能用图像识别+音频转文字把视频生成长文档，再对文档进行提问、对话。主要使用的技术包括：ChatGPT、BLIP2、GRIT、Whisper、LangChain。有点像MiniGPT…

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

2098 位用户此时在线

关注推特

收听电报

男子的父亲出车祸获赔200万，还了房贷车贷还剩100万被姑姑拿走理财，结果全部亏完。大冰给他支了一招。

突发！10月25日，北京。刚刚结束四中全会的三里屯街头。有一位勇士挂起两面横幅： “共产党的本质是反人类的邪教，它们必将给中国带来无尽的灾难。” “开放党禁，自由组党，自由竞争，自由选择，建立自由，人性，法治的新中国”。——pque2025

这种魔术揭秘挺好

应该是马云人生中最风光的一幕了

10月24日，美国总统特朗普表示，他会在与中国国家主席习近平的会谈中，推动释放香港壹传媒集团创始人黎智英。

特斯拉全自动驾驶汽车躲避从天而降的飞机

中共軍犬訓練

10月25日，北京，永定门，国家信访局，访民正在被保安驱赶上大巴拉往收容所。

清丰帝万岁🥹🤗🤗！

This is absolutely brilliant. An incredible version of Boléro. 🎶

中國的新能源幾乎全是騙局，上騙補貼，下騙韭菜⋯⋯

10月21日，湖南省益阳市高新区，访民反映：高新区与赫山区迎宾西苑的多户安置居民因十余年来始终未拿到政府承诺的拆迁安置房，当天虽下着小雨，仍有人撑伞聚集在益阳市政府门前，要求兑现安置承诺。#维权

近日，广州市陈家祠地铁站内，有网友拍到一名男子穿着一件带有红字白色上衣伸冤。

插队的二货太多，应该见一个曝光一个。

B站爆火350万播放，AI编曲，AI作词，AI演唱，3A大作！网友一首黑熊精《差一点》汗颜了多少音乐制作人，AI还会给世界带来多少改变，将来还会有多少虚拟明星，AIGC奇点来临！

中國造不出一輛好車，但是這樣的傻屌，每日能造幾億。

太逆天了，你还信网络女主播吗？

10月24日，湖北襄阳，“科技狠活”达人辛吉飞在湖北襄阳拍摄美食视频时突发癫痫，口中倒沫子、身体抽搐，被送往医院。据辛吉飞接受媒体采访时称，当时他口吐白沫、浑身抽搐且失去意识，直到送至医院抢救才醒过来。医院初步临床诊断为癫痫，因脑电检查结果轻度异常，他需要进一步检查。

体制内人员，谁会最先失业？

In 1997, Murphy's Irish Stout released an anime cyberpunk commercial

伊斯蘭六十歲的老人，帶着他十歲懷孕的童媳。這就是伊斯蘭教法下的多元文化，伊斯蘭教法保護強奸兒童的畜牲，把女童當生育工具。伊斯蘭之所以人口眾多、品質低劣，就是因為牠們像老鼠一樣亂倫，不分年齡、不分血緣⋯⋯

转贴供参考——

又一名肉身冲塔的勇士🥲🫡！

🚨加州州长纽森和安大略省省长道格.福特联手亲自出演的新广告 --让川粉再次破防的新广告延续里根的主题：自由贸易、无税合作道格发帖说：

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

能用图像识别+音频转文字把视频生成长文档，再对文档进行提问、对话。

主要使用的技术包括：ChatGPT、BLIP2、GRIT、Whisper、LangChain。

有点像MiniGPT…
推特中文圈
( twitter.com )

2年前由宝玉提交

1周内 1个月内 1年内全部时间

【不识字也能翻译：谷歌AI直接用音频翻音频，不用先转文本】谷歌AI在翻译语音时，把西语的音频转成文本，也不生成任何英语的文本，直接产出了英文音频。不看文本只靠听，背后的原理是把一种语音的声谱图 (Spectrogram) ，映射到另一种语音的声谱图上。
大陆资讯
( mp.weixin.qq.com)

6年前 • 微信公众号 • -- 点击 0 评论

MDvideo 是一个桌面软件，可以自动将 Markdown 文档转成一段视频。

文档里面的视频、音频、图片网址，都会抓取后插入视频，还可以根据文字，生成人工语音的旁白朗读。非常适合快速生成产品的介绍视频。…
推特中文圈
( twitter.com)

