hunter

Faster-Whisper是Whisper开源后的第三方进化版本，它对原始的 Whisper 模型结构进行了改进和优化。这包括减少模型的层数、减少参数量、简化模型结构等，...

近日，Bert-vits2发布了最新的版本2.3-final，意为最终版，修复了一些已知的bug，添加基于 WavLM 的 Discriminator（来源于 Style...

😀 一直有音视频转文字，然后做笔记或总结的习惯，两年前写了一个字幕提取工具，破解了第三方语音转文字APP的API，用脚本批量调接口来提取。当时掏了98买了两年服务，前阵子...

1、AnimateAnyone AnimateAnyone 项目是由阿里巴巴智能计算研究院开发，你只需提供一个静态的角色图像（包括真人、动漫/卡通角色等）和一些动作、姿势（...

中英文混合输出是文本转语音(TTS)项目中很常见的需求场景，尤其在技术文章或者技术视频领域里，其中文文本中一定会夹杂着海量的英文单词，我们当然不希望AI口播只会念中文，Be...

原以为 LLM 很难，但其实可以很简单，比如 Flowise 拖拽拖拽就能出来一个 LLM 流程，非常简单你的 LLM 就可以 run 起来了。同样的 web-check ...

制作双语字幕的方案网上有很多，林林总总，不一而足。制作双语字幕的原理也极其简单，无非就是人声背景音分离、语音转文字、文字翻译，最后就是字幕文件的合并，但美中不足之处这些环...

一个开源的视频翻译和配音工具，可将一种语言和发音的视频，处理后变为另一种语言发音的视频，并嵌入该语言字幕。比如有一个英文电影，发音是英文，使用这个工具处理后，可以转成带中文...

在这篇文章中，我们将深入探讨如何结合Gradio库和OpenAI API，创建一个功能丰富的音频处理应用。通过本指南，你将学会如何利用这些强大的工具，实现音频转文本、文本处...

本文介绍了一个Web端短视频应用，致力于为用户提供交互友好、功能完备的短视频浏览体验和直播体验。 集成了Gorse推荐算法，旨在为用户提供更个性化的推荐视频流和更权威的热门...

君不言语音识别技术则已，言则必称Whisper，没错，OpenAi开源的Whisper确实是世界主流语音识别技术的魁首，但在中文领域，有一个足以和Whisper相颉顽的项目...

在本文中，我们将使用 OpenAI 的 Whisper 以及 React、Node.js 和 FFmpeg 构建一个语音转文本应用程序。该应用程序将获取用户输入，使用 Op...

使用 🤗 Transformers 为多语种语音识别任务微调 Whisper 模型 本文提供了一个使用 Hugging Face 🤗 Transformers 在任意多...

背景 之前和同事看到了 B 站上一些有关语音合成的视频，B 站的 up主演示了用自己的音频素材训练成特定模型，然后就可以自动给小说配音，效果还是挺不错的。 演示视频在这里：...

前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。这些视频很多都出自一个名叫「HeyGen」的 AI 应用之手。不过，从 Hey...

Open AI 推出的 Whisper 是一个通用语音转录模型，在各种基准和音频条件下都取得了非常棒的结果。最新的 large-v3 模型登顶了 OpenASR 排行榜，被...

前言 去年年底 ChatGPT 的横空出世，在极短的时间风靡全球。一时间，OpenAI 也因为开发并推出了 ChatGPT 成为了全球瞩目的公司。ChatGPT 就像是一条...

本文主要介绍 Rust UI 框架 Slint 的实践示例，使用 Rust 和 Slint GUI 套件制作一个小型 GUI 应用程序：一个简易计算器。...

喊上章鱼哥和蟹老板，我们一起去抓水母吧，“水母动画” 是我参加HarmonyOS【挑战赛第三期】的参赛作品。...

10月30日，昆仑万维宣布开源百亿级大语言模型「天工」Skywork-13B系列，并罕见地配套开源了600GB、150B Tokens的超大高质量开源中文数据集。...