TwiScan
热门
社区
账号集合
登录
注册
English
日本語
한국의
简体中文
繁体中文
注册并分享邀请链接,可获得视频播放与邀请奖励。
立即注册
搜索结果
语音转文字
语音转文字 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含
语音转文字
的推特
ahhhhfs
@abskoop
2026.04.29 14:19
AI语音转文字
ahhhhfs
@abskoop
2025.09.21 10:45
🚀完全免费的AI语音转文字工具!支持100+语言和YouTube直接转录 🎧 播客/访谈转写利器,支持多说话人识别! 💡 不限格式,MP3/MP4/WAV 都能转文字! 👉 #
语音转文字
# #
AI工具
# #
AI转录
# #
字幕生成
#
显示更多
0
0
3
50
10
转发到社区
Gorden Sun
@Gorden_Sun
2026.10.29 14:08
NVIDIA 开源多功能语音转文字模型 Nemotron 3.5 Transcribe,以及配套的数据处理方案 Granary v2。 平时开会或者整理长录音时,普通语音识别工具往往只能把字打出来,分不清每句话是谁说的,遇到专业术语容易打错,也没法直接针对录音内容提问。 NVIDIA 通过将语音识别和语言模型结合,把听懂语音、区分说话人、翻译以及回答问题都放进了同一个模型里。使用者只需要用平常说话的方式给它下指令,比如“转录这段录音并标出说话人”或者“这次会议的核心内容”,它就能直接输出对应的结果;如果要识别冷门行业词汇,直接在指令里附上术语提示就行。 支持 40 种语言的转录,能同时区分最多 8 个说话人,甚至能处理长达一小时、多人抢话插嘴的复杂对话场景。在多项语音公开评测中,它的识别准确度和说话人区分能力都排在开源工具第一位。在专业医学场景测试中,配合针对性提示词后,专有名词的识别错误率大幅下降。 Hugging Face:
显示更多
0
0
4
10
1
转发到社区
千寻|AI 分享 🌸
@Crypto_QianXun
2026.08.23 03:10
一个工具搞定语音转文字、翻译、配音、字幕生成和声音克隆 还是免费开源的,在本地跑,不用上传数据 GitHub:
0
0
18
138
32
转发到社区
Ren
@Ryrenz
2026.08.07 17:40
🎙️ macOS 上的语音转文字外挂,全程离线,音频一个字节都不出电脑 刚开源不久就拿了 1.5K stars 做播客、开会录音、看视频想扒字幕,以前的流程是传到某个在线转录服务,等它处理,然后担心录音里的商业信息会不会被拿去训练模型。 yap 直接调用 macOS 26 自带的 Speech.framework 在本地跑,音视频文件扔进去就出文字,TXT、SRT、WebVTT、JSON 四种格式随便挑,JSON 还带词级时间戳,剪辑对轴特别方便。 更狠的是它能实时转写:系统音频和麦克风可以同时抓,还能分别给说话人打标签,等于开会时自动生成带角色的逐字稿。 它内置了 MCP 服务器,可以直接挂给 Claude Code 或者别的 Agent 当转录工具用。 软件以前是给人用的,现在是给 Agent 用的。 GitHub:
显示更多
0
0
2
1
0
转发到社区
ahhhhfs
@abskoop
2026.05.06 15:51
在用的语音转文字 API 都有单次时长限制? voice-to-text-tools :一款开源纯前端音视频转文字工具 支持在浏览器中对长音频自动分段,并调用讯飞语音听写 API 完成识别 无需自建后端服务器,API Key 保存在浏览器本地,不经过项目服务器
显示更多
0
0
40
16
3
转发到社区
Gorden Sun
@Gorden_Sun
2026.10.03 13:33
Whistle:超小的离线语音转文字 AI 模型。 最大的特点是体积小、速度快,整个文件只有 16.9 MB。 核心功能 本地运行: 语音识别全程在用户的设备本地完成,录音不需要上传到云端,在断网状态下也能使用,保护个人隐私。 多语言支持: 支持英语、德语、法语、西班牙语、意大利语、荷兰语和波兰语共 7 种语言,能自动识别说话者使用的语种。不支持中文。 单词时间: 模型不仅能听写文字,还能标出每个单词说出的精确时间点,最长支持单次输入 30 秒的语音。 性能表现 Whistle 主要依靠设备的普通处理器运行,启动响应只需 11 毫秒左右。和业内常见的同类大模型相比,它在保持体积小巧的同时,转写速度更快,在多项公开测试中的文字识别准确率也处在领先水平。 应用场景 因为极小的体积和极低的计算消耗,这个模型适合安装在手机、智能手表、家用电器、车载系统甚至小型机器人上。它可以配合 Cactus公司 现有的其他轻量工具,让普通智能硬件直接“听懂”人类的语音指令并触发相应操作。 Github:
显示更多
0
0
4
19
2
转发到社区
小弟调调
@jaywcjlove
2026.09.04 09:19
Sonor:隐私优先的端侧语音转文字与 AI 文本处理工具 由 MLX 驱动,全部在本地离线运行 👉
0
0
1
4
0
转发到社区
Randy Lu
@randyloop
2026.06.05 09:34
给 m5stick 写了个语音转文字,太好玩了
0
0
26
23
0
转发到社区
0xTodd (已深度思考0秒)
@0xTodd
2026.02.13 02:28
早上我测试了几个语音转文字输入法。 我已经苦苦找这种语音转文字工具很久了。因为我每天都要高强度码字,电脑端有键盘稍微还好点,尤其手机端,特别头疼。 准确率上:Typeless>豆包输入法>微信输入法>>苹果自带语音转文字。 速度上:豆包输入法=微信输入法>Typeless>>苹果自带语音转文字。 价格上:Typeless 每月 12U,其他都不要钱。 关于体验问题→ 除了苹果,准确率都在 90% 以上,体验非常非常,超乎意料地好。 真的。AI 时代就应该这么输入。AI 时代谁还在那里扣手机打字啊,是吧? 语音转文字,然后用文字告诉 AI 该干什么活,这是一个“最后一公里”问题。 我之前那个 iPhone 17 Pro 还是特意买的新加坡版本没买国行,目的就是想体验苹果的 AI。但是但凡你用过一次 Siri,就会觉得它听力有问题,智商也有问题。 真的。苹果的语音转文字太垃圾了:我问它问题的时候,听懂、听不懂也就一半一半吧。 其实我这个人说话,只要线下见过我的人都知道,我普通话水平还是非常高的,用苹果的智能没法我在那里字正腔圆地模仿播音员,最好 Siri 完全跑偏,就非常挫败。 关于隐私问题→ 接下来,豆包微信背景不需要我多介绍,作为研究员,咱们还是得 DD 一下,看看这个 Typeless 输入法到底是怎么回事。 先说团队情况:Typeless 看起来也是华人团队,应该是斯坦福背景,真格投了他们,算是中美联姻吧。 另外它号称数据都在本地保存,但我总觉得这就像那句话:不能“入宝山而空回”吧?这么大的素材它不可能不用。 保不齐未来某次更新,还是要把大家的输入当训练素材😂。 所以你用语音输入法的话,尽量别把敏感信息放进去。 基于这个考虑,我建议大家尽量装在苹果手机里。因为苹果的权限控制得比较死; 你要是装在电脑上(尤其 Windows)或者安卓系统,我怕权限过大。当然这也是来自 OpenClaw 的建议。 关于输入方式切换→ Typeless 有一点不太好:输入法装上之后(如图所示),如果你想临时手动输入一些东西,就没那么方便,还得先切换一下。 这件事有利有弊。微信和豆包输入法的好处在于:它们保留了传统键盘格式,只是把语音转文字作为功能之一。 我觉得 Typeless 的 UI 可能还有改进空间,比如: 现在 UI 上就是一个大大的话筒,最好旁边能有一些常用的英文键。因为有时候只想输入两三个字,也非得用语音转文字,感觉有点怪。 比如 5 个字以内,我觉得还是手打更快;但如果是长句子,那毫无疑问,语音转文字简直吊打手写。 关于“雪花写作法”→ 而且它还催生了一个新的写作方法,叫“雪花写作法”。 意思就是:你平常想到什么就直接说出来,攒够了一起让 AI 根据你的语录编篡为文章。 其实我很擅长动笔,但我也知道很多朋友没那么喜欢动笔,有时候用嘴说反而更自然、更方便。你平常没事就说,往备忘录里说话谁不会啊? 等你说够二十句、三十句,各个观点也都齐全了,就把这些观点直接丢给 AI,让它根据你的内容生成一篇文章。 这样生成的文章全是你的观点,而不是那种很傻、大家都不爱看的“AI 八股文”。我觉得让 AI 帮你整理语录,这个逻辑还是很 OK 的。 其他→ 另外有个忘说了,我刚下载时还有点困惑:它靠什么盈利?也没看到弹广告。 后面我看官网说可以升级 Pro 会员,升级后每月大概 12 美金,不便宜。对我这种重度输入文字的人来说,肯定能回本。 所以看到它收费,稍微放心了一点😂。要是它免费,那肯定(包的,对吧)会拿我的语音数据当训练素材。 当然,收费也不代表它就不会这么做,但至少我知道它的动机是为了赚钱。我觉得知道动机很重要。 哎呀,真是相见恨晚。
显示更多
0
0
10
17
1
转发到社区
ahhhhfs
@abskoop
2025.09.21 10:45
🚀完全免费的AI语音转文字工具!支持100+语言和YouTube直接转录 🎧 播客/访谈转写利器,支持多说话人识别! 💡 不限格式,MP3/MP4/WAV 都能转文字! 👉 #
语音转文字
# #
AI工具
# #
AI转录
# #
字幕生成
#
显示更多
0
0
23
336
87
转发到社区
加载中...