4年前 • twitter机器人 • -- 点击 0 评论

使用Gradio构建生成式AI应用5：图文互生游戏

视频描述：
在这个视频中，我们会利用之前学到的知识，如文字转图像和图像提取文字，来创建一个互动游戏。通过 Gradio，我们之前学习了如何为 NLP…
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:04:42

OpenAI的Chad Nelson在伦敦C21Media主题演讲中透露，Sora v2即将发布。据介绍，新版本将具备以下功能：
- 生成一分钟长度的视频
- 文字转视频
- 文字加图片转视频
- 文字加视频转视频

IT技术
( twitter.com)

10个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:02:07

Azure 平台多模态支持来了，不再局限于文本对话生成，实现图文和音频等内容的双向识别转换：

1. 发送链接总结新闻，生成新闻摘要总结，返回音频朗读；
2. 发送长音频，识别文本，生成简短的音频总结；
3. 发送照片，生成食谱、…
IT技术
( twitter.com)

2年前 • 𝘅𝗶𝗻𝘇𝗵𝗶  • -- 点击 0 评论

利用 AI，用视频生成视频

从文字生成图片、从图片生成图片的产品已经很多，直接从视频生成视频呢？

今天专注于图片和视频的 AI 人工智能公司 Runway 发布了新产品 Gen-1，可以通过已有视频、文字来生成新视频，效果非常…
推特中文圈
( twitter.com)

2年前 • 倪爽 • -- 点击 0 评论

为什么要把好好的 Youtube 视频转为图文格式？

为了快

大家都追捧用 ChatGPT 生成 Youtube、Bilibili 视频摘要，没想到图文也可以快速观看视频吧。我们都擅长用眼睛“扫描”、一目十行都行，那么用图文方…
推特中文圈
( twitter.com)

2年前 • 倪爽 • -- 点击 0 评论

#AI开源项目推荐#：AudioGPT
这是一个借助大语言模型（LLM）处理音频的工具，可以：
- 生成音乐 🎶
- 背景音效 🎵
- 音频生成字幕 🎤
- 文字生成音频 🗣️
- 文字生成音频并模拟声音 📢
- 根据图片生成音频…
推特中文圈
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

简单介绍一下作者从视频生成文章的思路，还是有些可以学习借鉴的地方，主要是能生成插图和从视频中提取代码。
1. 输入YouTube视频地址后，下载视频
2. 基于视频需要分别处理文本和视频帧
2.1 音频处理成文本
2.1.1 使用Whisper从音频获取带有时间戳的文本
2.1.2 将文本合并
2.2 视频帧处理
2.2.1…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

怎么用 AI 把一个标题、一段文字变成专业级别的播客

声湃利用 AI 把播客音频转文字的服务已经内测好久（），YC 成员 Wondercraft AI 做了一个完全相反的项目：用文字…
时政
( twitter.com)

2年前 • 倪爽 • -- 点击 0 评论

发现一个音频转字幕的简单方法，就是使用飞书的Minutes，把音频上传上去后，自动能识别字幕，并且还能识别Speaker，刚测试了一个播客的音频，效果非常好👍🏻

图片
( www.larksuite.com)

2年前 • 宝玉 • -- 点击 0 评论

DomoAI：将你的照片和视频动漫化——只需要上传照片和视频，选择提示词和指定动漫风格，即可将你的照片和视频动漫化。支持：- 文字转图片：超过10种模型，专注于动漫和写实风格。- 图像转图像：图片转动漫、动漫转现实图片。- 图像到视频：从图片生成短动画。- 视频到视频：将视频转换成动漫风格
大陆资讯
( m.weibo.cn)

1年前 • 道知不 • -- 点击 0 评论

微软的一个视频生成项目 Mora，利用 Agents 来复原 Sora 的能力，基本还原了 Sora 所有的能力，目前支持生成 1024*576 分辨率的 12 秒视频。
还原的能力包括：
1）将文本转换为视频
2）根据文本条件将图片转换为视频
3）扩展已生成的视频
4）进行视频到视频的编辑
5）串联视频以及
6）模拟数字世界…
IT技术
( twitter.com)

1年前 • 歸藏 • -- 点击 • 下载视频 0 评论

00:00:12

#AI开源项目推荐 subtitler
不需要上传视频到服务器，直接在浏览器端就可以语音转录成文本字幕，以及对转录的字幕编辑，生成带字幕视频的开源网站。语音转字幕利用的是 WebGPU，在浏览器端执行 Transformer + Whisper 模型（目前只能支持 tiny 和 base 模型）。视频生成是基于一个库叫
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

