最新教程/文档列表

---

• 在软件中使用 HuggingFace 模型：详细指南

  Hugging Face (huggingface.co) 是一个广受欢迎的机器学习模型仓库，其中包含了大量可用的语音识别模型。当内置的 Faster-Whisper 模型在处理小语种时支持不足，或您需要特定优化模型时，Hugging Face 将是寻找解决方案的理想平台。 本功能适用于软件 v3.71 及以上版本，并仅支持由 ctranslate2 转换而来的模型。 --- 第一步：确认模型兼容...

  2025/6/6 22:33:00

• Gemini2.5 新增 gemini-2.5-flash-preview-tts 多说话人文字配音，可免费使用

  你可能还不知道，Google 的 Gemini 2.5 新增了一项非常实用的功能——多说话人文字配音！可在 Google AI Studio 上免费使用。该功能由gemini-2.5-flash-preview-tts和gemini-2.5-pro-preview-tts模型实现。 > 重要提示： > 1. 科学上网能力：访问 Google AI 服务，你需要能够访问国际互联网（请自行解决网络问题...

  2025/5/22 22:33:00

• 从两条FFmpeg命令分析 软字幕 vs. 硬字幕：看这一篇就够了！

  当我们在使用像 pyVideoTrans 视频翻译软件时，会面临“嵌入软字幕”还是“嵌入硬字幕”的选择。这两种方式有什么区别？它们各自的优缺点是什么？又是如何使用 FFmpeg 工具来实现呢？ 别担心，这篇笔记会用最浅显易懂的方式，带你一次搞清楚！ 两种字幕嵌入方式：软与硬 想象一下，字幕就像是给视频穿上的“文字外衣”。这件外衣可以有两种穿法： 1. 软字幕 (Soft Subtitles): 就...

  2025/5/11 22:33:00

• Gemini API兼容OpenAI接口：教你如何在兼容应用中免费配置使用

  Gemini 系列大模型或许是被低估的。无论在模型能力、免费额度，还是服务稳定性等方面，它都丝毫不逊色于其他主流模型。特别是其开发者后台 Google AI Studio，不仅界面友好，操作便捷，而且提供了非常慷慨的免费使用额度。正因如此，Gemini 已成为我目前主力使用的大模型。 值得一提的是，Gemini 还兼容 OpenAI 的 API 接口规范。这意味着，你可以在许多支持 OpenAI ...

  2025/5/10 02:33:00

• 使用 LLM 大模型对语音识别结果重新断句

  为了提升字幕断句的自然度和准确性，pyVideoTrans 从 v3.69 版本开始，引入了基于 LLM (大型语言模型) 的智能断句功能，旨在优化您的字幕处理体验。 背景：传统断句的局限 在 v3.68 及更早版本中，我们提供了一个“重新断句”功能。该功能在 faster-whisper、openai-whisper 或 deepgram 完成初步语音识别后，会调用阿里模型对已生成的字幕进行二次...

  2025/5/8 23:33:00

• 想让AI听懂你的话？这篇“人话版”指南带你飞！

  踏入大语言模型（LLM）这个新奇的世界，感觉是不是有点小激动？无论是想让AI帮你写个朋友圈文案、翻译几句外语、解道数学题，还是鼓捣点代码，提示工程（Prompt Engineering） 这个词你可能已经听过，它就是你跟AI“好好说话”的艺术。 别担心，这篇指南（大概3000字，耐心点看哈）就是专门为你——刚接触AI，懂一点点编程或者完全不懂的小伙伴——量身定做的。目标只有一个：让你快速掌握怎么写...

  2025/4/22 18:07:57

• 实战笔记：把海量商品数据“翻译”成 AI 能看懂的 Markdown 知识库

  最近在瞎鼓捣一件事儿：怎么把公司那堆庞杂的工业产品数据，变成 AI 能“吃”得懂的“粮食”，最终目标是搞个智能客服或者产品问答机器人。 手头的数据嘛，主要是两张表：一张是 product，存着 8000 多种商品 的基本信息；另一张是 prosn，记录了每个商品下的各种具体型号,合计大约300万个型号，每个型号还带着价格、重量、编号、一堆属性参数等等。 核心需求就是：用户随便问个型号，AI 得能麻...

  2025/4/18 18:07:57

• Ubuntu 开发环境搭建实战：PostgreSQL + pgvector + 最新 Node.js

  前言 最近在 Ubuntu 上搭建MaxKB开发版本，需要用到 PostgreSQL 数据库、向量搜索能力（通过 pgvector 扩展）以及最新 Node.js 环境的项目。过程中遇到了一些典型的“坑”，但也找到了解决方法。为了巩固学习，也为了方便遇到类似问题的朋友，我把整个过程整理成了这篇笔记。希望它能帮你节省一些调试时间！ 目标环境： 操作系统：Ubuntu (本文命令基于 APT 包管理器...

  2025/4/15 23:33:00

• 搞定 FFmpeg 跨平台硬件加速：我的自动选择方案与踩坑实录

  搞定 FFmpeg 跨平台硬件加速：我的自动选择方案与踩坑实录 (含 Python 代码) 搞视频处理，FFmpeg 简直是绕不开的神器。但用着用着，性能就成了新瓶颈。想提速？硬件加速编码（比如用显卡搞 H.264/H.265）自然是首选。可接下来，一个让人头大的坎儿就来了：跨平台兼容性。 你想想： 操作系统有 Windows、Linux、macOS。 显卡有 NVIDIA、AMD、Intel，还...

  2025/4/14 23:33:00

• GitHub 疑似主动屏蔽中国大陆 IP，访问形势骤变！

  各位开发者朋友们，今天可能要面对一个令人沮丧的现实。 过去，虽然直连 GitHub 网速感人，时有卡顿甚至某些地区无法访问，但这更多被认为是网络环境过滤的问题，国内并未彻底屏蔽GitHub访问。 然而，情况似乎从今天起发生了质的变化：大量用户反馈，GitHub 开始主动屏蔽来自中国大陆的 IP 地址。这意味着，如果你不使用科学上网工具，可能将彻底无法访问 GitHub 的大部分内容。 根据目前观察...

  2025/4/13 23:33:00

• AI 编程：神助攻还是挖坑王？我的 AdminLTE 后台改造实战反思

  开篇聊几句 最近，“AI 要颠覆软件开发”、“90% 程序员要失业”这类论调传得沸沸扬扬，各种 AI 编程神器、IDE 插件也确实秀出了让人眼前一亮的肌肉。说实话，作为开发者，我既好奇又有点小激动，也想着能不能靠 AI 让开发效率“坐上火箭”。 正好，我最近接手一个活儿：把一套老掉牙的 CRM 后台系统（PHP 5 + CodeIgniter 3.1.10）升级到 PHP 7，并套上新版的 Adm...

