Verne in GitHub

使用 pyVideoTrans 自动进行视频翻译及配音

前两天分享过一款通过 macOS 本地芯片实时生成字幕的 [[YPlayer]] 播放器,也分享过通过 [[MemoAI]] 来生成双语字幕,后来来发现了一款叫做 Fig Player 的播放器,也可以通过 Whisper 模型来生成双语字幕,但是这一些工具的底层原理基本上都是通过 OpenAI 发布的 Whisper,以及其衍生的模型来完成音频转字幕的,这一个过程叫做 Transcript,但是今天要介绍一个更加强大的工具 [[pyVideoTrans]],这一款开源,免费的项目完全实现了上述所有的产品的功能,并且更加强大。 pyVideoTrans Read more ...


我购买了一台迷你主机零刻 SER8 8845HS

去年国家补贴看到迷你主机零刻 SER8 有非常大的折扣,AMD 8845HS 16GB 1TB 的版本补贴之后 2689.59 人民币,算还是比较划算,所以就买下了,但一直放在了国内,这一次来日本把 SER8 带来回来。顺便也把之前的 Mac Mini M1 给卖了,腾了一个位置给它。我家里面本来就有一台非常迷你的低功耗软路由,安装了 [[Proxmox VE]],以及一台 Ubuntu 虚拟机,在 Ubuntu 虚拟机上安装了 Swizzin ,以及相关的 Flexget 等等工具,挂载了一个 8TB 的硬盘作为一个日常的下载机。普通的 Python Read more ...


使用 Docker 安装单节点 Rancher

Rancher 是一个 [[Kubernetes]] 管理工具,提供部署和管理集群的能力。Rancher 为所有集群提供集中身份验证和基于角色的访问控制 RBAC,管理员可以在一个位置控制集群访问。 在现有的节点上配置 Kubernetes Catalog 管理,使用 Helm charts 轻松部署应用程序 管理项目 Fleet 持续交付 Istio 集成 测试单节点安装 根据官方的单节点安装建议: 直接执行如下的命令,或者转换成 docker-compose docker run -d --restart unles Read more ...

2024-09-10 docker , rancher , kubernetes , google , k3s

通过聆听的方式看论文 Google Illuminate

Illuminate by Google 是 Google 发布的一个创新工具,将复杂的学术研究论文转变成简短的音频对话形式。 登录 Illuminate 也可以看到 Google 给出了一个非常醒目的提醒。 Illuminate 是一项实验性技术,它是利用 AI 来辅助学习的工具。 该工具用于促进学习,目前针对计算机科学主题进行了优化。并且特别强调,所有讨论和声音均由 AI 生成。 回想之前 Google 推出的 NotebookLM,通过上传 PDF 的方式以及和内容进行对话方式提升学习效率,现在的 Illuminate 则是更进一步将文 Read more ...


iPhone 重启之后照片丢失及解决方案

昨天手机选择照片的时候一直都是转圈,怎么都选不出来,索性就重启了一下手机,但是没想到的是重启完手机,我发现最近的照片全部都找不到了,8 月 31 号之后的所有照片在我的本地相册中全部找不到了,最后一张照片就是 10 多天前拍摄的了,大叫不好。 然后我就去 Google 查了一下发现, iOS 17.4.1 确实存在系统级的 BUG,在官方的论坛里面,搜到了无数的人反馈相同的问题,触发的情况全部都是重启手机之后,最新的照片找不到,有一些是丢失了前半天拍摄的内容,有一些丢失了几天,也有像我这样丢失了接近 10 天照片的情况。 所以就开始寻找解决办法,我首 Read more ...

2024-09-09 iphone , iphone-bug , ios-bug , ios

利用 macOS 的 LiveText 轻松复制视频文字实现观看韩综

前两天我录制了一期视频讲述如何通过 MemoAI 这样的语音转文字的应用来自动通过音频转写文字,然后变成字幕来观看韩综《思想验证区域:The community》,其实那一期视频主要是为了介绍软件应用的,所以就以我正在观看的韩综做了一个例子,但是其实制作字幕的时候我也知道,这一个综艺比较特殊,因为其中有很长的一段「讨论」,里面的参与者是通过匿名在线聊天室的方式录制的,所以整个综艺会有相当长的一段时间是没有人说话,而是大家都在打字进行辩论的!那么语音转文字就变得鸡肋了。所以这个地方字幕组也是非常辛苦,需要将视频中的字幕一个个取出来然后进行翻译叠加到视频里面 Read more ...


