免费开源的语音转文本软件Whisper的本地搭建详细教程

24:10

免费开源语音转文字Whisper快速搭建，可生成字幕，媒体人的福音

13:34

OpenAI开源Whisper，我来教你如何从零开始搭建

18:46

基于清华大学开源的ChatGLM搭建属于自己的ChatGPT

24:52

【ChatGLM】搭建ChatGLM原来如此简单

14:22

【AI绘画】如何搭建Stable Diffusion

11:05

AI生成的手永远是个问题

03:53

可以白嫖的语音识别项目 | 小白都能懂的搭建OpenAI开源语音识别Whisper教程

32:28

Linux中搭建语音识别项目Whisper | 可免费使用的语音转文字项目

31:30

企业级CentOS系统安装开源免费的语音识别项目whisper | 可在RedHat系统中安装whisper | 免费制作字幕的开源软件

36:46

whisper-jax最详细的安装教程 | 一个号称比whisper快70倍的语音识别项目 | 免费开源的语音识别项目

29:36

VAD优化Whisper，faster-whisper-webui一个转录速度起飞的开源语音识别项目，转录效果很好

19:57

使用VAD优化过的whisper语音识别开源项目faster-whisper-webui，免费开源，福利多多

16:31

meta开源的这个AI厉害了，这个AI还真有点东西

08:10

基于faster whisper的实时语音识别项目

07:25

实时语音识别

17:42

离线部署Whisper | 如何在纯内网环境中安装Whisper

10:56

CentOS中部署语音识别Whisper

46:34

纯内网部署Whisper | 竟然可以这么简单在无外网环境下安装Whisper

38:17

内网环境部署Whisper

27:35

使用Whisper批量生成视频字幕 | 自媒体人的福利 | 自动批量生成视频字幕

08:39

实时语音识别部署教程 | 可离线部署的实时语音识别项目

36:31

faster whisper webui开源项目本地搭建教学分享 | 个人笔记本电脑可以搭建的语音识别项目

01:19:47

whisper最新开源语音识别模型 | 企业级开源语音识别项目

26:42

网易开源语音合成TTS项目演示 | 免费白嫖党的福音

21:07

开源EmotiVoice安装教程 | TTS | 免费开源TTS

56:37

部署OpenAI开源的Whisper语音识别项目

15:20

faster-whisper在windows中的搭建注意事项以及详细过程 | faster-whisper和openai-whisper对比

01:29:18

faster_whisper部署详细教程 | 可内网部署ASR | 开源ASR

07:33

faster_whisper封装成一个api接口

02:47

基于faster_whisper的实时语音识别

04:51

Java对接生成式大模型ChatGML

26:49

Java对接大模型ChatGML

26:28

语音合成 | TTS | 有声小说福利

03:57

可角色扮演的超拟人大模型 | 可做虚拟数字人的大脑

06:37

构建自己知识库的大模型

07:16

基于whisper实现的前端调用麦克风进行语音识别

06:06

Whisper | Faster Whisper | 语音识别 | 可内网部署的ASR

07:02

whisper-jax | 可在内网部署的语音识别开源项目

05:10

Linux搭建Whisper-JAX | 公司内网部署的开源语音识别项目

01:07:23

Linux中部署Whisper | whisper，whisper-jax，faster whisper三者速度对比 | 可以私有化部署的开源语音识别系统

01:07:07

whisper,whisper-jax和faster whisper速度对比

11:02

基于大模型的本地知识库问答系统 | 开源的大模型和本地知识库问题系统 | LangChain和LLM | 企业可免费商用的国内大模型

34:58

国内开源大模型演示 | ChatGLM3 | 大模型 | 可商用大模型

11:42

可在笔记本跑的大模型 | 超轻量级大模型 | 千问大模型笔记本可部署 | Qwen1.5笔记本部署 | 大模型毕设的福利

08:54

【大模型微调】ChatGLM3-6b大模型微调 | 基于开源的大模型的微调 | 使用自己的数据集来微调大模型 | 垂直领域大模型 | lora微调大模型

32:01

开源语音合成TTS | 有声小说的福音 | TTS

14:02

ChatTTS最详细搭建教程 | 开源ChatTTS | 开源语音合成 | 开源TTS | 开源TTS最详细部署教程

01:01:22

Linux中部署TTS API | ChatTTS API | 语音合成 | 最真实的语音合成 | 可内网部署的TTS