  2025/4/12 09:33:00

• FFmpeg 视频慢速播放：我的学习笔记与实用技巧

  各位跟视频打交道的朋友们！ 有没有遇到过这种情况：想用 FFmpeg 把一个视频的播放速度调慢，比如放慢一半，方便看清楚里面的细节，或者跟着做点什么？又或者，你有一堆按顺序拍的图片，想把它们合成一个视频，但希望它播放得慢一点，而不是一闪而过？ 我最近就在琢磨这些问题，发现 FFmpeg 处理起来还真有几个关键点，尤其是在设置速度和处理图片序列时。我翻了些 Reddit 上的讨论（比如这两个：怎么让...

  2025/4/11 08:33:00

• 搞定 VitePress 博客分页：我的踩坑与实现之旅

  当初为啥选 VitePress 来搭我的个人网站和博客呢？其实不是一时兴起，主要是看中了它几个地方： 1. 顺手，好用： 之前用 VitePress 写过技术文档，对它的配置、Markdown 写法、Vue 组件支持还有那快得飞起的 HMR (热更新) 都挺熟的。用熟悉的东西，自然省心省力。 2. 既要写博客，也要放教程： 我的网站不光是零散的博客文章，还想系统地放一些教程系列（比如 Python...

  2025/4/10 02:33:00

• 用 uv 轻松玩转 Python 项目：从安装到运行，一步到位！

  Python 是个神奇的编程语言，背后有无数好玩的开源项目，比如 AI 工具、视频处理脚本等等。不过对于很多非程序员来说，想从 GitHub 上下载这些项目并跑起来，最大的拦路虎就是“依赖管理”和“版本管理”。 什么 pip、pyenv、venv、poetry、conda……光听名字就头晕，更别提折腾半天还跑不通。好消息是，最近有个新工具叫 uv，它简单、快速、靠谱，特别适合小白用户。今天，我就带...

  2025/4/9 14:04:18

• AI 编程心得：告别『全自动』的坑，我的『半指导』高效实践

  最近接手了个有点年头的 CodeIgniter 3 老项目，需要增加几个功能，例如招聘、考勤、出入账等。寻思着用 AI 辅助一下，结果捣鼓下来，我对怎么使唤 AI 编程有了点新想法，或者说，踩了些坑后的心得吧。 现在 AI 编程这么火，你要说你不用，好像都快跟不上时代了。但要说完全依赖那些 AI IDE（像 Cursor、Windsurf、Trae 这些）或者把整个项目都交给 AI 大包大揽，说实...

  2025/4/9 07:04:18

• 在 Python 中轻松驾驭 Shell 命令：从入门到灵活应用（Windows 和 Linux 版）

  先聊聊为啥写这篇 如果你对 Python 3 有所了解，可能知道 subprocess 是跑 Shell 命令的好工具。它能让 Python 调用系统命令，功能强大。 但它选项多、知识点杂，管道、输入输出、错误处理、编码问题一大堆，经常让人用得稀里糊涂。很多时候，我们随便抄段代码，能跑就行，却不清楚为啥这么写、啥时候该换个方法。 今天，根据官方文档，我又重学了一遍 subprocess，争取掌握的...

  2025/4/8 23:33:00

• FFmpeg 错误处理：如何从一堆废话中找到重点

  在使用 Python 的 subprocess 模块调用外部工具，尤其是 ffmpeg时，经常会碰到一个让人头疼的问题：一旦命令出错，抛出的 subprocess.CalledProcessError 异常会把标准错误输出（stderr）一股脑儿丢给你。这输出往往长得吓人，里面混杂着版本号、编译信息、配置参数等等，而真正有用的错误线索，可能就那么一两行，藏在这一大堆信息里找都找不着。 问题：FFm...

  2025/4/8 07:04:18

• 英伟达 RTX 5090 装机后无法使用 GPU 加速？别急，这里有解决办法！

  很多喜欢本地部署 AI 项目的朋友，总是追着英伟达最新显卡跑。RTX 4090 刚出时，迫不及待换上，体验飞一般的算力。RTX 5090 发布后，又是一波抢购热潮。然而，装上 5090 后，悲剧出现了：程序跑不动 GPU 加速，速度慢得像乌龟，甚至直接报错崩溃，连启动都成问题！ NVIDIA GeForce RTX 5070 Ti with CUDA capability sm120 is not...

  2025/4/5 23:33:00

• 小红书开源的语音识别模型使用与整合包下载

  这款 ASR 模型已经集成到整合包中，可以在视频翻译软件(pyVideoTrans)中方便地使用。 整合包下载及模型说明 模型体积： AED 模型 (model.pth.tar)： 4.35GB LLM 模型： 包含两个模型 小红书识别模型 (model.pth.tar)：3.37GB Qwen2-7B 模型 (4个文件)：合计 17GB 模型总计约 21GB。即使压缩成 7z 格式，体积仍然超过...

  2025/4/5 22:37:57

• markdown简单入门教程

  John Gruber 是个超级有名的科技博主兼程序员，他的博客 Daring Fireball 在圈子里赫赫有名。他搞出 Markdown 的初衷特别简单：想要一种格式，既方便读，又好写，还能轻松变成网页（HTML）。结果呢，Markdown 就这么横空出世啦！ --- Markdown 能干啥？解决啥烦恼？ 生活中写东西时，总会碰到一些让人头疼的事儿，比如： - Word 太麻烦：想写篇小文章...

  2025/4/4 23:33:00

• 提示词高手是怎么解锁 GPT-4o 画图新玩法的

  那些被大家封为“提示词高手”的大神，好像总能随手掏出让人眼前一亮的玩法。那么，他们到底有什么秘密武器呢？今天，我就化身一个自封的“提示词高手”，给你抖一抖这些“独家秘籍”，让你也能轻松玩转这个超有意思的技能！ --- 一、提示词从哪儿来？四招帮你找到宝藏 想成为提示词高手，第一步当然是找到好玩的提示词。那这些灵感从哪儿来呢？我给你揭秘几个超实用的小路子： 1. 搜索引擎——简单粗暴，但有点看运气 ...

  2025/4/2 23:33:00

• MCP是什么，有什么用，如何使用？

  AI 世界日新月异，“MCP”是个容易让人迷糊的术语。先把界限划清楚： - MCP 概念 1（多智能体协作）：有时指“多智能体协作平台”（Multi-Agent Collaboration Platform），比如 AutoGen，让多个 AI 组队干活。很酷，但不是今天的重点。 - MCP 概念 2（Anthropic 协议）：这是 Anthropic（Claude 的开发者）推出的正式标准，全...

