註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 AI转录
AI转录 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 AI转录 的搜尋結果
🚀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#
顯示更多
0
23
336
87
轉發到社區
开会记不全、视频做字幕累到吐?这 6 个 AI 转录、字幕、会议记录工具把语音转文字彻底自动化了。 1、Whisper —— OpenAI 开源的语音识别模型,本地跑永久免费,不限时长,音频还不用上传到云端,隐私党首选。装好就能把采访、播客、语音备忘全转成文字。 2、Otter —— 实时会议记录做得最顺的,能自动加入 Zoom、Google Meet、Teams,边开会边出带说话人区分的逐字稿。免费版每月 300 分钟。 3、Fireflies —— 同样能自动进会议录音,强在会后自动生成摘要和要点,开完会不用自己整理纪要。 4、Notta —— 云端转录,界面简单,处理短录音很顺手,中英文都支持。 5、Descript —— 创作者神器,转出文字后改文字就等于改音视频,删掉一句话视频里那段自动跟着删,剪播客效率翻倍。 6、通义听悟 —— 阿里出的国产选择,中文转录和会议总结都很准,免费额度够日常用。
顯示更多
hark - 原生开源的 macOS 本地音频录制与语音转文字工具 支持麦克风、系统音频和应用音频采集,并通过多种本地 AI 引擎完成转录,同时提供 CLI 和 Unix 管道集成能力。 👉
顯示更多
MioSub:开源 AI 字幕工具,自动完成视频转录、翻译与压制 👉
AI可穿戴设备再陷隐私争议:亚马逊Bee与Meta智能眼镜“始终监听”功能引发法律与信任担忧 据彭博社消息,Meta Ray-Ban 智能眼镜出现bug 多位用户在Reddit报告,眼镜在没有说“Hey Meta”唤醒词、且关闭了“无唤醒词响应”设置的情况下,仍然自动录音。 对话的音频和文字转录被保存到Meta AI应用里,部分用户还看到眼镜上的白色指示灯偶尔亮起。 Meta承认问题存在,并表示“已经修复”,但没有详细解释原因。用户可以在设置里查看、管理或删除这些语音记录。 亚马逊这边:推出的Bee系列始终监听设备,设计为全天监听,把对话转录、总结成待办事项、提醒等,帮助用户“回顾一天”。 亚马逊称:音频处理后会删除,不长期存储,且数据加密、只有用户能访问。 但隐私专家指出,即使不保存原始音频,只要持续接收并理解对话内容,在部分美国州(双向同意州)仍可能触及窃听法(wiretap laws),法律风险甚至可能落在佩戴者身上,因为旁观者没有同意。 今年以来,Apple、Meta、亚马逊以及一些创业公司都在推“始终监听/理解对话”的AI设备。这些产品把隐私边界从“唤醒词才录音”推进到“一直在听并总结”,引发了法律、伦理和用户信任方面的持续争议。Meta眼镜此前还因承包商审核到私密画面、集体诉讼等问题受到关注。
顯示更多
做外语视频字幕,最麻烦的往往不是转录,而是流程太碎🤡 MioSub :一款开源 AI 字幕工具,自动完成视频转录、翻译与压制 它把本地视频 / YouTube / Bilibili 导入、Whisper 转录、大模型翻译、术语提取、时间轴对齐、SRT/ASS 导出和字幕压制串成一个桌面端工作流 适合长视频、播客、课程和多语言内容处理 支持 Win / macOS / Linux
顯示更多
0
8
44
10
轉發到社區
Hermes AI Agent 注入超级能力的 Top 13 集成神器! 想让你的 Agent 从会聊天直接进化成能干活的超级助手?这些集成直接给它开挂!非技术人员也能一键变身AI赚钱机器,我亲自测过,效果爆棚🚀 1. Firecrawl 
专为Agent打造的网页搜索神器!
比Hermes原生搜索强太多:干净数据、响应超快、token消耗暴减。
我默认永远开着它,强烈推荐! 2. Browserbase 
给 Hermes 真实浏览器访问权限!
登录、点按钮、填表单、预约任何事,都能干。
Hermes会根据任务自动切换Firecrawl还是Browserbase,插上即用! 3. Google Workspace 
Gmail、日历、Drive、Docs、Sheets全打通!
