#开源语音识别
共 11 篇相关文章
·7 分钟
Gemini 3.5 Transcribe：谷歌智能语音转录模型全面解析
深入解析谷歌最新发布的Gemini 3.5 Transcribe语音转录模型，了解其智能转录、精准识别的核心能力，以及在会议记录、字幕生成、客服质检等场景的应用价值与竞争优势。
阅读全文 →
·15 分钟
OpenMontage：开源智能体视频制作系统深度解析
深度解析GitHub热门开源项目OpenMontage，全球首个智能体化视频制作系统，集成12条生产流水线、100+工具和700+知识文件，将AI编程助手变为完整视频制作工作室。
阅读全文 →
·14 分钟
AI Group Call：六个AI同时语音开会为你出谋划策
AI Group Call 让六个AI角色在语音会议中轮流发言、相互辩论，为你提供多角度决策建议。支持即时打断、自动转录总结和持续对话，探索多智能体协作的全新交互范式。
阅读全文 →
·16 分钟
Attyn：把AI直接带到光标位置的Mac效率神器
Attyn 是一款 macOS 嵌入式AI工具，支持原地改写文本、实时语音转文字、屏幕内容问答和可视化解释四大功能，无需切换应用即可调用AI能力，支持自带API密钥和本地模型运行。
阅读全文 →
·18 分钟
本地部署AI模型入门：从Hugging Face下载到llama.cpp运行全流程
面向零基础开发者的本地AI模型部署指南，涵盖从Hugging Face安全下载模型、运行推理、导出GGUF格式并通过llama.cpp高性能本地运行的完整流程，附开源Python脚本实践。
阅读全文 →
·9 分钟
藏汉双语字幕自动生成：技术路径全解析
详解藏汉双语字幕自动生成的完整技术方案，涵盖藏语语音识别(Whisper/wav2vec)、藏中机器翻译(NLLB)、时间轴对齐与字幕导出，为低资源语言内容创作者提供可落地的工作流指南。
阅读全文 →
苹果SpeechAnalyzer vs Whisper：速度、准确率与隐私全…
·6 分钟
苹果SpeechAnalyzer vs Whisper：速度、准确率与隐私全面测评
苹果WWDC 2025发布SpeechAnalyzer API，主打设备端本地运行、零延迟、免费。本文深度对比SpeechAnalyzer与OpenAI Whisper在转录准确率、处理速度、隐私保护和跨平台能力上的差异，帮助开发者选出最适合自己场景的语音识别方案。
阅读全文 →
观点碰撞·6 分钟
户外编程：Touch Grass与Build Things可以兼得
当AI编程助手让开发者摆脱办公桌束缚，户外编程成为新趋势。探讨如何借助云端IDE、语音编程等工具，在自然环境中保持创造力与生产力的平衡。
阅读全文 →
·6 分钟
Home Assistant：开源方案终结智能家居碎片化困局
智能家居品牌各自为战，设备互不相通？Home Assistant作为开源智能家居中枢，支持2000+集成，本地化运行不依赖云端，将碎片化生态统一管理，从极客玩具进化为大众可用的解决方案。
阅读全文 →
教程攻略·12 分钟
Whisper本地部署教程：手把手搭建免费语音转文字工具
详细图文教程教你在本地部署OpenAI Whisper语音识别工具，涵盖Conda环境配置、PyTorch安装、模型选择到实际转录操作全流程，支持近百种语言，免费生成SRT字幕文件。
阅读全文 →
深度解读·5 分钟
视频转文字开源工具：字幕提取+Gemini AI听写双模式方案
介绍开源项目claude-skill-video-transcribe，支持YouTube、B站和本地视频转文字。采用优先提取字幕、无字幕时Gemini 2.5 Flash AI听写的双路策略，Python开发，高效实现视频内容转录。
阅读全文 →