  2025/4/2 08:25:14

• 安装 Visual Studio Community 免费版,解决pip安装失败问题

  你可能听说过 Visual Studio，它被誉为“宇宙第一 IDE”（集成开发环境），功能非常强大。但同时，它也确实比较“庞大”。对于不是专门做 .NET 开发的朋友来说，通常不需要安装它。 但是！如果你经常需要在自己的 Windows 电脑上尝试运行一些开源的 AI 项目（比如基于 Python 的项目），那么安装 Visual Studio Community 就变得几乎是必需的了。这是因为...

  2025/4/2 08:25:14

• AI也能听懂你：轻松学会写出超棒提示词

  - AI的回答驴唇不对马嘴？ - 给你的内容乱七八糟？ - 生成的东西太笼统，根本用不上？ 别急，这些问题多半不是AI的锅，而是你给它的“提示词”（Prompt）还不够给力。 --- 提示词是个啥？ 简单说，提示词就是你对AI说的话，告诉它“干啥”和“咋干”。一个厉害的提示词，通常有四个“法宝”： - 指令：你想让AI干啥？ - 上下文：AI需要啥背景资料？ - 输出格式：你想要啥样的结果？ - ...

  2025/4/2 07:04:18

• 一句简单的提示词，就能让大语言模型在翻译时更好地“意译”

  以前为了让大语言模型翻译得更好，我可是费尽心思，试过各种方法。一开始是先直译再意译，后来升级成直译、反思、再意译。效果确实有进步，但步骤也变得越来越复杂。 现在模型越来越聪明，我开始觉得没必要搞得那么麻烦，反而想试试“返璞归真”，找个更简单、更高效的提示词方法。 我发现，翻译结果有时候显得生硬，其实是因为任务本身定成了“翻译”。既然是“翻译”，模型就老老实实按字面意思来，尽量保留原文的格式和结构，...

  2025/4/2 07:04:18

• FFmpeg 音视频格式详解,像美食家一样品味音视频

  > 提示：如果你的电脑已经安装了 FFmpeg，那么可以直接在命令行中使用。如果没有安装，可以下载预编译好的 FFmpeg 工具包。 例如，在 pyVideoTrans 的 Windows 预打包 FFmpeg 目录下，已经包含了 ffmpeg.exe 文件。 你可以进入该文件夹，然后在地址栏输入 cmd 并回车，这样就可以执行 ffmpeg 命令了。 例如，输入 ffmpeg -h 可以查看 F...

  2025/3/27 22:33:00

• FFmpeg 进阶玩法：让音视频处理如虎添翼！

  你可能已经掌握了 FFmpeg 的一些基本操作，比如简单的格式转换或剪辑。但 FFmpeg 的能耐远不止于此！今天，我们就来解锁一些不那么常见、但在特定场景下能大显身手的“隐藏技能”，让你的音视频处理能力更上一层楼。 准备好了吗？让我们一起探索 FFmpeg 的更多可能性！ 一、像指挥家一样调度音视频：玩转 -map 参数 想象一下，一个视频文件就像一个集装箱，里面可能装着画面（视频流）、声音（音...

  2025/3/26 22:33:00

• 免费免代理本地白嫖 OpenAI 文字配音API服务

  GitHub有大神搞了个逆向项目ttsfm，通过逆向 openai.fm 实现了本地白嫖，只需要安装并启动该ttsfm，并将http://localhost:7000/v1 填写到视频翻译软件菜单--TTS设置-OpenAI TTS 的地址中，即可使用。 > 未来使用人数太多，OpenAI 扛不住白嫖的时候，肯定会失效，但至少目前还可用，想用的抓紧了。 下面讲下如何在本地安装并启动，你需要保证本地...

  2025/3/26 01:40:22

• MP4 字幕嵌入完全指南

  --- 一、字幕类型解析 1. 硬字幕（烧录字幕） - 定义：字幕直接渲染到视频画面，成为图像的一部分。 - 特点： - 不可关闭，永久显示。 - 兼容性极高，任何设备均可播放。 - 样式（字体、颜色等）固定，无法调整。 - 适用场景： - 防盗版（如影视平台水印）。 - 低端设备（如老式电视）字幕显示。 2. 软字幕（内嵌字幕） - 定义：字幕以独立轨道封装于视频文件（如 MP4 的 movte...

  2025/3/23 01:40:22

• 认识 Ollama：让大模型在你电脑上安家落户

  > "Get up and running with large language models locally." 想在自己的电脑上跑大模型？听起来是不是有点酷，但又担心配置太麻烦、硬件要求太高？别担心，Ollama 就是来帮你解决这个问题的！ 自 2023 年 6 月诞生以来，Ollama 迅速蹿红，现在已经成了很多人在本地玩转大模型的首选神器。随着大家对数据隐私和边缘计算越来越关注，可以预见...

  2025/3/22 22:33:00

• 告别命令行！给你的 Ollama 装上炫酷的可视化聊天界面 (两种简易部署方案)

  想让你的 Ollama 模型交互体验升级？告别冷冰冰的命令行，拥抱直观的可视化聊天界面吧！这篇教程就为你准备了两种简单易行的方法，让你轻松搞定 Ollama WebUI 的部署：一种是轻巧灵活的 Node.js 方案，另一种是省心省力的 Docker 方案。总有一款适合你！ --- 方法一：轻巧灵活 Node.js 方案 这种方式稍微需要你动动手，但能让你更了解背后的运行机制，也比较轻量。 1. ...

  2025/3/22 22:33:00

• 想在 Windows 上玩转 Ollama？看这篇就够了！(超详细图文教程)

  嘿，朋友！想不想在自己的 Windows 电脑上，不用联网也能跑各种酷炫的大语言模型（LLM）？那 Ollama 这个神器你可不能错过！ 别担心自己是技术小白，这篇指南就是为你量身打造的。咱们会一步步带你搞定下载、安装、配置，还有怎么验证它是不是乖乖工作了。保证让你轻松上手，在本地畅玩 AI 大模型！ 咱们要做啥？简单来说就这几步： 1. 去官网把它“请”回来 (下载安装包) 2. 给它安个家，顺...

  2025/3/22 22:33:00

• Ollama 模型放哪儿？告别 C 盘焦虑，自定义存储位置超简单指南！

  玩 Ollama 爽是爽，可模型哗啦啦下回来，动不动就好几个 G，眼看 C 盘空间告急是不是特闹心？默认情况下，Ollama 这家伙确实喜欢把所有宝贝（也就是下载的模型）都塞到 C 盘（或者你的主目录），这对系统盘来说简直是“甜蜜的负担”。 别担心！这篇指南就是你的“C 盘拯救手册”。咱们会手把手教你，在 Windows、Linux 和 macOS 这三大主流系统上，怎么给 Ollama 的模型们...