29:26

这是第一次尝试使用Python编写GUI程序 | ASR | 语音识别 | 批量语音识别

06:07

批量生成字幕 | 批量语音识别

08:06

asr | 基于faster whisper 开发的批量生成字幕软件 | 语音识别

07:39

faster_whisper转写泰语报错

06:28

libiomp5md.dll报错解决方案

10:33

开源人声分离解决方案spleeter | 从音乐中分离出人声

09:56

生成字幕还得是openai whisper

08:50

转换微调后的Whisper模型格式为OpenAI格式

12:30

噪音消除和人声增强 | 很好用的一个降噪和人声增强工具

11:27

AI降噪

06:28

基于faster_whisper的实时语音识别 | 可对接大模型的实时语音识别 | 实时语音识别 | 一句话识别

06:12

基于faster_whisper的实时语音识别改进版 | whisper中出现繁体中文的解决方法 | 语音识别中繁体转简体 | OpenCC

05:57

faster_whisper对接大模型进行语音对话 | 人机对话 | 语音识别 | 大模型

10:13

自动化转写 | 自动化语音识别 | 对直播录屏自动化生成字幕 | 大模型总结视频内容

05:56

媒体人的福音 | 对直播自动录屏的视频生成字幕

09:33

记录语音识别开发中遇到的一个坑

07:14

python编写的一个自动化监听指定路径下的音视频，并对其进行转写 | 用大模型对视频内容进行总结 | 自动化生成视频字幕

07:51

解决字幕显示不完全问题 | 视频字幕自动生成脚本

04:30

内网环境中部署funasr说明视频 | 无网络环境中的实时语音识别 | 内网实时语音识别 | 内网部署funasr

07:50

自动生成字幕程序优化 | 视频字幕生成 | 制作视频字幕 | 自动化制作视频字幕

11:19

语音识别

04:46

11:32

可用于智能呼叫中心的内网可用的区分说话人的语音识别 | 通话区分说话人语音识别 | 通话区分说话人语音转写

09:02

区分说话人转写 | 说话人区分 | 区分说话人的语音识别项目

04:26

whisper | 语音识别 | Openai Whisper | Whisepr GUI

08:22

语音合成速度最快的开源TTS | 基于MIT协议可商用的开源TTS | 这是我用过合成速度最快的开源TTS

15:33

多语种语音合成 | TTS

06:28

本地可运行的说话人拆分 | 说话人分离

03:37

语音分离|声纹对比|离线可用的语音分离|多个说话人分离|单声道录音说话人分离

02:32

开发一款web端智能聊天网站 | ASR | LLM | TTS

06:20

实时语音合成 | 流式语音合成 | 语音合成 | RealTime TTS

11:57

基于开源的openai whisper和LLM以及TTS开发的一款智能聊天机器人 | 网页智能聊天机器人 | 智能语音聊天机器人

03:04

智能聊天机器人网页端开发进度演示 | faster whisper | openai whisper | 大模型 | MeloTTS

05:03

开发一款在网页端可聊天的智能机器人项目演示只语音识别 | B站编程分享录分享开发一款网页端智能聊天机器人

01:27

03:21

基于大模型的网页智能问答IM系统 | 基于大模型的智能问答系统

05:40

基于大模型的智能问答系统 | B站编程分享录开发的基于网页端的人机语音智能问答系统

01:15

基于大模型的智能语音交互问答系统 | B站编程分享录

02:50

内网离线环境中可用的智能语音交互大模型问答系统

12:29

纯内网运行的基于大模型的智能问答系统 | 内网中运行Whisper | 内网中运行大模型 | 内网中运行TTS

18:01

基于大模型的智能语音问答系统 | ASR_LLM_TTS | 网页端智能语音问答系统

19:06

记录在Linux中部署语音合成MeloTTS中遇到的问题以及对应的解决方法 | 语音合成 | TTS | MeloTTS

14:12

Linux中部署MeloTTS | TTS部署详细教程

01:23:12

训练MeloTTS模型详细教程 | TTS模型训练实录 | train TTS

02:57:22

验证训练后的MeloTTS模型 | TTS | 语音合成

18:31

TTS模型训练后的测试 | 语音合成模型训练 | MeloTTS

01:26

使用MeloTTS训练中文TTS模型 | MeloTTS训练中文语音合成模型 | MeloTTS模型训练 | 中文语音合成模型训练

02:39:15

训练中文MeloTTS模型演示 | 中文模型训练 | MeloTTS训练中文模型 | MeloTTS模型训练效果演示

06:37

使用派蒙语音训练的一个TTS中文语音合成模型 | MeloTTS训练中文模型效果演示 | MeloTTS中文模型 | MeloTTS

