terryops 最近的时间轴更新 terryops 最近的时间轴更新 |
terryopsTalk is cheap, show me the code. V2EX 第 59752 号会员，加入于 2014-04-05 13:23:46 +08:00 |
广州
| 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API 分享创造 • terryops • 347 天前 • 最后回复来自 terryops | 21 |
| 讲个笑话：语雀崩了，留下的维修文档在语雀里面，所以修了 6 个小时 全球工单系统 • terryops • 2023-10-25 00:15:13 AM • 最后回复来自 Hantong | 10 |
| 做了一个固定 GPT4 的插件，给 ChatGPT Plus 会员用 OpenAI • terryops • 2023-05-04 16:03:35 PM • 最后回复来自 terryops | 6 |
| 求手机 App 给 Switch 联机游戏加速方案 外包 • terryops • 2022-08-30 08:26:49 AM • 最后回复来自 raoguimin1g | 3 |
| 手机 App 给 Switch 联机游戏加速是怎么实现的？
1 程序员 • terryops • 2022-04-26 16:30:35 PM • 最后回复来自 twinsdestiny
|
17 |
| 一个简单的接收 web 请求并处理的程序，要求用 Go 或者 Rust 写 外包 • terryops • 2022-03-21 12:43:43 PM • 最后回复来自 dilu | 1 |
| 腾讯云云函数好用吗？
1 云计算 • terryops • 2022-03-09 23:47:04 PM • 最后回复来自 LnTrx
|
11 |
| 随着企业微信和 Dropbox 增加了 Apple Silicone 架构的版本，我的 14 寸 MBP 圆满了 Apple • terryops • 2022-01-17 20:16:35 PM • 最后回复来自 Warren1027 | 27 |
| 50 元收 Cyber Monday 的 Parallels Desktop 16 订阅 二手交易 • terryops • 2020-12-01 12:21:11 PM |
| 拼车： Surge for Mac 4.0， 3 人车，只剩一个车位，买断 120 二手交易 • terryops • 2020-11-16 15:03:34 PM • 最后回复来自 zhaidoudou123 | 1 |
terryops 最近回复了
347 天前 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@wswlaz 在线视频？哪个平台的
2023-12-15 23:23:45 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@Andim 你有没有发现你出现了李宗盛作词作曲这种幻听？然后 3 分 17 秒那句完全就错的。
我们研究了很多这种问题，有很多解决方案，比如然后你那个文件有点问题，我们有个功能，去杂音。
https://imgur.com/a/acOVSYO
勾选之后就能识别了。
https://imgur.com/a/AMVID1N
另外 Whisper 对音质要求很高的，音质差，识别率就差，断句也会差。你那个 8mb 的 wav 文件，码率应该相当低。
但是可以做一些音频处理，移除杂音。
我们研究了很多这种问题，有很多解决方案，比如然后你那个文件有点问题，我们有个功能，去杂音。
https://imgur.com/a/acOVSYO
勾选之后就能识别了。
https://imgur.com/a/AMVID1N
另外 Whisper 对音质要求很高的，音质差，识别率就差，断句也会差。你那个 8mb 的 wav 文件，码率应该相当低。
但是可以做一些音频处理，移除杂音。
2023-12-15 21:10:29 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
<a href='https://postimg.cc/JydH3tZR' target='_blank'><img src='https://i.postimg.cc/JydH3tZR/temp-Imagej-U4z-LX.jpg' border='0' alt='temp-Imagej-U4z-LX'/></a>
2023-12-15 21:09:20 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@Andim 可能是你的文件有问题，我把你发的链接直接下载视频下来，拖进去转录，能出全部歌词。
[temp-Imagej-U4z-LX.jpg]( https://postimg.cc/JydH3tZR)
[temp-Imagej-U4z-LX.jpg]( https://postimg.cc/JydH3tZR)
2023-12-15 21:02:06 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@deiphi 我们是基于 Large-V2 ，V3 有很多问题，测试后弃用了。
我们考虑到了很多边界的情况的处理，一个视频是测不出来质量差别滴。
我们考虑到了很多边界的情况的处理，一个视频是测不出来质量差别滴。
2023-12-15 16:31:44 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@lidedongsn 谢谢，这块我们研究下能做到什么个程度。
2023-12-15 16:30:56 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@Cellinlab 他们有个雷同的产品呀，这是竞争关系哈哈哈
2023-12-15 16:16:40 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@webjourneyer 这个很简单，是浏览器自带的功能，用那个 WebVTT 的格式，就能挂载字幕了。
2023-12-15 16:15:59 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@Cellinlab 我们可以识别说话人，区分 1 、2 、3 、4 、5 、6 这样，但是具体这个人是谁，需要音色的向量保存下来，然后人工标注。
目前我们的产品主要定位是视频创作者，用户可以手动标注说话人的名字，目前来看是够用的。
目前我们的产品主要定位是视频创作者，用户可以手动标注说话人的名字，目前来看是够用的。
2023-12-15 15:41:56 +08:00 回复了 terryops 创建的主题 › 分享创造 › 做了一个结合多种 AI 模型的一站式字幕平台，同时也提供 API |
@webjourneyer 多搞搞差异化吧。你想知道哪部分的细节？
Select Language