  2025/3/22 22:33:00

• Ollama GPU 加速配置指南 (Windows & Linux)，让 AI 推理快到飞起！

  感觉 Ollama 只用 CPU 跑模型有点慢吞吞？想不想体验那种秒回的 AI 速度？好消息！如果你的电脑有块不错的 NVIDIA 显卡（GPU），那它就是你的秘密武器！GPU 天生就是并行计算小能手，让它来处理 AI 推理，速度能甩 CPU 好几条街！ 这篇指南，就是带你一步步解锁 Ollama 的 GPU 加速能力，无论你是 Windows 党还是 Linux 控，都能轻松搞定！ 为啥要用 G...

  2025/3/22 22:33:00

• 用 Python 召唤 Ollama 神龙？这份 API 新手指南带你飞！

  想用 Python 给你的 Ollama 本地大模型施展魔法吗？无论是想打造一个能跟你聊天的机器人、批量处理文本数据，还是随心所欲地管理你的本地模型库，这篇指南都能带你轻松入门！ 咱们会一起探索如何跟模型进行简单对话、如何像看打字一样接收流式响应、怎么创建/复制/删除模型，甚至还会玩转更高级的自定义客户端和异步编程，让你的 AI 应用跑得更快更溜！ 准备好了吗？开启你的 Python + Olla...

  2025/3/22 22:33:00

• 用 FastAPI 给 Ollama 造个聊天室？手把手教你搭一个可视化界面！

  还在命令行里跟 Ollama 模型“尬聊”？是不是想给它配个更直观、更酷炫的聊天界面？好消息！用 Python 的 FastAPI 框架加上一点点前端魔法，我们就能轻松搞定！ 这篇指南会带你一步步，从零开始搭建一个基于 FastAPI 的 Ollama 可视化聊天应用。我们会用到 WebSocket 技术来实现实时的、像打字一样的聊天效果。准备好了吗？Let's build something c...

  2025/3/22 22:33:00

• 使用openai新推出的gep-4o-mini-tts语音合成模型

  > 这个音频就是使用openai的新语音模型合成的配音 新的语音转录模型 OpenAI刚刚推出了新的语音转录模型，相比之前的 whisper-1更加准确，而且分为2种型号，便宜的 gpt-4o-mini-transcribe 型号，昂贵的 gpt-4o-transcribe 型号，如果你需要高质量的识别或者音视频背景噪声较大，不妨试试后者。 使用很简单，如果你使用的OpenAI官方的接口，那么直接...

  2025/3/22 01:40:22

• 执行 pip 安装命令时非常慢，又老是报错，该怎么办？

  而有时直接无法下载，提示 cannot connect huggingface.co。好不容易配好了科学上网环境，结果又出错了，proxyError、max retries 等错误层出不穷。 现在就来简单处理下这几个问题。 1. 下载缓慢 pip 下载源在国外，众所周知，由于各种原因，国内下载不可避免会很慢。 临时使用阿里云镜像 如果只是安装一个模块，或偶尔使用，可在命令后指定使用阿里云镜像，方法...

  2025/3/21 06:57:14

• 修改后兼容F5TTS的webui.py，用于替换spark-tts自带的webui.py

  下载地址： https://pvt9.com/spark-use-f5-webui.zip 下载后解压，用里面的 webui.py 文件覆盖Spark-TTS自带的webui.py，如下图所示

  2025/3/21 05:55:52

• 安装部署spark-tts:小白适用零基础版

  Spark-TTS 是最近备受瞩目的一个语音克隆开源项目，由香港科技大学、西北工业大学、上海交通大学等多所高校联合研发。经过本地测试，其效果与 F5-TTS 不相上下。 Spark-TTS 支持中英文语音克隆，安装部署过程并不复杂。本文将详细介绍如何安装部署，并进行修改，使其兼容 F5-TTS 的 API 接口，从而可以直接在 pyVideoTrans 软件的 F5-TTS 配音渠道中使用。 > ...

  2025/3/20 09:43:21

• 安装部署spark-tts:小白适用零基础版

  Spark-TTS 支持中英文语音克隆，安装部署过程并不复杂。本文将详细介绍如何安装部署，并进行修改，使其兼容 F5-TTS 的 API 接口，从而可以直接在 pyVideoTrans 软件的 F5-TTS 配音渠道中使用。 > 前提条件： 确保已安装 Python 3.10、3.11 或 3.12 版本。 > 1. 下载Spark-TTS源码 首先，在非系统盘创建一个由英文或数字组成的文件夹，例...

  2025/3/20 09:43:21

• 从零开始制作一个 AI 项目的 Windows 整合包 以 F5-TTS 为例，你也能成为整合包大神！

  > 由于 AI 项目的模型通常很大，再加上 GPU 支持，即使压缩成 7z 格式，文件大小也可能远远超过 5GB，不管是上传网盘和存储，都比较困难。因此，本人不再制作整合包，如果你感兴趣，可以根据本教程自行制作整合包，并分享给他人。 本教程以 F5-TTS 为例，在 Windows 10 上使用 Python 3.10 创建一个整合包。主要步骤如下： 1. 下载 Python 3.10 embed...

  2025/3/19 22:57:04

• 从零开始制作一个 AI 项目的 Windows 整合包：以 F5-TTS 为例，你也能成为整合包大神！

  > 由于 AI 项目的模型通常很大，再加上 GPU 支持，即使压缩成 7z 格式，文件大小也可能远远超过 5GB，不管是上传网盘和存储，都比较困难。因此，本人不再制作整合包，如果你感兴趣，可以根据本教程自行制作整合包，并分享给他人。 本教程以 F5-TTS 为例，在 Windows 10 上使用 Python 3.10 创建一个整合包。主要步骤如下： 1. 下载 Python 3.10 embed...

  2025/3/19 22:57:04

• F5-TTS api调用常见错误

  1. 报错 Could not fetch config for http://127.0.0.1:7860/ 答：可能的原因如下 - 未启动F5-TTS - 端口不正确 - 端口被其他程序占用，一般ai项目界面多使用gradio实现，默认端口都是7860 - 需关闭share，启动命令使用 f5-ttsinfer-gradio --api,去掉 --share - 升级调用端的 gradiocl...

  2025/3/19 07:04:18

• F5-TTS v1 开源声音克隆教程：多语言克隆一步到位

  本文主要介绍如何使用官方源码安装、启动 F5-TTS，并将其与 pyVideotrans 项目对接。此外，还将介绍如何通过修改源码实现局域网内的调用。 > 同时，由于精力有限，我将不再维护之前的个人整合包和 API 接口，转而统一使用官方接口与 pyVideotrans 项目对接。官方接口的局限性在于只能本机调用，无法在局域网内调用。解决方法请参阅本文局域网使用部分。 前置条件 您的系统必须已安装...

