mortimer

最近，我一直在探索本地化、高性能的 AI 应用。今天分享我封装的一款极简桌面应用：一个支持中英混合的实时语音转文字（STT）工具。它完全在本地运行，延迟低，且能自动添加标点...

实时语音转文字，比如会议记录、课堂笔记，这类功能现在很常见，也是很多人感兴趣的热门方向。 那么想不想动手部署一个开源、好玩的实时转录项目 —— WhisperLiveKit...

如果你正在寻找一个完全免费、在自己电脑上运行、并且转录效果顶尖的语音转字幕工具，那么你来对地方了。 这份教程会手把手带你完成所有设置，过程非常简单！ 第一部分：准备工作（如...

uv 是一个极其出色的 Python 项目和虚拟环境管理工具。通过简单的 uv run <你的脚本.py> 命令，它就能在后台自动下载所需的 Python 版本并配置好运行...

是否曾为录音中的背景噪音而烦恼？上次介绍过使用ffmpeg一行命令进行降噪，虽然非常简单，但效果可能不尽如人意。 今天，再介绍一种更专业、更强大的降噪方案——利用阿里达摩院...

本文将分享一个用于音频源分离（特别是人声与伴奏分离）的自动化脚本和工作流。该方案利用了 audio-separator 库、FFmpeg 进行媒体预处理，并通过 uv 实现...

AI视频翻译已自动化语音识别→翻译→语音合成→字幕嵌入，但口型不匹配的“违和感”仍会破坏沉浸。口型同步（Lip Sync），是视频翻译的“最后一公里”——看似短，却障碍重重...

无论你是视频创作者、后期工程师，还是仅仅想压缩一个网络视频，都无法回避视频编码。我们永远在**画质...

MP4 不是视频，是“盒子” 很多人以为 MP4 就是视频，其实它是容器，像一个快递箱，里面可以装： 视频流 → 通常是 H.264（AVC） 音频流 → 通常是 AAC ...

在使用Python开发桌面应用时，PySide6是一个当前比较主流的选择 (应该是吧?我是JSer不太清楚，但至少选型时GPT是这么和我介绍的)，特别是结合QML (QML...

文章介绍了H264编解码器的原理，图像组织结构，编解码时的主要流程，I/P/B/SI/SP帧类型等，以及H264中的NALU数据结构，SPS、PPS、SEI参数集类型等。...

为什么要做一个 ASS 样式编辑器？ 在视频翻译、字幕制作、AI 配音后处理等场景中，ASS（Advanced SubStation Alpha） 是事实上的工业标准字幕格...

如果你曾被这些问题困扰，那么这篇文章就是为你准备的。我将用最清晰的逻辑和最易懂的语言，一次性讲透关于字幕的所有核心知识。 第一站：先懂最核心的区别 —— 软字幕 vs. 硬...

多语言的视频转换翻译，最大的难点是声音、画面、字幕对齐，不同语言的语速和表达习惯差异巨大，一句3秒的中文，翻译成英文可能需要4秒，即便同种语言，不同发音人，所需时长也不同。...