06:03

CosyVoice | 阿里开源TTS模型CosyVoice | TTS | 声音克隆 | 流式TTS

01:00

MeloTTS训练原神中派蒙的中文语音合成模型 | MeloTTS中文模型

04:29

MeloTTS训练派蒙中文语音合成模型成果演示

06:28

实时语音降噪 | 语音降噪

05:14

14:05

单轨录音区分说话人语音识别接口开发进度 | 单轨录音区分说话人语音识别 | 说话人区分 | 语音识别 | 声纹识别

21:44

视频音频中人物角色声音分离 | 人物角色声音分类 | 自动音视频切分

17:38

13:23

AI大模型前后端分离智能问答系统

11:05

区分说话人语音识别

03:44

基于大模型的智能语音交互系统 | LLM | ASR | TTS | Whisper | MeloTTS

18:50

10:56

语音识别和声纹识别 | 通话录音区分说话人并转写录音 | 通话录音转写 | 语音转写

04:39

AI分离混杂音神器ClearerVoice | 阿里开源的处理两人对话中混合音频的分离难题

12:53

ClearerVoice语音分离和人声增强注意事项

17:05

阿里开源的ClearerVoice本地部署详细教程 | 语音分离与人声增强

49:04

新增视频切片功能 | 可根据视频中的不同说话人进行视频切片

08:31

本地服务器部署国产大模型deepseek r1 | DeepSeek R1大模型部署

09:22

deepseek r1部署演示下

13:50

本地部署deepseek-r1模型的详细教程

09:44

Linux服务器中部署deepseek-r1大模型 | 本地服务器部署deepseek-r1大模型14b | DeepSeek-R1大模型本地部署详细教程

23:12

流式语音合成MeloTTS OpenAI API接口

05:25

语音分离 | 根据说话人拆分音频 | 单轨录音说话人拆分 | 语音识别 | 声纹识别

14:22

竟然可以在CPU中跑671b的deepseek-r1大模型？| 是否可以用纯CPU方案跑deepseek-r1大模型 | deepseek-r1 671b部署

51:17

纯CPU下推理deepseek-r1 671b大模型演示 | CPU部署deepseek-r1 671b大模型需要什么条件？

11:24

纯CPU下跑deepseek-r1 671b大模型 | 在纯CPU情况下跑deepseek-r1 671b参数的大模型需要什么条件？

06:32

跑deepseek-r1 70b大模型需要什么条件 | 大模型deepseek-r1 70b部署教程

08:56

说话人分离 | 语音分离 | 音频拆分 | 语音转文本

04:32

deepseek-r1 70b大模型部署 | 需要多少张显卡可以跑70b模型 | 一张4090显卡可以跑70b模型吗 | 跑70b模型需要多少张显卡

33:00

基于说话人的音频分离 | 区分说话人 | 声纹识别 | 语音识别

01:16

说话人分离 | 基于FunASR开发的说话人分离项目 | 语音分离

07:01

基于OpenAI Whisper编写的一个音视频转文字的GUI程序 | 视频字幕提取 | 视频字幕生成 | 音频转写文字 | 语音识别

08:58

CosyVoice和MeloTTS对比 | 声音克隆 | 音色克隆

04:05

3D-Speaker模型训练 | cam++模型训练 | 声纹识别模型训练

07:24

客家话语音合成 | hakka tts | 小语种语音合成模型 | 小语种语音合成模型训练 | 内网可用语音合成

02:53

流式TTS | 实时语音合成 | 流式语音合成 | 客家话方言流式语音合成 | 方言流式语音合成

14:21

区分讲话人会议录音处理接口 | 通话录音区分讲话人接口 | 基于FunASR开发的可区分说话人的会议录音处理接口

04:30

使用国产华为昇腾芯片运行MeloTTS合成音频 | 国产华为芯片上运行TTS | 国产显卡运行TTS

20:12

华为显卡和英伟达显卡运行MeloTTS合成10万字速度对比竟然差别这么大

22:03

FunASR在智能会议系统中的应用 | 区分讲话人的智能会议系统 | 说话人日志功能接口应用 | 会议中区分不同的讲话人

11:15

f5-tts中合成数字和时间不对的问题的解决方法 | 如何解决TTS无法正确合成阿拉伯数字的问题 | 方言实时语音合成 | 实时语音合成

29:48

spark-tts语音合成接口演示 | 语音克隆 | 音色克隆 | 语音合成

10:14

04:44

会议录音转写系统 | 基于声纹识别和语音识别开发的会议录音转写系统 | FunASR

06:19

视频分割音频片段 | 批量视频分割输出音频片段

12:45

会议录音记录系统演示 | 基于ASR和声纹识别做的会议录音转写系统 | FunASR | 内网可部署的区分说话人语音转写系统