  2025/3/18 23:33:00

• 半开源语音克隆神器 MegaTTS3：安装难、用起来更难？手把手带你从零到精通

  开始之前，我们先来了解几个教程中会用到的基本概念： CMD 控制台 (命令提示符)： 如何打开：在你想要操作的文件夹（比如 D:/python/megatts3）的地址栏里，删掉原来的路径，输入 cmd 三个字母，然后按回车键。 作用：会弹出一个黑色的窗口，这就是 CMD 控制台。本教程中提到的所有 命令 都在这里输入并按回车执行。 执行命令： 在 CMD 控制台里输入一行指定的文本（即“命令”）...

  2025/3/18 23:33:00

• AI智能体啥来头？能干啥ChatGPT干不了的事？

  最近“AI智能体”这词儿老是冒出来，刷个新闻、看个视频，到处都在聊什么智能体、智能体市场，搞得跟新潮流似的。 ChatGPT、Gemini这些大伙儿都熟，可AI智能体到底是啥？直接用ChatGPT不就得了，干嘛还整出个智能体来？ 先说AI智能体是啥。简单点，它就像个“全能小助理”。 你跟ChatGPT聊天，它能给你写文章、答问题，可要是叫它订个机票、查个快递，它就得摊手说：“这我可干不了！” 但A...

  2025/3/17 00:57:00

• 主流大模型按用途分类，附上我的个人推荐

  1. 文字生成类：写作、聊天、润色全能手 这类模型专攻文本理解和生成，不管是写文章、翻译、润色文案，还是随便聊聊天，它们都能胜任。 - 国内免费好用： - DeepSeek Chat（chat.deepseek.com）：文字任务的万能选手，简单好上手。 - 腾讯元宝（yuanbao.tencent.com）：功能齐全，日常文字处理没压力。 - 通义千问（Qwen）（chat.qwen.ai）：稳...

  2025/3/14 08:41:22

• 小活熬深夜，建议满天飞：尿液都有拿铁味，人傻了？

  白天上班搬砖，晚上化身“义工”敲代码，免费端出视频翻译配音工具给大家用。 下载量热热闹闹，Issue 区简直是需求狂欢节：“能不能加个外星语翻译？”“发现重大 Bug！”“这 Bug 可能会让用户血亏！”“咋还不修？项目还活着吗”我盯着屏幕，默默吐槽：我这是开源啊，咋还成了全职客服？ 捐助？别提了，Star 少的时候，三五不时的还有人捐点；Star 高了，半个月一个月可能会飘来 0.x 元、0.0...

  2025/3/14 07:17:32

• 如何在 Windows 10 上使用 pip 和 venv 并安装 PyTorch

  --- 第一步：认识 pip 的常见命令和错误处理 常用 pip 命令 1. 安装一个模块 - 比如安装 requests（一个网络工具）： pip install requests 按回车，下载并安装完成。 2. 检查已安装的模块 - 输入： pip list 会列出你装过的所有模块和版本。 3. 更新 pip 本身 - 如果 pip 版本老了，输入： pip install --upgrade...

  2025/3/14 05:40:39

• 如何在 Windows 10 上安装 Miniconda 并配置 AI 软件环境

  这篇教程会手把手教你在 Windows 10 上安装 Miniconda，下载地址是官方提供的，然后配置一个 Python 3.10 的环境，再安装一些常用模块。别担心，即使你完全没基础，也能轻松搞定！ --- 第一步：下载并安装 Miniconda 1. 下载 Miniconda - 打开浏览器，输入这个网址，然后按回车： https://www.anaconda.com/download/su...

  2025/3/14 02:02:11

• 如何在 Windows 10 上安装 Miniconda 并配置 AI 软件环境

  这篇教程会手把手教你在 Windows 10 上安装 Miniconda，下载地址是官方提供的，然后配置一个 Python 3.10 的环境，再安装一些常用模块。别担心，即使你完全没基础，也能轻松搞定！ --- 第一步：下载并安装 Miniconda 1. 下载 Miniconda - 打开浏览器，输入这个网址，然后按回车： https://www.anaconda.com/download/su...

  2025/3/14 02:02:11

• windows上安装CUDA12.6和cuDNN9.8（小白适用详细版）

  CUDA 是英伟达（NVIDIA）推出的一种工具，能让你的显卡帮你干更多活儿。本文将手把手教你在 Windows 10 上安装 CUDA 12.6，以及配套的 cuDNN 9.8。 > 为什么选 CUDA 12.6而不是12.8？因为 12.8 是最新版，可能有些软件还没适配好，容易出兼容问题。而 12.6 是一个相对稳定又不过时的版本。当然，如果你想要 12.4 或 12.8，安装方法也差不多，...

  2025/3/14 01:11:37

• windows上安装CUDA12.6和cuDNN9.8（小白适用详细版）

  CUDA 是英伟达（NVIDIA）推出的一种工具，能让你的显卡帮你干更多活儿。本文将手把手教你在 Windows 10 上安装 CUDA 12.6，以及配套的 cuDNN 9.8。 > 为什么选 CUDA 12.6而不是12.8？因为 12.8 是最新版，可能有些软件还没适配好，容易出兼容问题。而 12.6 是一个相对稳定又不过时的版本。当然，如果你想要 12.4 或 12.8，安装方法也差不多，...

  2025/3/14 01:11:37

• 在Windows上安装python3.10（超详细小白版）

  为什么选择 Python 3.10.4？ 因为它是一个比较稳定的版本： • 低于 3.10 的版本可能已经被一些软件放弃支持。 • 而更高版本（比如 3.11 或 3.13）可能太新，模型模块不兼容。 第一步：下载 Python 3.10.4 1. 打开浏览器，使用你常用的浏览器，在地址栏输入以下网址，然后按回车，打开下载页面： https://www.python.org/downloads/r...

  2025/3/14 00:17:38

• 你的显卡到底能不能跑AI？一文解惑英伟达和七彩虹们的关系

  别急，今天我们用大白话聊聊显卡的“门道”，帮你搞清楚自己的显卡到底是不是“英伟达血统”。 --- 用一个比喻搞懂显卡 想象一下造汽车： - 英伟达(NVIDIA) 就像生产汽车发动机的厂家。它设计了GPU芯片（比如RTX 3060、4090），但它不负责组装整辆车。 - 七彩虹、华硕、技嘉等品牌就像汽车组装厂。他们买来英伟达的“发动机”（GPU芯片），加上自己的车壳、散热风扇、电路板，组装成完整的...

