首页 注册 登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX  ›  terryops  ›  全部回复第 1 页 / 共 4 页
回复总数  75
1  2  3  4  
❮ ❯
352 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。
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)
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。
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。
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？
2023-12-15 12:06:31 +08:00
回复了 tangpanqing 创建的主题 › 程序员 › 需要帮助，我做了一个音频剪辑工具，我应该去哪里找到潜在客户呢？
@CivAx 我们的产品接下来打算集成这种功能，这类的功能其实很考验使用的体验。如果体验很差，比如速度慢，操作不便，用户宁愿自己在剪辑软件上手动搞。
2023-12-15 12:01:34 +08:00
回复了 tangpanqing 创建的主题 › 程序员 › 需要帮助，我做了一个音频剪辑工具，我应该去哪里找到潜在客户呢？
@tangpanqing 3 分钟的音频，Get subtitle 老半天没反应，也没有进度条。建议先打磨产品
2023-12-15 11:21:11 +08:00
回复了 tangpanqing 创建的主题 › 程序员 › 需要帮助，我做了一个音频剪辑工具，我应该去哪里找到潜在客户呢？
做成一个 saas ，比较好用。
然后自媒体宣传自己吧。
2023-05-15 16:17:11 +08:00
回复了 lisyNew 创建的主题 › 程序员 › 使用 opencv 对运动员进行追踪，有什么好的建议吗？
还想不用显卡，花时间在代码和 CPU 上，还不如买个好显卡。opencv 用 cuda 比 CPU 快好多好多倍
2023-05-04 16:03:35 +08:00
回复了 terryops 创建的主题 › OpenAI › 做了一个固定 GPT4 的插件，给 ChatGPT Plus 会员用
@alanhe421 默认 3.5 没问题，但是我已经选上了 GPT-4 ，下次打开还是 3.5 。这就不是不会做功能的缘故了，就是故意引导你用 3.5
2023-04-29 14:55:10 +08:00
回复了 terryops 创建的主题 › OpenAI › 做了一个固定 GPT4 的插件，给 ChatGPT Plus 会员用
@randychoi 擦……原来是个 bug……浪费我时间了
2023-04-28 17:34:52 +08:00
回复了 terryops 创建的主题 › OpenAI › 做了一个固定 GPT4 的插件，给 ChatGPT Plus 会员用
@1d074bfa18d34f6c 仍然如此
2022-05-14 11:15:47 +08:00
回复了 teem 创建的主题 › 分享发现 › OIS - 月入 3k ~ 4k 的微信支付副业实践
楼主你好，我们公司想接入你的微信服务商收款，请问如何联系？
1  2  3  4  
❮ ❯
关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2919 人在线   最高记录 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 23ms · UTC 13:24 · PVG 21:24 · LAX 05:24 · JFK 08:24
Developed with CodeLauncher
♥ Do have faith in what you're doing.