Agent读不了你的邮箱、看不到日历、写不了文档?那就白瞎了。
第一优先级插这个! 4. Reddit 
想知道真实用户对任何产品、赛道、问题的吐槽?这里是金矿!
市场调研天花板,全是真人干货。 5. YouTube转录 
随便拉任何视频的字幕(长播客、教程、访谈全行)。
几秒变可搜索笔记,研究效率直接起飞!
可能是最高杠杆却最少人用的隐藏神器! 6. Discord 
我把整个生意都放在Discord上,这个对我来说是刚需。
插不同频道跑专属工作流:比如客服频道每天早上自动扫邮箱支持票据,整理好直接丢进来,效率拉满! 7. GitHub 
代码、Issue、PR全接入。
Hermes直接变你的工程队友!
写代码的人,必备! 8. Stripe 
支付、客户、失败扣款、退款一目了然。直接问“这个客户为什么流失”就能拿到真实答案。马上要出Agentic支付功能,以后Hermes还能直接用你的卡下单,期待ing! 9. Bland(或Twilio) 
给Hermes配上真实语音,能打电话预约、客服啥的。 我超爱听那些通话录音,笑死😂 10. Apify 
X、LinkedIn、Instagram、Google Maps等现成爬虫。 
不用花5000刀买官方API,就能轻松拿数据,太香了! 11. Readwise 
你以前从书、文章、推文、播客保存的所有高亮,全都能搜索查询。
彻底解决“死知识”问题,知识复用起飞! 12. Granola(或Fathom) 
所有会议录音转录都能搜索。
Hermes秒答:“上个月那个客户对定价说了啥?” 太实用了! 13. Obsidian 
Karpathy式LLM第二大脑狂人必备。
Hermes直接变你的个人知识库管家。 // 如果只能选5个,我直接上:Firecrawl + Browserbase + Google Workspace + GitHub + Obsidian 覆盖80%日常需求,够大多数人起飞了! 我全是用 Composio 一键添加的,零技术门槛,5分钟搞定,不用自己折腾代码。
顯示更多
0
10
147
37
轉發到社區
我用AI辅助写文章主要有四种方式。 第一种方式适用于我已经具备非常清晰想法的情况。我会打开手机自带的录音软件,以口语化的方式将想法完整表达出来。接着,我会将录音交给像Gemini这样的多模态AI,让它将内容转录成结构化的文章。这不同于简单的语音输入,而是语音识别与转录的结合,目的是利用AI去除口语化的表达、重复的词句以及错乱的逻辑结构,最终整理成流畅的文本。这篇推文就是这样产生的。 第二种方式针对的是我有相对清晰的想法,但需要AI协助查阅资料、添加引用并进行内容拓展的情况。通常我会先撰写一个几百字的内容框架,然后让AI据此展开,生成一篇几千字的文章。最后,我再对生成的初稿进行多轮的审核与精修。 第三种方式适用于我只有一个相对模糊方向的情况。我会通过与AI层层互动,在各个方向上逐步深入探讨。经过数十轮的对话,原本模糊、隐约的思考会被彻底显性化,话题的各个细节也能得到充分展开。当讨论进行到这一步时,我的想法已逐渐清晰,素材也储备完整。随后,我会结合前期的讨论整理出一个标题和大致方向,让AI围绕其组织文章大纲。大纲确认无误后,再交由AI拓展成完整的文章,后续同样是进行多轮的审查与精修。 第四种方式则是在起初并没有明确写文章的打算。我可能只是就某个话题或疑问与AI不断追问、展开探讨,但在交流的过程中,我发现讨论的内容极具价值,值得生成一份总结性的文章出来。这种情况下,最终生成文章的步骤与第三种方式基本一致。
顯示更多