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 ...


最近文章

  • Reminders MenuBar 搭配 NextCloud CalDAV:把菜单栏待办同步到所有设备 最近想找一个常驻菜单栏的待办工具,要求很简单:点一下菜单栏就能看到今天要做的事,按个快捷键就能记一条,而且最好能同步到所有设备上。我在 2024 年写过一篇 推荐一款 macOS 上的极简菜单栏提醒,介绍的就是 [[Reminders MenuBar]]。它好用归好用,但数据就是 Apple 提醒事项,背后绑的是 [[iCloud]]:只要手边有一台 Android 手机或者 Windows 电脑,这条同步链路就断了;哪怕都是 Mac,只要某一台登录的不是同一个 iCloud 账号,待办也同步不过去。所以这次我换了个思路,把自己搭建的 [[NextCloud]] 当作 CalDAV 服务器,挂到 macOS 的提醒事项上。Reminders MenuBar 本身不用做任何改动,同步这件事交给 CalDAV,之后在其他平台上,只要找一个能读写 CalDAV 的客户端就能接进来。
  • Nowledge Mem 使用半年体验:让所有 AI Agent 共享同一份记忆 今年 2 月份我把 [[Nowledge Mem]] 装到 MacBook 上,想解决的是一个很常见的问题:我希望在 [[Perplexity]] 网页上查过的资料,直接在 Claude Code 中可以记住。但没想到大半年过去,它已经变成了我每天都在用的软件,而且是那种「不在后台跑着就会觉得别扭」的存在。我在 Claude Code、[[Codex]]、[[OpenClaw]] 里开的每一个会话,开头都会先从它这里拿一份简报;网页上和 AI 聊过的东西会自动同步进去;我做过的决定、踩过的坑、服务器的配置,都沉淀成一条条可以被任何 Agent 检索的记忆。说它是我所有 Agent 的记忆和大脑,一点都不夸张。
  • Semaphore UI:开源自托管的 Ansible 与 Terraform 可视化管理面板 我手上的 VPS 和 Homelab 日常维护基本交给 [[Ansible]]:初始化系统、加固 SSH、轮换密钥、装 Docker,一条 ansible-playbook 跑下去几十台机器就同步好了。用久了有两个问题越来越明显。第一,执行记录只存在于终端滚动缓冲区里,过两周再想知道某台机器上次是什么时候跑过哪个 playbook、结果如何,基本无从查起。第二,所有操作都绑在我自己的 MacBook 上,私钥、inventory、vault 密码都在本地,换台电脑或者想让别人帮忙执行一下就很麻烦。最近在找解决方案的时候,重新注意到了 [[Semaphore UI]] 这个项目,它正好就是为这类场景设计的。
  • Aside AI 浏览器介绍:既能自己干活,也能接入 Agent 前两天整理了一篇 AI 浏览器自动化方案怎么选,把 Playwright、MCP、Agent 专用浏览器、WebMCP 这些路线梳理了一遍。在那篇文章里我提到,「内置 Agent 的 AI 浏览器」这一类里我最看好的是 Aside,原因是它的密码管理器设计得很用心,但篇幅有限没有展开。今天就单独写一篇,聊聊这个浏览器到底能做什么、和 [[Comet]]、[[Dia Browser]] 有什么不一样,以及我现在是怎么用它的。如果你看完想试试,可以用我的邀请链接 注册,注册后会额外获得 100 Credits。
  • AI 浏览器自动化方案怎么选:从 Playwright、MCP 到 Agent 浏览器和 WebMCP 的全景梳理 最近我一直在研究「让 AI 用浏览器」这件事。起因是看到 Nowledge 写了一个 browse-now Skill,可以直接让 Claude 控制浏览器,紧接着又偶然发现了 [[Ego Lite]] 这款专门为 Agent 设计的浏览器。顺着这条线,我把 Aside、BrowserOS、Deta Surf 这几款 AI 浏览器挨个调研了一遍,越看越发现它们的侧重点和实现方式差别很大:有人在做测试框架,有人在做浏览器插件,有人从 Chromium 内核开始为 Agent 改造浏览器,还有人在推动新的 Web 标准。它们看起来都在「让 AI 操作网页」,解决的却根本不是同一个问题。