  2025/3/13 06:35:39

• 在浏览器里搞定语音转文字 免费无上限，基于openai-whisper

  模型会在本地下载并运行，确保您的文件无需上传至任何外部服务器。 使用地址 https://stt.pyvideotrans.com --- 可供选择的模型 工具提供多种模型选项，包括： - tiny - base - small - medium - large-v1 - large-v3 模型特点： - 尺寸越小的模型（如 tiny 和 base），运行速度越快，但转录精度相对较低； - 尺寸越...

  2025/3/11 00:19:59

• 智谱AI的CogView4似乎对中文支持没有所说的那么好

  未测试开源版本，但在线版本应该比开源的理论上更强大。 目测似乎是提示词过于复杂了，无法理解或遵循，还是内部仍是英文优先？ > 智谱AI 入口 https://bigmodel.cn/trialcenter/modeltrial 以下是提示词 请画一张图片： 整体布局 - 简洁卡通风格 - 图像分为两部分，左边为“OpenAI之前”，右边为“OpenAI之后”，中间用一个箭头（→）连接。 - 每部分...

  2025/3/5 23:33:06

• 本地部署大模型，硬件到底该怎么选

  但一头扎进模型世界，各种参数型号就让人懵了：7B、14B、32B、70B... 同一个模型，参数还这么多，到底该选哪个？ 我的电脑又是个什么水平，能跑得动哪个？ 别慌！这篇文章就来帮你理清思路，用最简单的方式告诉你，本地部署大模型，硬件到底该怎么选！ 保证你看完不再迷茫！ > 本文底部有 硬件配置与模型大小参考表 理解大模型参数：7B、14B、32B 代表什么？ 参数的意义： 7B、14B、32B...

  2025/3/5 22:37:57

• CPU vs GPU 为何AI大模型更看重GPU

  在AI领域，GPU（显卡芯片）比 CPU（中央处理器）更重要， 更更重要的是只有 英伟达GPU 才好使，而Intel和AMD就差的远。 --- GPU vs CPU：一个是打群架，一个是单挑王 想象一下，训练AI大模型就像搬砖。 CPU是那种“全能选手”，一个人能干很多活：计算、逻辑、管理不管多复杂都样样精通，但它核心数量少，最多也就几十个。 它搬砖的速度再快，一次最多也只能搬几个多说几十个，累死...

  2025/3/5 22:37:57

• CPU vs GPU 为何AI大模型更看重GPU

  在AI领域，GPU（显卡芯片）比 CPU（中央处理器）更重要， 更更重要的是只有 英伟达GPU 才好使，而Intel和AMD就差的远。 --- GPU vs CPU：一个是打群架，一个是单挑王 想象一下，训练AI大模型就像搬砖。 CPU是那种“全能选手”，一个人能干很多活：计算、逻辑、管理不管多复杂都样样精通，但它核心数量少，最多也就几十个。 它搬砖的速度再快，一次最多也只能搬几个多说几十个，累死...

  2025/3/5 22:37:57

• CogView4：智谱开源的图像生成利器，小白也能轻松玩转！

  这可不是普通的模型，它是业界首个支持中英双语提示词的开源文生图模型，尤其擅长理解中文提示，还能在图片中生成汉字。简单来说，你可以用中文或英文告诉它想要什么，它就能帮你生成一张符合描述的图片。无论是想做广告设计、短视频创作，还是随便玩玩创意，这个模型都能派上用场。 CogView4是什么？ CogView4是智谱AI开发的一款AI图像生成模型，属于“文生图”技术的一种，也就是通过文字描述生成图片。它...

  2025/3/4 22:55:26

• 借助 Cloudflare 的 Workers AI 在线部署 70b 大模型

  现在，可以借助 Cloudflare 的 Workers AI 在线部署 70b 这样的大模型，并通过外网访问。它的接口兼容 OpenAI，这意味着你可以像使用 OpenAI 的 API 一样使用它。唯一的缺点是每日免费额度有限，超出部分会产生费用。如果你有兴趣，不妨尝试一下！ 准备工作：登录 Cloudflare 并绑定域名 > 如果你还没有自己的域名，Cloudflare 会提供一个免费的账号...

  2025/1/6 08:00:00

• 302.AI大模型集市使用

  > 之前也推荐过一些国内api服务商，例如 > > 阿里百炼 https://bailian.console.aliyun.com > > 硅基流动 https://cloud.siliconflow.cn > > 字节火山方舟 https://console.volcengine.com/ark > > OpenRouter https://openrouter.ai > 目前国内可直连无需vp...

  2025/1/5 22:37:57

• 主流AI大模型介绍

  值得庆幸的是，国内 AI 技术也在飞速发展,这些国内 AI 服务的 API 接口完全兼容 OpenAI SDK，这意味着你可以无需修改任何代码，即可无缝替换 OpenAI。例如 Deepseek、阿里百炼、智谱 AI、百川智能、硅基流动等。 你只需要将 API URL、SK (API Key)、模型名字 这 3 项关键信息填写到软件的 菜单 -- 翻译设置 -- OpenAI ChatGPT AP...

  2025/1/5 22:37:57

• 使用AI大模型提取视频硬字幕

  为视频添加字幕，如今借助语音识别技术（ASR）已变得相当便捷。特别是 OpenAI 的 Whisper 系列模型，在语音转文字方面表现出色，让自动生成字幕成为可能。 然而，提取视频中已有的硬字幕（内嵌在视频画面中的字幕），仍然面临不少挑战。 视频本质上是由连续的图像帧组成。常见的视频帧率是 30fps（每秒 30 帧），这意味着 1 小时的视频就包含 108,000 张图像，对于高清视频，帧数则会...

  2025/1/5 22:37:57

• 常用AI大模型平台盘点

  本文将盘点一些常用的、可免费试用的AI大模型平台，方便大家一探究竟。虽然市面上还有许多其他平台，但以下这些是我个人经常使用的，并认为值得推荐的 国内平台 1. 月之暗面 Kimi 网址 https://www.moonshot.cn/ api控制台 https://platform.moonshot.cn/console 模态: 文字模态、聊天、翻译等 免费额度 一分钟内最多发起的请求数：3 一分...

  2025/1/5 22:37:57

• 在cloudflare上体验大模型

  现在，可以借助 Cloudflare 的 Workers AI 在线部署 70b 这样的大模型，并通过外网访问。它的接口兼容 OpenAI，这意味着你可以像使用 OpenAI 的 API 一样使用它。唯一的缺点是每日免费额度有限，超出部分会产生费用。如果你有兴趣，不妨尝试一下！ 准备工作：登录 Cloudflare 并绑定域名 > 如果你还没有自己的域名，Cloudflare 会提供一个免费的账号...

