利用 macOS 的 LiveText 轻松复制视频文字实现观看韩综

前两天我录制了一期视频讲述如何通过 MemoAI 这样的语音转文字的应用来自动通过音频转写文字,然后变成字幕来观看韩综《思想验证区域:The community》,其实那一期视频主要是为了介绍软件应用的,所以就以我正在观看的韩综做了一个例子,但是其实制作字幕的时候我也知道,这一个综艺比较特殊,因为其中有很长的一段「讨论」,里面的参与者是通过匿名在线聊天室的方式录制的,所以整个综艺会有相当长的一段时间是没有人说话,而是大家都在打字进行辩论的!那么语音转文字就变得鸡肋了。所以这个地方字幕组也是非常辛苦,需要将视频中的字幕一个个取出来然后进行翻译叠加到视频里面 Read more ...


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 ...


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 ...


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 ...


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 ...


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 ...


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 ...


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 ...


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 ...


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 ...


最近文章

  • 将 Obsidian 配置成私人 AI 知识库 前两天介绍过腾讯推出的个人知识库工具 IMA.Copilot,但是熟悉我的人肯定知道我这几年了一直都是在使用 Obsidian 作为我个人的知识库的,在本地完全使用 Markdown 作为文档的存储格式,不依赖任何的外部工具,以及联网工具,只使用 Syncthing 作为同步。
  • 腾讯推出个人知识库产品 ima.copilot 前两天看到腾讯推出一个个人知识库产品 ima,融合了 DeepSeek,可以直接搜索知识库中的内容,还可以上传文档回答,所以今天就来体验一下这个新产品 ima。
  • 2025 苹果开发者帐号注册记录 最近开发了一款 Aki 日语词典想要上架 iOS,但是发现 Apple 开发者帐号注册却是比较麻烦,主要是我平时使用的 Apple ID 不在国区,手机一直使用的是美区帐号,还有一个日区的帐号用来下载日区的应用,所以导致 Apple ID 和绑定的手机号都非常混乱,我本来想注册美区的帐号,因为本来就是手机登录的帐号,但是过不去认证,所以想要去注册国区的帐号,可是我的 macOS 和手机没有一个有国区帐号的登录,利用网页版本注册的时候也发生了不明错误(We are unable to process your request. An unknown error occurred.),根本没有提供任何有效的信息,最后尝试用日区的 Apple 帐号注册,可是下载了 Developer 应用,登录日区帐号,Enroll 按钮显示灰色!这种错误也是第一次见到,不过好在这一次,我可以通过网页来联络客服,等了两天之后从客服那边获得了一点有效信息。
  • 国产大语言模型 DeepSeek 初识 之前的文章和视频里面介绍了很多国外公司发布的 AI 模型,从 OpenAI 发布的 GPT-3, GPT-3.5 Turbo,GPT-4 Turbo,GPT-o1,o1-mini,4o 等,到 Anthropic 发布的 Claude 3 Opus, Claude 3.5 Sonnet ,Claude 3.5 Haiku,再到 Google 发布的 Gemini 1.5 Pro,Gemini 2.0 Flash 等,以及在这些模型基础上开发出来的很多产品应用,ChatGPT,Claude,Gemini 等。但是最近有有一家国内创业公司接连发布了 DeepSeek V3 模型,DeepSeek R1 模型,这是一个可以媲美 OpenAI 和 Google 等公司最新 AI 模型的开源模型。
  • Google 发布的以图生图工具 Whisk 之前介绍过 Google 发布的在线笔记 NotebookLM ,也介绍过 Google 发布的知识学习 Learn About ,Google 虽然在 AI 上落后了 OpenAI 一节,但是内部的各个团队一直都在探索 AI 的不同能力。今天要介绍的就是 Google 刚推出的图片生成工具 Whisk,Whisk 和其他图片生成模型 [[DALL E3]]、 [[Stable Diffusion]] 、[[Midjourney]] 有所不同,抛弃了通过文字生成图片的模式,而是通过图片和图片组合,合成来生成新的图片。