$META 可能早已看清:个人AI代理真正的入口,不是键盘,而是语音 + 智能眼镜 我越来越认同一个判断:语音很可能会成为个人AI代理未来最重要的导航方式之一。 当AI真正从“你主动打开一个App去问问题”,进化成一个全天候陪伴你的个人Agent之后,键盘和屏幕都不再是最自然的交互方式。人不会愿意每次都掏出手机、打开应用、打字输入指令。真正自然的方式,是直接说话。 而 $META 很可能早就看到了这一点。 这也是为什么它持续投入实时语音理解、转录和音频感知模型。Muse Voice Transcribe 这样的实时音频模型,本质上并不只是一个更好的“语音转文字”工具,它真正重要的地方在于,让AI能够持续理解现实世界正在发生什么,并以极低延迟把声音转化成可以被Agent处理的上下文。 如果个人AI代理最终要做到真正有用,它必须拥有三种基本能力:听见你说什么、理解你正在看到什么,以及知道你此刻身处什么环境。 而 $META 甚至可能已经比很多竞争对手多走了两步,因为它不只有模型,还有智能眼镜。 这才是 $META 智能眼镜长期最值得关注的地方。 今天很多人仍然把它理解成“可以拍照、听音乐、接电话的眼镜”,但如果AI Agent继续快速发展,它完全可能变成个人AI连接现实世界最自然的硬件入口。 手机知道你输入了什么。 但眼镜可以看到你正在看什么,听到你正在听什么,同时通过语音知道你想做什么。 当这三种信息结合起来以后,AI就不再只是一个聊天机器人,而开始真正拥有现实世界的上下文。 你走进一家餐厅,它可以看到菜单并回答问题;你参加会议,它可以听取内容、理解讨论并整理重点;你看到一个陌生产品,可以直接询问它是什么;你旅行时,它可以理解周围环境并实时翻译;未来当Agent能够执行更多任务之后,你甚至不需要打开手机,只需要说一句话,它就可以在后台完成整个流程。 这也是为什么我认为,未来个人AI真正的竞争,可能不仅仅是谁拥有最聪明的大模型。 更重要的是: 谁拥有最自然的入口。 $META 的优势恰恰在这里。 它拥有数十亿用户的社交网络,拥有WhatsApp、Instagram、Facebook等巨大的分发渠道,同时拥有自己的AI模型、实时语音技术,以及已经真正进入消费者市场的智能眼镜。 把这些资产连接起来之后,逻辑就完全不同了。 AI模型负责思考。 语音负责交互。 智能眼镜负责看见和连接现实世界。 WhatsApp、Instagram和Facebook负责分发。 这才可能是 $META 真正想构建的个人AI生态。 现在的用户也许还没有完全走到这一步,因为多数人仍然习惯通过手机和屏幕与AI互动。 但技术发展的速度可能比我们想象得更快。 真正的转折点,很可能发生在AI Agent足够可靠、语音延迟足够低、智能眼镜足够轻便之后。到那个时候,人们可能突然发现: 手机并不是个人AI最终的形态。 真正的终极个人助理,可能一直戴在你的脸上,能够看到你看到的世界、听见你听到的声音,并通过最自然的方式——语音——随时与你互动。 如果这个方向最终成立,那么 $META 今天在智能眼镜、语音模型和AI Agent上的布局,就不是三个独立项目。 而是在提前搭建同一个未来入口。
顯示更多
💾 太强了,把 AI 的整个记忆库压进一个文件里 GitHub 已经封神,16.2K stars 给 AI 做知识库,通常要起一套:向量数据库一个服务,全文检索一个服务,元数据再放个数据库。开发时跑 Docker Compose,部署时三个组件挨个配,想把知识库拷给同事,得导出三份东西。 Memvid 把这些收进单个 `.mv2` 文件:文件头、预写日志、数据段、全文索引、向量索引、时间索引全在里面,拷贝一份文件就等于搬走了整个记忆库。检索能力一样不少,全文用 Tantivy 加 BM25,向量走 HNSW,本地嵌入跑 ONNX 模型,支持 BGE、Nomic Embed Text 和 GTE 系列。 核心是 Rust 写的,另外给了命令行工具、Node.js SDK 和 Python SDK。PDF 文本提取、图像嵌入、音频转录、加密这些都是可选特性,示例里有 CLIP 图像检索和 Whisper 音频转录。 顺带一提,它 v1 那套把数据编码进二维码的方案已经弃用了,现在这版务实得多。 好的抽象不是加一层,是把三层合成一个文件。 GitHub:
顯示更多
0
2
406
72
轉發到社區