超级好用的免费音视频字幕生成工具：Whisper Web

Whisper Web 是一款免费、本地运行的音视频字幕工具，基于 OpenAI Whisper Large v3 Turbo 模型，20秒即可为25分钟音频生成高精度字幕，全程离线、无需联网。支持 npm 快速启动，Firefox 用户需手动启用 Web Workers。

发布于2024年10月12日 03:40

编辑零重力瓦力

评论0 条

阅读55

#OpenAI #音频生成

推荐大家一款好用的视频和音频字幕生成工具：Whisper Web。该工具可以本地安装，无需联网，完全免费。Whisper Web 采用 OpenAI Whisper Large v3 Turbo 模型，能够在短短20秒内为25分钟的音频生成字幕，非常高效。

安装及使用方法

克隆仓库并安装依赖

git clone https://github.com/xenova/whisper-web.git
cd whisper-web
npm install

运行开发服务器

npm run dev

在浏览器中使用

在浏览器中打开链接 (e.g., http://localhost:5173/)

Firefox 用户需要将 about:config 中的 dom.workers.modules.enabled 设置更改为 true 才能启用 Web Workers。关于这个问题更多详细信息请查看：Development in firefox instruction #8。

Whisper Web 项目地址 Whisper Web 试用地址

微软 Mirage：让世界模型学会“过目不忘”，速度快 10 倍、显存省 55 倍

微软研究院联合多所高校发布 Mirage 模型，通过在扩散模型隐空间直接存储三维记忆，解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程，使生成速度提升最高 10.57 倍，显存占用降低 55 倍，且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案，虽暂不支持动态物体记忆，但已开源并适用于机器人仿真等静态场景任务。

Google 搜索变身全天候智能体：Information Agents 上线，你的数据终于开始替你干活了

Google 推出 Information Agents 功能，面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测，智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略，通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战，但凭借二十年数据积累，Google 正推动 AI 助手从对话工具向自主代理进化，重塑“信息找人”的交互范式。

Kimi Work 上线：300 个子智能体在你的电脑上同时干活，个人 Agent 之战正式开打

6 月首周，月之暗面、微软、Google 及 Databricks 密集发布智能体产品，标志着 AI 正从对话助手转向持续行动系统。其中 Kimi Work 主打本地桌面运行，支持多智能体并行与浏览器接管；Microsoft Scout 定位永远在线的个人助理；Google 推出 24 小时信息追踪智能体；Databricks 开源 Omnigent 实现跨智能体互操作。行业共识逐渐形成，智能体将具备自主调度、任务拆解及持续运行能力。

#智能体框架#智能体

阅读全文

互动讨论