AudioNotes

音视频转结构化笔记的开源系统

AudioNotes FunASR Qwen2 音视频转笔记结构化笔记 Github 开源项目

AudioNotes是基于FunASR和Qwen2构建的开源音视频转笔记系统。它能提取音视频内容并利用大模型生成结构化markdown笔记，同时支持与内容对话交互。系统提供Docker和本地两种部署方式，方便用户快速获取易读的笔记，提升信息处理效率。

Github

介绍相关项目

听脑AI - AI会议智能助手,自动撰写、生成纪要、摘要、待办事项

AI工具AI课堂笔记AI音频会议纪要听脑AI热门视频字幕语音转文字音频生成

听脑AI为会议、教育、销售等领域提供智能语音助手，支持录音转文字、AI总结与文字生成配音。该技术适用于会议、课堂以及内容创作，有助于提高工作与学习效率，简化信息管理。支持多端同步，操作简便，是理想的语音转写工具。

GoWhisper - 跨平台本地音频转录应用注重隐私保护

AI工具AI转录GoWhisper多语言支持文件格式转换语音转文字

GoWhisper是一款跨平台桌面应用，专注于本地音频转录，确保用户隐私。支持99种语言转录，适合研究人员、播客主持人和内容创作者使用。应用提供多种AI模型、文件格式支持和导出选项，简化转录流程。其功能包括音频播放、录音转录和文本编辑，为用户提供全面的音频处理方案。

ScribeWizard - 使用Groq、Whisper和Llama3生成结构化音频笔记

GithubGroqLlama3ScribeWizardStreamlitWhisper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。

Qwen2-Audio-7B - 多模态音频语言模型支持语音交互和内容分析

GithubHuggingfaceQwen2-Audio开源项目模型自然语言处理语音交互音频分析音频语言模型

Qwen2-Audio-7B是一个创新的音频语言模型，具备处理多种音频输入的能力。该模型提供语音聊天和音频分析两种交互模式，支持自由语音对话及音频文本混合分析。模型发布了预训练和对话两个版本，为音频理解和处理领域带来了新的可能性。

SenseVoice - 高效、多语种语音识别与情绪识别技术平台

GithubSenseVoice多语言语音识别开源项目情绪识别推理效率热门音频事件检测

SenseVoice是一款支持多语言的语音解析模型，整合了自动语音识别、语种识别、情绪识别及音频事件检测功能。该项目采用非自回归端到端框架，可在超过50种语言上提供精准的语音识别服务，大幅降低了推理延迟，提供方便的微调脚本和多语种细粒度情绪分析，支持多种客户端语言和服务部署，适用于多种商业场景。

Omni-Notes - 智能轻便的多功能开源笔记应用

AndroidGithubMaterial DesignOmni-Notes开源软件开源项目笔记应用

Omni-Notes是一款功能丰富的开源笔记应用。它具有简洁的界面和智能的特性,支持图片和视频附件,提供多种小部件和标签功能,方便用户组织和搜索笔记。该应用支持30多种语言,集成了待办清单、草图模式等特色功能,并可与Google Now配合使用。通过多样化的小部件和主屏幕快捷方式,Omni-Notes为用户提供了高效便捷的笔记体验。

text2video - 文本转视频工具，实现小说可视化阅读

DockerGithubedge-ttshuggingfacestable-diffusion开源项目文本转视频

text2video 是一款将文本转换为视频的开源工具，支持小说等文本的可视化阅读。通过分段文本生成图片和语音，并合成为包含画面、字幕和声音的视频。应用了 stable-diffusion 和 edge-tts 技术，支持 Docker 一键启动和 macOS 本地开发。该工具还支持生成高质量的绘图提示词，利用 huggingface 的开源模型和 ffmpeg 进行音视频合成，操作简便，效果显著。

Waspnote - AI多功能在线笔记工具助力学习和工作效率提升

AI工具AI笔记应用智能摘要生产力工具语音转文字跨平台同步

Waspnote是一款AI驱动的在线笔记工具，适用于学生和专业人士。该应用支持多设备同步，提供语音转文本、智能摘要和快速搜索等AI功能。特色功能包括地图笔记、PDF导入、事件时间线和自定义词典。Waspnote还提供Chrome扩展程序，可用于标记YouTube视频时间戳。用户可以轻松分享笔记、导出PDF，实现高效协作。通过直观的界面和灵活的定价计划，Waspnote旨在提高用户的工作效率。

FunCodec - 开源神经语音编解码工具包

FunCodecGithubLibriTTS开源工具开源项目神经网络语音编解码

FunCodec是一个高效的开源神经语音编解码工具，提供高质量的文本到语音转换功能，并支持丰富的预训练模型。它易于安装，适用于多种数据集，持续集成最新技术，适合专业开发者和研究人员使用。

dataspeech - 简化语音数据集标注与处理的实用工具

Data-SpeechGithub开源项目数据标注语音AI语音数据集音频转换

Data-Speech是一套用于语音数据集标注的实用脚本工具。它提供简洁代码库，支持音频转换和注释，有助于语音AI模型开发。该工具能重现研究论文中的注释方法，使用自然语言描述标注说话者特征。Data-Speech可处理LibriTTS-R和MLS等数据集，并为Parler-TTS库提供支持。它提供从数据集注释、特征映射到自然语言描述生成的完整工作流程。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com