转录相关技术文章

php mysql shell go vue css api接口对接支付接口对接

SoulX-Transcriber 开源：端到端多人对话转录，社交对话场景 DER 低至 1.32%

SoulX-Transcriber 开源：端到端多人对话转录，社交对话场景 DER 低至 1.32%
2026-09-12 09:53:16
SoulX-Transcriber 是 Soul App 联合西北工业大学 ASLP@NPU 与 Moonstep AI 开源的端到端多人对话转录模型：统一框架直接输出带时间戳、说话人身份与文本的结构化结果，处理重叠发言、快速切换、同性别混淆更自然；在 AISHELL-4、AliMeeting 等基准大幅超越 Gemini 3.1 Pro 等闭源模型，社交对话场景 DER 低至 1.32%。
SoulX-Transcriber 语音识别多人对话端到端 Soul 播客转录社交多说话人专注

pyVideoTrans 开源：外文视频一键变中文，语音识别+翻译+配音+合成全自动

pyVideoTrans 开源：外文视频一键变中文，语音识别+翻译+配音+合成全自动
2026-09-12 09:52:30
pyVideoTrans 是 17.6K Star 的开源视频翻译工具：上传视频自动完成语音识别、字幕翻译、AI 配音与音视频合成四阶段流水线；集成 F5-TTS、GPT-SoVITS 等零样本声音克隆保持原声音色，支持多说话人识别分配不同配音角色，每阶段可暂停手动校对；Windows 提供免配置安装包，支持本地与在线模型/API 灵活切换。
pyVideoTrans 视频翻译 AI配音字幕声音克隆配音转录 B站

faster-whisper：Whisper 推理提速 4 倍、显存砍半的 CTranslate2 实现

faster-whisper：Whisper 推理提速 4 倍、显存砍半的 CTranslate2 实现
2026-09-12 09:46:57
faster-whisper 基于 CTranslate2 重写 OpenAI Whisper 推理引擎：13 分钟音频转写从 2 分 23 秒降到 59 秒（批量模式 16 秒），显存占用降低约 38%，内置 Silero VAD 防幻觉，API 与官方版几乎一致，迁移只需改几行代码。
faster-whisper Whisper 语音识别 CTranslate2 量化转录显存

Scientific Agent Skills：163 个科学研究 Agent 技能，从基因组学到时间序列预测

Scientific Agent Skills：163 个科学研究 Agent 技能，从基因组学到时间序列预测
2026-09-06 10:14:38
K-Dense AI开源Scientific Agent Skills，包含163个即用型科学研究技能，覆盖癌症基因组学、千人基因组查询、调控序列预测、病原体变异监测、PK/PD建模、生物医学文献检索、药物靶点结合、分子动力学、RNA速度、微生物组、地理空间科学、时间序列预测等领域。已从仅支持Claude扩展为兼容任何Agent Skills标准的AI Agent。配套K-Dense BYOK桌面应用，自带API密钥，40+模型可选，数据本地保留。论文发表于arXiv:2609.00065。
Scientific Agent Skills AI Agent 科学研究基因组学药物研发开源 Agent Skills K-Dense 科研转录动力学

Hermes Agent：Nous Research 开源的自我改进 AI Agent，内置闭环学习系统

Hermes Agent：Nous Research 开源的自我改进 AI Agent，内置闭环学习系统
2026-09-06 08:51:44
Hermes Agent是Nous Research开源的自我改进AI Agent，具备内置学习循环：从经验中创建技能、使用中自我改进、主动持久化知识、FTS5全文搜索历史对话、Honcho辩证用户建模。支持多模型后端（Nous Portal/OpenRouter/OpenAI/自定义端点），可在5美元VPS到GPU集群间灵活部署，通过单一网关接入Telegram/Discord/Slack/WhatsApp/Signal/CLI。内置cron调度器和全功能TUI，兼容agentskills.io开放标准。
Hermes Agent Nous Research AI Agent 自我改进学习循环开源多模型 Telegram 转录

Papacito OS：本地转录+图片OCR+搜索，开源AI第二大脑有点实用

Papacito OS：本地转录+图片OCR+搜索，开源AI第二大脑有点实用
2026-06-20 13:43:05
Papacito OS 是一个本地优先的个人知识系统，基于 whisper.cpp 本地语音转文字 + Tesseract 图片 OCR + SQLite 关键词搜索。100% Local，适合会议录音、截图、白板、零散笔记整理。
AI 第二大脑本地优先知识管理转录 OCR 语音转文字开源 Next.js whisper.cpp Tesseract

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 python sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调