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 ...


一款无数据库在线笔记 Flatnotes

在我的 TODO List 里面很久之前记录了一下 Flatnotes,正好今天抽空整理了一下, Flatnotes 是一个开源的,自托管的、无数据库的笔记 Web 应用程序,Flatnotes 使用 Python 和 Vue 的技术栈,利用文件夹存储 Markdown 文件。它提供了一个简洁高效的平台,适合个人知识管理项目。 什么是 Flatnotes? Flatnotes 是一个轻量级的笔记应用,专为那些喜欢使用 Markdown 格式记录学习笔记、技术心得和读书感悟的用户设计。它的主要特点包括: 自托管:用户可以完全控制自己的数据,确 Read more ...


最近文章

  • Google Code Wiki:让 GitHub 仓库秒变代码百科全书 之前 Devin 团队推出了一款 DeepWiki 的网站,可以用来解释 GitHub 的代码仓库。今天偶然发现 Google 也推出了类似的产品,叫做 Code Wiki。
  • Typeless: 又一款 macOS 上的 AI 语音输入利器 看过我博客的人会发现,我在这半年的时间里面体验了非常多的语音转文字工具,可以说,这样的工具极大地提升了我的生产效率。不仅搭配 Obsidian 可以更快地写笔记,搭配 Claude Code 等编程工具也可以让我更快地输入提示词。体验到后面,遇到类似的产品,我一般也不会单独地出一篇文章,但是今天体验完了 Typeless,我觉得它值得写一篇文章,单独介绍一下。
  • Gemini CLI 使用小技巧 本文记录 Gemini CLI 使用过程中一些容易被忽略的问题,以及使用小技巧。
  • 在 Obsidian 中使用 Gemini CLI 从 2020 年开始使用 Obsidian 算起,到今天也已经快 5 年了,这个过程中我将过去将近 10 年的笔记,包括 Evernote,WizNote 中的笔记,豆瓣上的笔记全部转成了 Markdown 保存到了本地,后来陆陆续续使用的比如 [[Voicenotes]] 也都转成 Markdown 存如 Obsidian。虽然过去纪念陆陆续续在整理,但是实际上每天添加到笔记库中的内容要远多于要整理阅读的内容,笔记仓库也是越来越大,所以我越来越想使用一个工具可以帮助我真正地理解我写下的东西,并且在我想使用的时候能快速的找回。
  • Z-Image-Turbo 高性能 AI 图像生成模型 Z-Image-Turbo 是由阿里巴巴集团开发的高性能图像生成模型,基于 Z-Image 原始版本进行了深度蒸馏和强化学习。 这个模型采用了 6B 参数的轻量级设计,但能够在保证质量的前提下,实现闪电般的生成速度。