这里写自定义目录标题构建AI-poweredTODO应用新的思考构建AI-poweredTODO应用人工智能TODO应用程序演示https://ivan-tolkunov–surukoto-run.modal.run/（警告：该应用程序可能需要长达30秒才能启动）。所有数据在不活动5分钟后重置。试着告诉它：“添加彩虹的每一种颜色”，然后“标记所有提到绿色和紫色之间的待办事项”和“清理完成的待办事项。”新的思考每个人都在构建TODO应用程序，以便开始使用编程语言或技术。我问自己一个问题：在人工智能时代，TODO应用程序会是什么样子？所以我想出了一个主意，构建一个TODO应用程序，你可以简单地与之
whisper：https://github.com/openai/whisper/tree/main参考文章：WhisperOpenAI开源语音识别模型环境配置pipinstallfaster-whispertransformers准备tiny模型需要其他版本的可以自己下载：https://huggingface.co/openai原始中文语音模型：https://huggingface.co/openai/whisper-tiny微调后的中文语音模型：gitclonehttps://huggingface.co/xmzhu/whisper-tiny-zh补下一个：tokenizer.jso
20240122在WIN10+GTX1080下使用字幕小工具V1.2的使用总结2024/1/2219:52结论：这个软件如果是习作，可以打101分，功能都实现了。如果作为商业软件/共享软件，在易用性等方面，可能就只能有70分了。【百分制】可选的改进部分：0、支持INTEL/AMD/ATI的显卡。并且给NVIDIA的显卡自动安装最新的驱动程序和CUDA版本！【对初学者友好！】1、待转换的音频/视频目录：【中文路径/长目录】对特殊字符的支持2、（识别）翻译成：语言可以按照拼音顺序排序。当然汉语/简体中文/普通话是可以放到最前面的！3、计算精度，只列出来所支持的精度，并给出估计的识别时间！4、打开输
Whisper是一种令人激动的新型语言模型，采用了全新的语音识别方法，即使是低质量的音频，Whisper也能产生高质量的结果，并且对各种声音和语言的适应性极强，无需进行微调。Whisper是开源的，有一系列可用的模型尺寸，可以作为众多语音转文字应用的有效解决方案，包括翻译、智能个人助理、车辆语音控制系统、客户服务运营等等。在这篇文章中，我们将探讨Whisper与其他语音识别模型的不同之处，并将展示如何使用在Graphcore（拟未）IPU上运行的预构建的PaperspaceGradientNotebook，来起用WhisperTiny的HuggingFace实现。链接：https://ipu.
官方源码：https://github.com/SYSTRAN/faster-whisper模型下载地址：large-v3模型：https://huggingface.co/Systran/faster-whisper-large-v3/tree/mainlarge-v2模型：https://huggingface.co/guillaumekln/faster-whisper-large-v2/tree/mainlarge-v2模型：https://huggingface.co/guillaumekln/faster-whisper-large-v1/tree/mainmedium模型：htt
文章目录使后感PaperReview个人觉得有趣的LogMelspectrogram&STFTTrainingcross-attention输入cross-attention输出positionalencoding数据Decoding为什么可以有时间戳的信息ModelEncoderDecoder时间戳一小句的时间戳一个单词的时间戳TestcodeQKVattentionTexttoken里关于positional_embedding的offsetFasterWhisperVAD使后感因为运用里需要考虑到时效和准确性，类似于YOLO，只考虑tiny,base,和small的模型。准确率基本反应了
最近在用openai/whisper-small进行语音转文字任务时，想着自己下载模型在本地离线跑，但是遇到了一下问题：importwhisperimportwaveimportnumpyasnpdownload_root=r"\whisper-small"#模型路径Automati_file=r"20230302152850300.mp3"#音频路径model=whisper.load_model("small",download_root=download_root)result=model.transcribe(Automati_file,language="zh",fp16=False
概述到目前，GPT只能去接收文本的输入，但是在现实的生活当中，会有语音的需求GPT也有相关的能力接入，我们就需要一个能够将语音内容转换成文本的能力当然其他第三方的软件或者接口也是支持这个功能在OpenAI有一个语音转文本的模型叫做whisper在OpenAI它的官方网站当中，在左侧可以看到有一个Audio关于音频的API文档:https://platform.openai.com/docs/api-reference/audio/create-transcription接口:https://api.openai.com/v1/audio/transcriptions可以看到它的参数file参数
介绍github地址：https://github.com/sandrohanea/whisper.netWhisper.net.SpeechtotextmadesimpleusingWhisperModels模型下载地址：https://huggingface.co/sandrohanea/whisper.net/tree/main/classic效果测试通过环境：vs2019.NETFramework4.7.2使用ggml-tiny.bin模型文件CPU推理速度客观，最重要是官方都是需要vs2022才行，我这边直接在vs2019就可以直接跑。视频演示地址：whisper.net将语音转成文
看了好几个文章没找到下载地址，翻了下python该模块的源码找到了~~其实要是自动下载好使的话就不需要手动下载了~看自己情况而定吧，本人自动下载没好使~~{"tiny.en":"https://openaipublic.azureedge.net/main/whisper/models/d3dd57d32accea0b295c96e26691aa14d8822fac7d9d27d5dc00b4ca2826dd03/tiny.en.pt","tiny":"https://openaipublic.azureedge.net/main/whisper/models/65147644