05:18

07:00

区分说话人 | 说话人分离

17:56

语音分离项目添加支持热词功能 | AudioSeparationGUI项目更新支持自定义热词 | ASR自定义热词

08:38

热词功能演示 | ASR自定义热词

06:26

部署index-tts-vllm | 语音合成项目构建docker镜像 | B站开源的TTS | index-tts-vllm在windows中部署

13:22

基于AI大模型的本地知识库问答系统部署视频 | LLM | RAG | 本地知识库问题系统

38:53

音视频提取文字工具 | 基于FunASR开发的音频和视频提取文字工具 | 基于开源模型开发的音视频提取文字工具

14:27

基于开源模型SenseVoiceSmall开发的音视频文字提取小软件 | 无需联网批量音频视频提取文本文字小工具

04:11

05:02

AI大模型优化ASR文字

04:08

使用Python开发的一个音视频字幕提取工具 | 无需联网可区分说话人的音视频处理工具

15:31

无需联网本地AI大模型音视频转写与内容总结软件 | 本地大模型语音转写 | 内网可用音视频转写小工具

14:15

Speaker Diarization说话人日志 | 单声道说话人日志开源模型 | 通话录音区分客户客服声音 | 单声道区分说话人语音识别

07:27

DeepSeek-OCR2部署详细教程 | 视觉多模态大模型 | DeepSeek最新开源的视觉多模态大模型本地部署详细教程

10:24

DeepSeek-OCR-2本地化部署详细教程 | 大模型处理PDF文档 | 本地化部署OCR | DeepSeek最新开源的OCR本地化部署详细教程

28:53

10:09

ClearerVoice部署详细教程 | AI分离多说话人语音 | 语音分离 | 阿里开源的语音分离工具

20:34

Linux中部署支持区分说话人的开源项目Whisperx | 区分说话人语音转写 | 语音识别 | ASR | 本地化部署区分说话人语音识别项目

23:22

本地化部署阿里最新开源的Qwen3.5B大模型

01:39

Linux部署Qwen3.5大模型 | 本地化部署大模型 | 本地化部署多模态大模型

08:18

私有化部署OpenAI开源的大模型GPT-OSS-20B | Linux部署GPT-OSS-20B大模型 | 私有化部署GPT | 大模型本地化部署

11:40

Gemma4多模态大模型 | 谷歌最新开源的多模态大模型体验 | Google开源的多模态大模型 | Gemma-4-31B大模型体验 | 最强多模态大模型之一

12:25

基于AI的会议记录转写系统 | 纯本地模型推理无需联网 | FunASR语音转文字 | FunASR区分说话人 | 声纹识别

14:47

部署阿里最新开源的Qwen3.6-35B-A3B多模态大模型 | Qwen3.6多模态大模型体验

01:23

私有化部署谷歌开源的Gemma4大模型 | 使用Gemma4多模态大模型的视觉识别来测试央视采访张雪机车 | Gemma4多模态大模型部署

10:55

坚持不懈，终于成功了 | Windows本地化部署语音降噪与人声增强

00:37

语音降噪与人声增强 | resemble enhance本地部署 | 语音降噪与人声增强体验 | 开源的语音降噪项目

08:42

与大模型实时语音通话 | AI虚拟数字人实时通话体验

08:19

05:56

两款开源的语音降噪项目对比 | DeepFilterNet和Resemble_Enhance对比降噪效果 | 实时语音降噪

06:38

Hunyuan翻译大模型 | 支持维吾尔语，藏语，蒙古语，哈萨克语等语言翻译的大模型

12:10

最低成本部署阿里最新开源的Qwen3.8-27B-FP8 | 2080Ti魔改版显卡本地化跑Qwen3.8-27B-FP8大模型

06:31

按人物分离音频 | 区分人物讲话 | 语音识别并区分人物 | 说话人日志

06:38

自动生成字幕 | 视频字幕自动生成 | Whisper自动生成视频字幕

19:58

使用Whisper和FFmpeg生成视频字幕 | 免费可用的本地视频生成字幕工具 | 本地语音识别Whisper | 开源语音识别大模型 | 制作视频字幕

22:14

ComfyUI中使用MiniMax-H3生成AI视频 | 本地部署AI视频生成模型MiniMax-H3 | Linux中跑ComfyUI使用MiniMax-H3

ComfyUI中使用MiniMax H3生成视频 | 生成AI视频工作流 | 本地可免费部署的AI视频生成软件 | 本地部署MiniMax H3详细教程

39:12

HeyGem虚拟数字人项目Linux部署 | Linux服务器部署虚拟数字人接口支持多路并发

10:40

人声增强和语音降噪国内内网主机中部署 | 语音降噪好用的项目推荐 | resemble-enhance

02:44