OpenAI 的 Whisper 以及相关模型和项目

自动语音识别技术 （Automatic Speech Recognition，简称 ASR）最近得到了非常大的提升，这个技术允许计算机通过识别语音将其转录成文本，在日常生活中有着非常广泛的应用，比如各类语音助手，Siri，Google Now ，Alex 等等。 另外还有一项技术是通过文字生成语音（Text to Speech，简称 TTS），这一项技术在前两年听书的时候经常会用到，但是之前的语音合成的效果非常不好，但是这两年的发展越来越听不出来是机器了。 而现在要说的是 OpenAI 在语音识别技术上推出的 Whisper 模型，并且随着 Whisp Read more ...

2024-09-05 whisper , openai , whisper.cpp , faster-whisper , funasr , distil

信银国际大湾区双币信用卡开卡及使用

信银国际大湾区双币信用卡是中信香港（信银国际）发行的一张双币信用卡，专为经常往返大湾区的人士设计，支持人民币和港币签账。 9 月 11 号应用内申请，9 月 12 号拨打客服电话，获取了邮件，并提交身份材料到邮箱，9 月 15 号收到 CNCBI GBA DC CARD 申请获批的邮件，9 月 23 号 EMS 收到卡片。 权益 人民币签账高达 10%现金回赠及免外币签账手续费。 指定大湾区酒店以及高铁折扣 永安旅游 9% 的立减折扣。 高铁，满 200 HKD 享有 20 HKD 折扣。 指定商户消费立减 迎新礼遇 Read more ...

2024-09-04 citic , hongkong , hongkong-credit-card , credit-card

MemoAI 一款跨平台的语音视频转文字工具

MemoAI 是一款 AI 驱动的音频，视频转文字的工具，集成了高精度的语音识别技术，能够处理多语言的语音转文本，并且支持翻译成多语种字幕。 前两天介绍过一款 macOS 和 iOS 上的实时字幕生成的播放器 YPlayer，但是实际测试下来 YPlayer 虽然可以支持实时字幕，但是 YPlayer 并不能很好的支持字幕翻译，并且在一些小语种方面 YPlayer 识别准确率还有待提高，但是 MemoAI 可以通过加载更精确的模型，通过 AI 转写，提高识别的准确率以及通顺程度。 MemoAI 特别适合用于教育讲座，会议记录，媒体制作等领域。 Read more ...

2024-09-03 memoai , ai-transcript , audio-to-text , audio-transcript , transcript , subtitle , language-learning , ai , audio

关于懒猫微服的一点想法

这两天在 X 上看到一款非常有趣的产品「懒猫微服」，简单的了解了一下，定位是一款微型家用服务器。因为产品定位比较特殊，我也非常感兴趣，所以就做了一点点购买前的小小总结。顺便也给自己理一理思路，是否值得购买。 配置 Intel Core i5-1135G7 处理器，Intel 首款 AI 芯片，四核八线程，2.5GHz 主频，睿频 4.5GHz 西数 SN580 SSD 或三星 SSD 存储盘为东芝 2.5 寸机械硬盘 购买的理由 适合不折腾使用，打开安装，绑定账号即可使用，省去了自己安装系统，创建账号，然后还需要根据自己的需 Read more ...

2024-08-31 lazycat , nas , micro-server , homelab , home-server , adguard-home

开源的调查问卷 HeyForm

HeyForm 是一个开源表单，调查问卷生成器，允许任何人通过拖拽的方式设计调查问卷，测验等。无需任何编码技能，就可以快速生成一个美观的调查问卷。 HeyForm 是一个基于 JavaScript 开发的表单工具，提供了丰富的表单元素和模板，无需代码基础，只需要简单拖拽式操作，就可以轻松创建各种类型表单，比如调查问卷，订单收集，活动报名等等。 HeyForm 基于对话式的设计理念，将表单的每个问题都作为一个对话节点，我们可以根据自己的选择进行下一步操作，从而体验更加流畅的表单。 主要功能包括： 拖拽式表单设计界面，简单易用 丰富的表单元 Read more ...

2024-08-27 heyform , open-source , react , questionnaire , saas

YPlayer 一款支持本地生成字幕的播放器

YPlayer 是一款创新的视频播放器，专注于本地实时生成字幕，充分尊重用户的隐私。它不采集任何用户数据，也不会对外发送数据，确保用户的隐私安全。YPlayer 利用 macOS 的 Speech Recognition 和苹果的 CoreML 机器学习框架，实现了高效的语音识别和字幕生成功能。由于采用了 SwiftUI 的新特性，该播放器目前仅支持 macOS Big Sur (11.0) 及以上版本。 功能亮点 实时字幕生成：YPlayer 能够为每个视频本地实时生成字幕文件，支持多种语言，包括汉语（简体、繁体）、英语、日语、德语、意大利语 Read more ...

2024-08-26 yplayer , macos , ios , swiftui , speech-recognition , ai , ai-model , ai-transcript , transcript , subtitle , subtitle-transcript

几大 AI 识图能力对比

今天在群里面看到有人分享了一张截图，好奇心使然让我想要知道这个应用是什么，因为分享的截图上面没有显示应用的名字，所以我就想到了使用现在的 AI，所以我依次尝试了 Claude，Gemini，ChatGPT，Perplexity 。 Claude Claude 的回答完全错误。 Gemini Gemini 完全不知道是什么。 ChatGPT 最终还是 ChatGPT，可以准确的识别这个应用的名字，我搜索确认确实是这个叫做 Endel 的应用。 Perplexity Pro Perplexity Pro 自动使用了 GPT-4 Read more ...

