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50

#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

一段代码让网站出海，这个 AI 翻译工具把多语言 SEO 玩明白了

跨境电商网站常因语言壁垒导致高跳出率。Weglot 是一款 AI 翻译工具，仅需几分钟即可通过添加脚本实现网站多语言本地化，且保持原有排版。该工具支持可视化编辑、术语表锁定及团队协作，便于后续维护。同时，它能自动优化 hreflang 标签、独立 URL 及元数据，解决多语言 SEO 难题。借助母语内容布局小语种市场，企业可以低成本获取流量红利，有效提升海外转化率。

SCOPE 给 AI 绘画装上了 “语义追踪器”，复杂提示词终于不用反复抽卡了

中科大团队发布 SCOPE 框架，通过结构化语义规格解决 AI 绘画中复杂提示词语义丢失问题。该系统将提示词拆解为实体、约束及未知项，构建包含分解、合成、生成、验证的四步循环，并辅以检索、推理和修复技能，实现生成过程全程可追溯与精准修复。团队还推出 Gen-Arena 评测基准及 EGIP 指标。实验显示 SCOPE 在多项基准中表现优异，为多元素控制场景提供了工程化解决方案，代码已开源。

Stable Audio 3.0 发布：开源音频生成从 11 秒走到 6 分钟

Stability AI 发布开源音频模型 Stable Audio 3.0，最长可生成 6 分 20 秒立体声音频。该模型采用 SAME 架构实现 4096 倍压缩，支持变量长度生成与局部编辑，Small 版本可在移动端离线运行。训练数据均获授权，规避版权风险。提供四个变体及 LoRA 微调文档，社区许可允许商用。此次升级标志着开源音频生成从短音效迈向完整歌曲创作，为开发者提供了本地化、合规的高质量音频生成方案。

#开源模型#AI 音乐

阅读全文

互动讨论