Logo
Project Icon

ScribeWizard

使用Groq、Whisper和Llama3生成结构化音频笔记

ScribeWizardGroqWhisperLlama3StreamlitGithub开源项目

ScribeWizard 是一个基于 Streamlit 的应用，通过 Groq 的 Whisper API 转录音频讲座，并利用 Llama3-8b 和 Llama3-70b 模型生成结构化笔记。该应用结合了快速和高质量的文本生成，提供美观的 Markdown 样式笔记，并支持下载为文本或 PDF 文件。用户可以选择在线使用或本地运行，适用于生成讲座和课程的音频笔记，提升学习和复习效率。

访问官网访问官网GithubGithub
介绍相关项目
decipher - 自动生成视频字幕
AI生成字幕DecipherGithubOpenAIwhisper开源项目视频转录
Decipher利用OpenAI的Whisper技术，通过自动转录生成视频字幕，消除手动转录的繁琐过程。支持Google Colab和手动安装，提供易用性和高鲁棒性。Whisper基于68万小时的多语言数据训练，能够处理多种口音和背景噪音，适用于技术语言。Decipher通过GUI和命令行界面，简化字幕添加流程，提升视频的可访问性。
whispering-ui - 多功能实时语音处理开源应用
AI模型GithubWhispering Tiger UI实时翻译开源工具开源项目语音转写
Whispering Tiger UI是一个开源项目，提供原生用户界面来控制Whispering Tiger应用。它能够处理实时音频流和游戏画面，进行转录和翻译，并通过WebSocket或OSC将结果输出到浏览器或VRChat。核心功能涵盖语音转文字、文本翻译、文字转语音和图像识别。该工具支持插件扩展，界面友好，适合不同经验水平的用户使用。
通义听悟 - 音视频转写与会议分析AI工具
AI办公AI助手AI工具办公工具多语言同步翻译实时语音转文字热门自定义prompt通义听悟
通义听悟，一款工作学习AI助手，使用大模型技术实现音视频内容的实时记录、转写和分析。支持多语言翻译和发言人识别，有效缩短音视频资料处理时间，提升效率。
TurboScribe - 高效精准的AI音视频转录服务
AI工具AI转录Whisper视频转录语音转文字音频转录
TurboScribe提供高效的AI音视频转录服务，支持98种语言，准确率达99.8%。该工具可快速将音频和视频转换为文本，支持10小时长文件上传，具备说话人识别和字幕生成功能。采用无限制订阅模式，适合需要大量转录的个人和团队。还可将转录或字幕翻译成134种语言，是一个全面的音视频转文字解决方案。
faster-whisper-GUI - 多功能GUI软件，支持语音识别与文件转录
GithubPySide6faster-whisper-GUIwhisperX开源项目模型下载音频转写
faster-whisper-GUI，一个带有PySide6技术的GUI软件，支持whisperX、Demucs等音频处理模型。用户可以从软件中下载、转换模型，设置VAD与whisper模型参数，支持多种文件格式转录。软件界面可多语言操作，并严格遵守法律法规。
vibe - 离线音视频转录，多语言支持和多格式输出
GithubOpenAI WhisperVibe开源项目批量转录隐私音频转录
Vibe利用开源工具OpenAI Whisper进行离线音视频转录，支持几乎所有语言，保证数据隐私。软件界面友好，支持多种文件格式如SRT、VTT、TXT、HTML、PDF和JSON。Vibe还具备批量转录、多语言翻译和实时预览等功能，适用于Windows、Linux和macOS系统。优化了对CPU和GPU的支持，兼容Nvidia和AMD GPU。用户可以通过命令行接口进行操作，并提供HTTP API文档。其他功能包括系统音频转录、麦克风转录、说话人分割，未来还将支持iOS和Android。
whisper-obsidian-plugin - Obsidian语音转文字插件，轻松创建笔记
APIGithubObsidian插件OpenAIWhisper开源项目语音转文字
Whisper-obsidian-plugin是一个集成OpenAI Whisper技术的Obsidian插件，可将语音快速转换为文字笔记。该插件支持实时录音和音频文件上传，通过快捷键和命令面板操作。它具有灵活的设置选项，支持多语言识别，允许自定义文件保存路径。这个插件为Obsidian用户提供了一种新的高效笔记创建方式。
Whisper-Finetune - 微调与加速Whisper模型
GithubOpenAIWhisper加速推理开源项目微调语音识别
本项目使用Lora技术微调了OpenAI的Whisper语音识别模型，并支持CTranslate2和GGML加速。模型能够进行无时间戳、有时间戳及无语音数据训练，并支持中文和98种其他语言的语音转文本及翻译。开源了多个适用于不同需求的模型，支持Windows、Android和服务器部署。提供详细的安装教程和使用说明，以及AIShell和WenetSpeech数据的评估和推理速度测试表，方便用户快速上手。
yt-whisper - 使用yt-dlp与OpenAI Whisper生成多语言YouTube字幕
GithubPythonWhisperffmpegyt-dlp字幕生成开源项目
该项目结合yt-dlp与OpenAI的Whisper技术，能够高效生成各种YouTube视频的字幕文件。通过简单的命令行操作，可生成VTT文件，并且默认使用small模型即可实现高质量的英文转录。对于其他语言，可选用更大型的模型来提升识别效果。项目还支持将字幕翻译成英文。运行需要Python 3.7或以上版本以及ffmpeg安装。此项目基于MIT许可证开源，详情请参考项目仓库的使用指南。
openlrc - 使用 Whisper 和 LLM（GPT、Claude 等）将语音转录并翻译成 LRC 文件的Python库
GithubLRC 文件Open-LyricsPython开源项目翻译语音转录
OpenLRC是一个Python库，利用faster-whisper进行语音转录，并使用LLM如OpenAI-GPT和Anthropic-Claude将其翻译和优化支持.lrc字幕文件生成。该库提供上下文感知的翻译以提升质量，并支持生成双语字幕和自定义API端点。适用于音频和视频文件的转录和翻译，支持多种翻译引擎和输出格式，安装和使用简便。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号