dotNET跨平台 ·

4.8K Star!本地语音转文字神器Vibe:基于Whisper离线转录,支持GPU加速+字幕导出

📝

内容提要

支持音频视频转录、从YouTube等网站直接转录、批量处理、字幕导出等功能,内置GPU加速(支持Nvidia/AMD/Intel),还能用Claude...

🏷️

PersonaPlex - 一种构建低延迟全双工语音对话系统的框架……
PersonaPlex是NVIDIA推出的实时语音对话框架，支持全双工交互和角色控制，适用于客户服务和虚拟主持人等场景。其特点包括低延迟音频流、可定制助手...
为什么AI 语音技术正在成为媒体平台的核心基础设施
语音技术正逐渐成为媒体平台的基础设施，AI语音实现音频动态生成，提升无障碍功能，降低成本，并支持多种输出模式。未来，语音将被视为数据，融入内容设计，成为媒...
微软发布 VibeVoice-ASR：一种统一的语音转文本模型，旨在一次性处理长达 60 分钟的音频
微软推出了VibeVoice-ASR，一个开源的语音转文本模型，支持最长60分钟的音频处理，输出结构化文本，包括“谁”、“何时”、“什么”。该模型允许用户...
在AMD GPU上构建混合模型与vLLM-SR
我们正在构建混合模型（MoM）系统，以提升大型语言模型（LLM）的集体智能。核心问题包括捕捉请求与响应信号、优化模型协作和确保系统安全。通过vLLM语义路...
记录一次 AMD GPU 导致的桌面卡死及修复方式
AMD GPU 导致桌面频繁死机，确认是 Panel Self Refresh (PSR) 功能的已知 bug。通过修改内核参数并重启系统，成功禁用 PS...
Casio teased a retro gaming-inspired sampler
Casio showed up to NAMM (CES for music gear nerds) this year with a prototype...