文章列表-AI魔法学院

文章列表

开源免费离线语音识别神器whisper如何安装

whisper介绍 Open AI在2022年9月21日开源了号称其英文语音辨识能力已达到人类水准的Whisper神经网络，且它亦支持其它98种语言的自动语音辨识。

wisper 翻译免费

14.6K star！最好用的OCR文字识别项目，没有之一！

伙伴们，平时都会用到文字识别吧？

Umi-OCR 开源项目文字识别

几款开源的OCR识别项目，收藏备用

github.com/PaddlePaddle/PaddleOCR.git EasyOCR EasyOCR是用Python编写基于Tesseract的OCR识别库

OCR

全球六大主流自动PPT制作工具

无需设计经验，只需输入内容，Decktopus会自动完成剩下的工作。

自动PPT 工具

动画制作工具AnimateDiff用法详解

AnimateDiff 如何工作？

AnimateDiff 视频训练

OCRmyPDF—可智能识别PDF文本和图片信息的工具

•在所有可用的CPU核心之间分配工作 •使用Tesseract OCR引擎识别超过100种语言 •保护您的私人数据安全。

OCRmyPDF 工具

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

语音识别（ASR）是指将人类的语音转换为文本的技术，然而，目前的语音识别技术还面临着一些挑战，其中最大的一个就是如何支持更多的语言。

Translatotron 语音识别

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

好在，这并不是唯一的制作方法。

语音 HeyGen

【开源看AI】4.2K star！Reor：AI自动帮你发现知识之间的连接

不过Quivr侧重的是将你已有的、很大可能是从其他地方得来的知识文档（比如PDF、 Word等）汇总成不同主题的Brain，这个汇总的过程是手动的，需要用户自己介入的。

Reor 开源工具知识管理

语音识别的未来已来：深入了解faster-whisper的突破性进展

这种实现不仅提高了语音识别的速度，还优化了内存使用效率。

语音识别 Faster-Whisper

OCR是什么以及推荐几款开源中文OCR识别软件

光学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

OCR

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

在AI技术的浪潮中，一款新型的语音识别模型Distil-Whisper以其独特的魅力和强大的性能脱颖而出。

Distil-Whisper 语音识别

国内厂商语音识别与Whisper评测：现状与概况对比

语音识别技术不仅可以应用于智能助手、语音控制、自动化客服等领域，还有望为残障人士提供更便捷的沟通工具。

语音识别 Faster-Whisper

一个完整Prompt让ChatGPT自动生成短视频制作脚本

你的想法很多，掌握各种网络流行梗，拥有短视频平台时尚、服饰、食品、美妆等领域的相关知识储备；能把这些专业背景知识融合到对应的短视频脚本创作需求中来；根据用户输入的主题创作需求[PROMPT]，进行短视频脚本创作

ChatGPT Prompt 视频

Windrecorder：连续记录屏幕内容，通过OCR技术识别记录内容

它的所有能力（录制、识别处理、存储回溯等）完全运行在本地，无需联网，不上传任何数据，只做应该做的事。

Windrecorder 录屏

<123 4 5 6 7 8 9 10 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1