Cloudflare Workers AI 新推出的 Markdown Conversion 功能，可以快速帮你把各种格式的文件（PDF、HTML、图像等）转换为 Markdown，同时还可以配合图像识别模型进行内容总结，极大地提升开发效率。如果只是把 PDF、HTML 等文本文档转成 Markdown，大部分情况下不收费。如果转换图像或使用到 AI
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 0 评论

发现个超实用的Chrome插件，飞书文档一键下载为Markdown文件。
自动下载页面图片、音频、视频，改成本地引用，最大限度保证排版。
IT技术
( chromewebstore.google.com)

1年前 • 向阳乔木 • -- 点击 0 评论

今天又一次用了兄做的 TinyStudio 把视频转录文本，利用 Claude+ 整理文稿，效果速度都很赞。建议兄在输出格式上，加一个纯文本，有利于视频+图文双料作者把视频转换成博客发布…
推特中文圈
( twitter.com)

2年前 • Wang Shuyi • -- 点击 0 评论

我的零痛苦 AI 学英语技巧
#活到死学到死
去年超热门的 NotebookLM、能把文章变成活灵活现的播客节目的那个，我用它表弟 Illuminate AI 学英语
Illuminate 能生成一问一答音频，适合讲解论文、分析长文章，我用它把有趣的英语长文转为 3、5 分钟的短音频，用碎片时间听它们
IT技术
( twitter.com)

9个月前 • 倪爽 • -- 点击 • 下载视频 0 评论

00:06:03

现在许多视频的字幕错字成堆，错的都是同音字词，可见是用声音识别软件自动生成的。播主们往往听之任之。但像下面这句，性质就难以判定了。
时政
( twitter.com)

3年前 • twitter机器人 • -- 点击 0 评论

🎉🎉🎉 OMG！我发现了一个超级神器，它就是飞书妙记！语音和视频内容全都可以转文字

我会把我们公司每次的分享会以文字形式整理出来，它还能自动识别讲话人的音色，非常的实用

这款神器完全免费！不用担心会产生任何费用！

链接：…
币圈
( twitter.com)

2年前 • 千寻 • -- 点击 0 评论

一行命令，搞定常见图片、音频、视频、文本格式转换
大陆资讯
( sspai.com)

5年前 • 巭孬嫑夯昆 • -- 点击 0 评论

Chrome 浏览器内置了实时字幕功能（下图），看英文视频、听英文播客很有用。

可以在菜单“设置/高级/Accessibility/Captions”，打开这个功能，详见官方文档。
图片
( support.google.com)

3年前 • twitter机器人 • -- 点击 0 评论

【微信上线语音转文字功能：“按住说话”上滑可转文字】此前微信灰度测试的“发送语音过程”转文字功能，目前已正式上线iOS端。支持识别的语言有普通话、粤语和英语。在7.0.5版本中，用户录入语音消息后只需手指上滑，就能将语音转成文字发送了。
大陆资讯
( tech.sina.com.cn)

6年前 • 墙头看世界 • -- 点击 0 评论

一个免费的可以在线给音频视频生成字幕的网站。
免费版最大300MB文件，最长不超过1小时，使用的Whisper的Medium尺寸的模型（英文足够好了，中文欠佳）

IT技术
( freesubtitles.ai)

2年前 • 宝玉 • -- 点击 0 评论

能用图像识别+音频转文字把视频生成长文档，再对文档进行提问、对话。 主要使用的技术包括：ChatGPT、BLIP2、GRIT、Whisper、LangChain。 有点像MiniGPT… 推特中文圈 ( twitter.com )

推特中文圈

大陆资讯

推特中文圈

使用Gradio构建生成式AI应用5：图文互生游戏 视频描述： 在这个视频中，我们会利用之前学到的知识，如文字转图像和图像提取文字，来创建一个互动游戏。通过 Gradio，我们之前学习了如何为 NLP… IT技术 ( twitter.com)

IT技术

OpenAI的Chad Nelson在伦敦C21Media主题演讲中透露，Sora v2即将发布。据介绍，新版本将具备以下功能： - 生成一分钟长度的视频 - 文字转视频 - 文字加图片转视频 - 文字加视频转视频 IT技术 ( twitter.com)

IT技术

IT技术

推特中文圈

为什么要把好好的 Youtube 视频转为图文格式？ 为了快 大家都追捧用 ChatGPT 生成 Youtube、Bilibili 视频摘要，没想到图文也可以快速观看视频吧。我们都擅长用眼睛“扫描”、一目十行都行，那么用图文方… 推特中文圈 ( twitter.com)