  2025/1/5 22:37:57

• DeepSeek满血推荐

  - deepseek.com官方，网页版免费并且效果最佳，无免费api额度，并且当前已暂停充值。 - 字节火山方舟/硅基流动等：提供 R1 满血版和 API，但没有免费额度。 - 百度智能云千帆 ModelBuilder：限时免费提供 R1 满血版和 API，可惜接口不兼容 OpenAI，使用不方便。 - 302.ai及其他云服务商，基本都是提供网页版部分免费额度，但不提供api免费额度 综合体验...

  2025/1/5 22:37:57

• 使用AI翻译文档

  > 下载地址: https://github.com/jianchang512/stt/releases/download/0.0/AI-document-translate.7z > > 百度网盘下载: https://pan.baidu.com/s/1-UYnrMrQx7ectCt0rAfblA?pwd=sr1b 主要功能 格式兼容： 支持 Markdown、HTML、TXT 和 SRT 四种...

  2025/1/5 22:37:57

• 将edge-tts部署在服务器并提供中转api

  基于此，有开发者创建了一个名为 edge-tts 的 Python 包。这个包允许在程序中使用微软的 TTS 服务，为文字或字幕进行配音。例如，视频翻译软件 pyVideoTrans 就集成了 edge-tts，用户可以在配音渠道中直接选择它。 然而，令人遗憾的是，国内用户对微软 TTS 的滥用现象较为严重，甚至有人将其用于商业配音销售。这导致微软对国内的访问进行了限制。如果使用过于频繁，可能会出...

  2025/1/5 22:37:57

• 为edge-tts添加动态代理

  基于此功能的开源项目 edge-tts 也广受欢迎，许多免费的文字转语音工具都是基于它开发的。但随着用户增多，微软已对配音请求进行限流。现在，使用量稍大就会遇到 403 错误，导致无法继续合成语音。 如何避免或减少 403 错误？ > 由于这是微软提供的 API 服务，而非开源项目，本地部署是行不通的。无论如何，语音合成都必须连接到微软的服务器。 1. 部署到 Cloudflare: 可以降低 4...

  2025/1/5 22:37:57

• 将edge-tts部署在cloudflare上避免403错误

  先看效果，完成后将有一个配音api接口和一个web配音界面 这是web界面 js const requestBody = { "model": "tts-1", "input": '这是要合成语音的文字', "voice": 'zh-CN-XiaoxiaoNeural', "responseformat": "mp3", "speed": 1.0 }; const response = await...

  2025/1/5 22:37:57

• 免费使用Elevenlabs的语音识别大模型Scribe_v1

  而且免费额度还挺高，单次支持上传 1G的音频或视频文件。 > 在视频翻译软件 pyVideoTrans中使用 > 本文介绍两种使用方式，在线web使用 在视频翻译软件中使用 1. 升级到 v0.59版本 https://pvt9.com/downpackage 2. 进入该页面创建一个 api key: https://elevenlabs.io/app/settings/api-keys 3. ...

  2025/1/5 22:37:57

• 三步反思法翻译SRT字幕

  SRT 字幕格式的特殊要求 SRT 格式字幕有严格的格式要求： - 第一行： 行号数字 - 第二行： 两个时间戳，由 --> 连接，格式为 小时:分钟:秒,3位毫秒 - 第三行及以后： 字幕文本内容 字幕之间使用两个空行隔开。 示例： 1 00:00:01,950 --> 00:00:04,430 五老星系中发现了有几分子, 2 00:00:04,720 --> 00:00:06,780 我们离第...

  2025/1/5 22:37:57

• glm-4-flash 和 qwen2.5-7b 免费大模型

  自 v3.47 版本后，在翻译渠道中新增了 GLM-4-flash(免费) 和 Qwen2.5-7b(免费) 这2个翻译渠道 只需要到 智谱AI官网(https://bigmodel.cn/usercenter/proj-mgmt/apikeys) 和 硅基流动官网(https://cloud.siliconflow.cn/account/ak) 创建api key，然后填写到软件的 菜单--翻译...

  2025/1/5 22:37:57

• 使用GeminiAI兼容openai

  然而，它也存在一些不便之处，例如必须始终科学上网，且 API 与 OpenAI SDK 不兼容。 为了解决这些问题，并实现与 OpenAI 的兼容，我编写了一段 JavaScript 代码，并将其部署到 Cloudflare 上，绑定了自己的域名。这样一来，就可以在国内免科学上网使用 Gemini，同时也能兼容 OpenAI。在任何使用 OpenAI 的工具中，只需简单地替换 API 地址和密钥（...

  2025/1/5 22:37:57

• Gemini安全过滤

  这是因为 Gemini 对处理的内容存在安全限制，虽然代码中允许一定的调整，也做了“Block None”的最宽松限定，但最终是否过滤仍由gemini综合评估决定。 Gemini API 的可调整安全过滤器涵盖以下类别，其他不再此列的内容无法通过代码调整： | 类别 | 说明 | | ------ | --------------------- | | 骚扰内容 | 针对身份和/或受保护属性的负面...

  2025/1/5 22:37:57

• 让 gemini flash 模型也学会思考

  自然可以，gemini的所有模型均可设置 系统提示词，只需要将以下提示词放到 System Instructions 中 就能获得一个有思维链方式的模型。 第一个提示词 用户提供了关于他们希望你如何回应的额外信息： 内部推理： - 使用标签组织思路并探索多种方法。 - 用简单的英语思考，就像人类思考问题一样——标签内没有不必要的代码。 - 追踪代码的执行和问题。 - 将解决方案分解为清晰的要点。 ...

  2025/1/5 22:37:57

• 使用Gemini转录音视频为字幕

  Gemini 很适合用来做语音转文字，它支持非常多的语言，包括一些小语种，识别效果也相当不错。 如果你想让 Gemini 直接生成 SRT 字幕文件，就需要使用特定的提示词。 下面分享一个提示词，可以直接复制使用，让 Gemini 帮你转录并输出 SRT 字幕。 语音转录提示词 你是一个专业的字幕转录助手。你的任务是将我提供的文件转录为文本，并将转录结果格式化为符合 EBU-STL 标准的 SRT...

  2025/1/5 22:37:57

• Grok3系统提示词

  然而，可能很多人不知道的是，大模型内部也存在着一套系统级提示词。 这些提示词并非由用户输入，而是预先植入模型之中的，它们如同模型的“行为准则”，指导模型如何生成回复，限制答案的范围，并过滤掉那些被认为不适宜的内容。 通常，这些系统级提示词是不对外公开的。 这主要是为了防止被恶意利用，例如被用于“越狱”攻击，绕过系统的安全限制，从而诱导模型输出有害或不当的内容。 不过，在某些情况下，系统提示词可能会...

