跨平台音频转文本开源项目
Whisper是OpenAI开发的开源项目,使用whisper.cpp和FFMPEG将音频转换为WAV格式并提取文本。项目支持客户端和服务器端运行,无需互联网。目前代码和文档正在优化,接受捐赠以支持持续更新。适用于Android、Linux、Windows、iOS和macOS系统,安装和使用便捷,提供详尽文档和丰富资源。
Whisper是一个由OpenAI开发的开源库,其主要功能是将音频转换为文本,简单来说,就是帮助我们从音频内容中提取文字。这项技术在很多领域都有广泛应用,比如语音识别、字幕生成等。
Whisper项目目前支持多个平台,虽然并不是所有的平台都已实现,但它已经可以在Linux、Android和CLI等平台上运行。尚未支持的平台包括Windows、macOS、Web和iOS。
Whisper的目标是实现实时转录功能,目前暂未完全实现。最终版本将能够在多个平台上进行实时的语音转录,包括Android、Linux、macOS和CLI等。
Whisper将来还计划支持自动转录各种类型的音频和视频,不需要手动转换为特定的格式如wav。目前,这依然在开发中。
为了验证Whisper的功能,项目在多种设备上进行了测试,包括:
由于目前的开发设备有限,项目希望得到经济上的支持,以便能够在更多的设备和平台上进行开发测试。任何捐赠都将用于购买新设备,以加速软件的开发进度。
Whisper的代码此前版本存在混乱,所以项目负责人决定重写代码,以确保软件能够在多个平台上顺利运行,并支持来自于Whisper.cpp的最新功能。
Whisper主要依赖以下几个方面的技术实现:
Dart语言支持:通过借鉴whisper.cpp的CLI代码示例,开发者在Dart环境下实现了类似的功能。
Flutter支持:由于Flutter使用Dart语言,所以在Dart上实现的功能,同样能够在Flutter中表现良好。
Web与WASM支持:通过调整基础代码结构,实现将Whisper部署到Web端,虽然部分自动转换功能可能无法使用。
大多数类似的开源项目只是专注于某一特定平台,而Whisper的目标是跨平台支持。通过捐赠或关注项目社交媒体,您可以助力更快推出更新版本和增加平台支持。
虽然Whisper已经支持跨平台功能,但目前还没有在pub.dev上发布Dart相关的标签。开发团队在库中已添加Flutter支持,用户只需根据不同的平台调整导入部分即可。
项目遵循Apache License 2.0协议,用户可以在一定条件下自由使用和修改代码,但请务必注明原作者及项目的链接。
AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号