vget v0.12.1 版本正式发布，引入革命性的AI语音转文字功能。该功能基于Whisper大模型，支持tiny到large-v3多种模型，推荐使用whisper-large-v3-turbo以平衡速度和准确率。用户可通过命令行或Docker Web界面轻松转写音频/视频文件，支持MP3、MP4等多种格式，输出带时间戳的文本或字幕。结合OpenAI API，可实现内容自动总结，极大提升播客、视频等内容的处理效率。
原文链接：V2EX 分享发现
vget v0.12.1 上线AI语音转文字功能，支持大模型识别
未经允许不得转载：Toy's Tech Notes » vget v0.12.1 上线AI语音转文字功能，支持大模型识别
程序员数学扫盲课
AI周刊：大模型、智能体与产业动态追踪
Claude Code 全体系指南：AI 编程智能体实战
Karpathy神经网络零基础课程
最新评论
开源的AI对话监控面板很实用,正好团队在找这类工具。准备试用一下。
折叠屏市场确实在升温,不过售罄也可能是备货策略。期待看到实际销量数据。
从磁盘I/O角度解释B树的设计动机,这个切入点很好。终于理解为什么数据库不用二叉树了。
IT术语转换确实是个痛点,之前用搜狗总是把技术词汇转成奇怪的词。智谱这个方向值得期待。
这个工具结合LLM和搜索API的思路很有意思,正好解决了我在做知识管理时遇到的问题。请问有没有部署文档?
这个漏洞确实严重，我们团队上周刚遇到类似问题。建议补充一下如何检测现有项目是否受影响的方法。
从简单规则涌现复杂性这个思路很有意思，让我想起元胞自动机。不过数字物理学在学术界争议还挺大的。
我也遇到了指令跟随变差的问题，特别是多轮对话时容易跑偏。不知道是模型退化还是负载优化导致的。