推特中文圈

推特中文圈

IT技术

怎么用 AI 把一个标题、一段文字变成专业级别的播客 声湃利用 AI 把播客音频转文字的服务已经内测好久（），YC 成员 Wondercraft AI 做了一个完全相反的项目：用文字… 时政 ( twitter.com)

时政

发现一个音频转字幕的简单方法，就是使用飞书的Minutes，把音频上传上去后，自动能识别字幕，并且还能识别Speaker，刚测试了一个播客的音频，效果非常好👍🏻 图片 ( www.larksuite.com)

图片

大陆资讯

IT技术

IT技术

IT技术

发现个超实用的Chrome插件，飞书文档一键下载为Markdown文件。 自动下载页面图片、音频、视频，改成本地引用，最大限度保证排版。 IT技术 ( chromewebstore.google.com)

IT技术

今天又一次用了 兄做的 TinyStudio 把视频转录文本，利用 Claude+ 整理文稿，效果速度都很赞。建议 兄在输出格式上，加一个纯文本，有利于视频+图文双料作者把视频转换成博客发布… 推特中文圈 ( twitter.com)

推特中文圈

IT技术

现在许多视频的字幕错字成堆，错的都是同音字词，可见是用声音识别软件自动生成的。播主们往往听之任之。但像下面这句，性质就难以判定了。 时政 ( twitter.com)

时政

币圈

一行命令，搞定常见图片、音频、视频、文本格式转换 大陆资讯 ( sspai.com)

大陆资讯

Chrome 浏览器内置了实时字幕功能（下图），看英文视频、听英文播客很有用。 可以在菜单“设置/高级/Accessibility/Captions”，打开这个功能，详见官方文档。 图片 ( support.google.com)

图片

大陆资讯

一个免费的可以在线给音频视频生成字幕的网站。 免费版最大300MB文件，最长不超过1小时，使用的Whisper的Medium尺寸的模型（英文足够好了，中文欠佳） IT技术 ( freesubtitles.ai)

IT技术

创建一个新帐户

登录

能用图像识别+音频转文字把视频生成长文档，再对文档进行提问、对话。

主要使用的技术包括：ChatGPT、BLIP2、GRIT、Whisper、LangChain。

有点像MiniGPT…
推特中文圈
( twitter.com )

使用Gradio构建生成式AI应用5：图文互生游戏

视频描述：
在这个视频中，我们会利用之前学到的知识，如文字转图像和图像提取文字，来创建一个互动游戏。通过 Gradio，我们之前学习了如何为 NLP…
IT技术
( twitter.com)

OpenAI的Chad Nelson在伦敦C21Media主题演讲中透露，Sora v2即将发布。据介绍，新版本将具备以下功能：
- 生成一分钟长度的视频
- 文字转视频
- 文字加图片转视频
- 文字加视频转视频

IT技术
( twitter.com)

怎么用 AI 把一个标题、一段文字变成专业级别的播客

声湃利用 AI 把播客音频转文字的服务已经内测好久（），YC 成员 Wondercraft AI 做了一个完全相反的项目：用文字…
时政
( twitter.com)

发现一个音频转字幕的简单方法，就是使用飞书的Minutes，把音频上传上去后，自动能识别字幕，并且还能识别Speaker，刚测试了一个播客的音频，效果非常好👍🏻

图片
( www.larksuite.com)

发现个超实用的Chrome插件，飞书文档一键下载为Markdown文件。
自动下载页面图片、音频、视频，改成本地引用，最大限度保证排版。
IT技术
( chromewebstore.google.com)

今天又一次用了兄做的 TinyStudio 把视频转录文本，利用 Claude+ 整理文稿，效果速度都很赞。建议兄在输出格式上，加一个纯文本，有利于视频+图文双料作者把视频转换成博客发布…
推特中文圈
( twitter.com)

现在许多视频的字幕错字成堆，错的都是同音字词，可见是用声音识别软件自动生成的。播主们往往听之任之。但像下面这句，性质就难以判定了。
时政
( twitter.com)

一行命令，搞定常见图片、音频、视频、文本格式转换
大陆资讯
( sspai.com)

Chrome 浏览器内置了实时字幕功能（下图），看英文视频、听英文播客很有用。

可以在菜单“设置/高级/Accessibility/Captions”，打开这个功能，详见官方文档。
图片
( support.google.com)

一个免费的可以在线给音频视频生成字幕的网站。
免费版最大300MB文件，最长不超过1小时，使用的Whisper的Medium尺寸的模型（英文足够好了，中文欠佳）

IT技术
( freesubtitles.ai)