  2025/1/5 22:37:57

• KokoroTTS整合包下载

  > 项目地址 https://github.com/jianchang512/kokoro-uiapi web界面 启动后默认ui地址： http://127.0.0.1:5066 - 支持对文字和SRT字幕进行配音 - 支持在线试听和下载 - 支持对齐字幕 安装方法 Windows win10/11 可直接下载整合包，双击 start.bat 即可启动,若需GPU加速，请确保拥有NVIDIA显卡...

  2025/1/5 22:37:57

• 使用本地大模型翻译字幕

  然而，受限于个人电脑的显存，本地部署的大模型通常较小，例如 1.5B、7B、14B 或 32B。 DeepSeek 官方在线AI服务使用的 r1 模型，参数量高达 671 B。这种巨大的差异意味着本地模型的智能程度相对有限，无法像使用在线模型那样随意使用，否则可能遇到各种奇怪的问题，比如翻译结果中出现提示词、原文与译文混杂、甚至出现乱码等。 根本原因在于小模型智能不足，对复杂提示词的理解和执行能力...

  2025/1/5 22:37:57

• Openweb-ui部署与整合包下载

  别担心！Ollama + Open WebUI 这对黄金组合，将为你扫清一切障碍。 本文将提供保姆级教程，详细介绍如何利用 Ollama + Open WebUI，轻松搭建本地 AI 环境，让你拥有一个专属的、强大的 AI 助手，尽情探索 AI 的无限可能！ > 温馨提示： 受限于硬件条件，本地部署通常无法运行 DeepSeek-R1 的最大版本（如 67B）。但别担心，较小规模的模型（如 1.3...

  2025/1/5 22:37:57

• OpenRouter大模型集市

  然而，一个令人头疼的问题是，每使用一个平台的模型，我们就需要注册一个账号，甚至需要绑定支付方式。想要使用 ChatGPT？你需要 OpenAI 账号。想体验 Gemini？你需要 Google 账号。 当然，市场上也有一些 AI 聚合平台，如阿里云的百炼、字节跳动的火山方舟等。但它们主要侧重于自家的模型，缺乏国外顶尖模型。硅基流动虽然提供了一些国外模型，但并不全面，缺少 OpenAI 和 Clau...

  2025/1/5 22:37:57

• 阿里降噪模型介绍

  在许多语音相关的应用场景中，噪声的存在会严重影响性能和用户体验。例如： - 语音识别: 噪声会降低语音识别的准确率，尤其是在低信噪比环境下。 - 语音克隆: 噪声会使依据参考音频合成语音的自然度和清晰度下降。 通过语音降噪能够一定程度上解决这些问题。 常见的降噪方法 目前，语音降噪技术主要有以下几种方法： 1. 谱减法： 这是一种经典的降噪方法，原理简单。 2. 维纳滤波： 这种方法对稳定的噪声效...

  2025/1/5 22:37:57

• 替换edge-tts配音渠道的几种方式

  如果现在还想用 edge-tts，得悠着点，最好少量使用，尤其别在同一个 IP 上频繁操作。不然微软的服务端会直接返回 403 错误。为了方便理解，软件里会提示“限流错误”。这里有两种解决办法： - 可以试试把接口部署到 Cloudflare 上，利用它的动态特性，能减少 403 错误的发生。具体方法可以参考文档：https://pvt9.com/edgettscf - 或者继续在本地用，但得搭配...

  2025/1/5 22:37:57

• srt/vtt/ass字幕格式

  SRT（SubRip Subtitle）、 VTT（WebVTT）、ASS（Advanced SubStation Alpha) 是3种非常常见的字幕格式。下面详细介绍每种字幕格式及其属性和设置。 SRT 字幕格式 SRT 是一种简单且广泛使用的字幕格式，后缀是.srt, 尤其在视频播放器、字幕编辑器中非常流行。其基本结构包括字幕编号、时间戳、字幕文本，字幕属性无法通过 SRT 直接定义（例如颜色...

  2025/1/5 22:37:57

• 使用AI模型翻译字幕

  > > Deepseek V3/R1、Qwen2.5 这些国产AI，在翻译方面表现出色，而且价格比国外大模型更有优势。 更棒的是，我们可以通过阿里百炼和硅基流动这两个“大模型集市”，用一个API Key就能轻松调用它们，并将它们无缝集成到视频翻译软件中。 本文将手把手教你如何操作，让你充分利用国产AI大模型，提升视频翻译的质量和效率！ 一、阿里百炼：海量模型，总有一款适合你！ 阿里百炼就像一个 A...

  2025/1/5 22:37:57

• 在线实时语音识别

  > https://stt.pyvideotrans.com 语音识别技术，也称为语音转录，利用人工智能将音频或视频中的语音转换为文本。这项技术在诸多领域都有广泛应用，例如会议记录、语音助手、字幕生成等等。 目前，语音识别主要有两种方式： 1. 基于离线模型的语音识别: 这种方式需要在本地计算机上部署语音识别模型。一个流行的开源方案是OpenAI Whisper。下载其大型模型（例如large-v...

  2025/1/5 22:37:57

• 在线使用edge tts配音

  https://tts.pyvideotrans.com 之前也曾提供过类似的服务，但由于服务器到期等原因，不得不暂停。 现在，借助网络菩萨家强大的 Workers 技术，重新构建了这个平台，可提供稳定可靠的免费服务！只要使用量不是极大，就不会产生任何费用，当然也就没必要关闭了，除非某天微软加强限流措施不再提供免费使用。 - 完全免费: 基于 Cloudflare Workers 构建，享受免费额...

  2025/1/5 22:37:57

• Grok3发布

  今天科技圈最受关注的消息，莫过于 xAI 推出的 Grok-3 大模型。据说这款 AI 模型具备了像人类一样的思考能力，关键在于它采用了“思维链”技术，能够像剥洋葱一样，将复杂的任务层层分解，进行深度分析，有点像 OpenAI 的 o3 和 Deepseek-r1。 提到 Grok-3，就不得不说它的缔造者马斯克。这位大佬直接宣称 Grok-3 是 “地球上最聪明的人工智能”，甚至补充了一句“聪明...

  2025/1/5 22:37:57

• 优化字幕翻译

  > 虽然视频翻译软件里会有一些自带的“指令”，但你完全可以根据自己的经验来改，效果肯定更好！这篇文章就来聊聊AI翻译是怎么回事，用的时候要注意些什么，还会分享几个好用的“指令”给大家参考。 在视频翻译软件中，AI翻译提示词有3种类型，分别是： 默认不发送完整字幕 > 即仅仅将字幕中的文本行发给AI进行翻译，不发送行号、时间行、空行 优点: 节省token，降低API调用费率 缺点: 严格要求译文行...

  2025/1/5 22:37:57