需求，我目前直接在我的AI助手starchild上测试，感觉更方便

Jingyuan缘缘

38,047 görüntüleme • 2 ay önce

今天我们的新产品 FlowSpeech 正式发布 FlowSpeech 是全球第一个书面语转口语的 TTS 可以读网页，可以念小说，可以讲PPT，还能翻译外语。它是你的 AI 嘴替，随时替你说话。这听起来非常不炸裂，但它却是基于我们真实的用户的真实痛点所做的有用的小产品。为什么在行业都在吹概念，追模型，卷 Agent 的时候，我们选择花一点时间做一个这样的小产品呢？作为 AI 应用公司，我们当然希望自己成为天空中的独角兽。但做产品的本质，是帮助一个个真实的人。 FlowSpeech 的需求来自一位80岁的美国老人，这是他的故事。👇

今天我们的新产品 FlowSpeech 正式发布 FlowSpeech 是全球第一个书面语转口语的 TTS 可以读网页，可以念小说，可以讲PPT，还能翻译外语。它是你的 AI 嘴替，随时替你说话。这听起来非常不炸裂，但它却是基于我们真实的用户的真实痛点所做的有用的小产品。为什么在行业都在吹概念，追模型，卷 Agent 的时候，我们选择花一点时间做一个这样的小产品呢？作为 AI 应用公司，我们当然希望自己成为天空中的独角兽。但做产品的本质，是帮助一个个真实的人。 FlowSpeech 的需求来自一位80岁的美国老人，这是他的故事。👇

Orange AI

475,460 görüntüleme • 10 ay önce