Wiki 知识库

全部文档 / 标签: 音频处理

3 篇
清除

1小时录音,3分半转完:本地离线语音转文字工具 whisper-tools

作者发布了一个免费、离线的本地语音转文字工具 whisper-tools,基于本地 Whisper 模型,通过网页拖拽音频即可转录,1小时录音约3分半出稿,全程不联网、不上传服务器、不收费。工具提供一键安装脚本,自动处理 ffmpeg 依赖和 GPU 加速,支持批量文件夹递归转录。针对中文场景做了优化:全角标点转换、删除汉字间空格、繁转简、智能分段、自动去除幻听。实测在 RTX 4070 上表现良好,适合会议记录、访谈整理、播客归档等隐私敏感场景。项目已在 GitHub 上以 MIT 协议开源。

技术 › 工具与效率 小海豚笔记 (gaoren7716) 2026-09-124.0 KB 3.5K 26 76

我测试了5个声音克隆项目,最后留下了这一个

本文分享了作者在制作AI视频过程中,从使用MiniMax云端API转向本地部署IndexTTS2的实践经验。作者详细对比了两者在中英混排发音、音频格式、离线能力、声线一致性及成本等方面的优缺点,最终选择了IndexTTS2以保障视频工作流的可控性与稳定性。

技术 › TTS 雪踏乌云 2026-07-2912.4 KB 14.7K 90