2024-08-24 ai , claude , chatgpt , openai , gemini , perplexity , perplexity-ai , image , image-recognition

Yarn Workspaces 工作区

Yarn Workspaces 工作区是一种新的包管理方法，从 1.0 开始默认可用，它允许用户已工作区的方式只需要运行一次 yarn install 就可以安装所有的包。 Yarn Workspaces 是 Yarn 提供的 Monorepository 的管理机制，这使得我们可以在同一个代码库中管理多个项目，并且允许这些项目之间相互依赖，交叉引用。 为什么要有工作区的概念 如何使用 根目录下的 package.json { "private": true, "workspaces": ["workspace-a", "workspa Read more ...

2024-08-22 yarn , yarn-workspace , package , package-management , npm , javascript , frontend

Rust 编写的开源全文搜索引擎 Meilisearch

meilisearch 是一个使用 Rust 编写的全文搜索引擎，高性能，易用，可扩展。虽然之前使用过 [[Elasticsearch]]，但是如果自己要维护一个分布式的实例还是挺困难的，正好在我的笔记里面之前有记录下来 meilisearch，Rust 编写，效率高，占用低，就正好学习总结一下。 有一个项目自己的服务器跑了好几年，抓取了超过一千万条下载信息，PostgreSQL 已经不堪重负，经常查询一条数据需要好几秒的时间，单纯的使用 SQL 查询已经完全满足不了需求，也就正好使用 meilisearch 重构一下。 功能 高性能：Mei Read more ...

2024-08-21 meilisearch , elasticsearch , rust , search , index , open-source , docker

一款无数据库在线笔记 Flatnotes

在我的 TODO List 里面很久之前记录了一下 Flatnotes，正好今天抽空整理了一下， Flatnotes 是一个开源的，自托管的、无数据库的笔记 Web 应用程序，Flatnotes 使用 Python 和 Vue 的技术栈，利用文件夹存储 Markdown 文件。它提供了一个简洁高效的平台，适合个人知识管理项目。 什么是 Flatnotes？ Flatnotes 是一个轻量级的笔记应用，专为那些喜欢使用 Markdown 格式记录学习笔记、技术心得和读书感悟的用户设计。它的主要特点包括： 自托管：用户可以完全控制自己的数据，确 Read more ...

2024-08-20 flatnotes , markdown , docker , obsidian , obsidian-vault

电子书

本站提供服务

文章分类

最近文章

  • 突破 Claude Code 5小时限制：利用 GitHub Copilot 代理 Claude Code 请求 如果大家高频使用 Claude Code 进行代码对话和生成工作的话， 经常会遇到 5 小时的限制。 幸运的是，如果你已经订阅了 GitHub Copilot，现在有一个巧妙的解决方案：通过本地代理将 GitHub Copilot 的 Claude Sonnet 4 模型转换为 Anthropic API 格式，从而绕过 Claude Code 的使用限制，继续享受顶级的 AI 编程体验。
  • Claude Code PM 开源项目: 给你的 Claude Code 配置一位 PM 在我使用使用 Claude Code 过程中，借鉴 Kiro，我逐渐习惯让 Claude Code 编写一个产品设计书放在 docs 文件夹下， 然后我会仔细地审查这一份产品设计文档， 修改其中的不明确的点， 或者是说 AI 理解错误的内容， 然后再让 Claude Code 通过这一个产品设计书来实现完整的代码。然而今天我看到的一个开源项目 Claude Code PM ，则是将我上面实现的这一套文档驱动的开发流程转变成了更专业的，更符合团队业务需求的流程，并且引入了敏捷开发，项目管理中的重要概念，及时是一个人的项目，通过 Claude Code PM 的流程约束，我发现 Claude Code 的智能程度也提升了不少。
  • Whispering 开源离线的语音转文字应用 在之前的视频和文章当中，我给大家介绍过非常多语音转文字的应用， 有订阅制的 [[Aqua Voice]] ，[[Wispr Flow]] ，[[Voicenotes]]，[[VoiceInk]] ，[[superwhisper]] ，也有免费的 [[Spokenly]] ，在本地完全离线运行的 [[Tok]] 。 今天要为大家介绍的Whispering，正是这一领域的颠覆性产品——一个真正的开源、本地优先的语音转文字应用。
  • Crystal: 多 Claude Code 实例管理器 之前的视频当中介绍过了 Claudia，它是一个 Claude Code 的桌面管理器，它将很多 Claude Code 的终端功能迁移到了桌面版当中，它也支持在应用内直接和 Claude Code 进行对话，但是它缺少了一个核心的功能，那就是当我在同一个项目中开启不同的 Session 时，有可能产生冲突，为了避免这个问题，官方的解决办法是使用 Git worktree，在开发不同的功能时，使用不同的 Worktree 来隔离每一个 Cloud Code 的环境。 今天要介绍的 Crystal 就是这样的一款可以支持多个 Cloud Code 的桌面客户端，并且每一个会话之间相互隔离。
  • 解决 Claude Code 上下文丢失问题: claunch 项目会话管理 今天在使用 Claude Code 的过程，发生了一件非常沮丧的事情，我远程控制的 Claude Code 电脑忘记插上充电器，平时都是依靠连接的显示器进行充电的，昨天晚上将显示器关闭，导致使用的时候一直都是用的电脑的电池，于是在中午的时候，我通过 [[VibeTunnel]] 连接不上我的 Claude Code 了。并且 Claude Code 中执行的内容也中断了，最关键的是有一些上下文，如果重新再来，极有可能造成很大的不一致。

赞助