#语音转文字
共 117 篇相关文章
·15 分钟
VoiceGecko：完全本地运行的开源语音转文字工具
VoiceGecko 是一款开源桌面语音转文字工具，完全本地运行，无需云端处理。支持快捷键触发、即时转录，兼顾隐私保护与低延迟体验，适合开发者、AI用户和内容创作者提升输入效率。
阅读全文 →
·5 分钟
语音转文字总出错？混乱录音转录优化实战指南
会议录音、混合语言、背景噪音导致语音转文字漏词或乱码？本文深度解析ASR幻觉问题成因，提供音频预处理、Whisper参数调优、多语言转录等实用解决方案，帮你大幅提升转录准确率。
阅读全文 →
教程攻略·12 分钟
Whisper本地部署教程：手把手搭建免费语音转文字工具
详细图文教程教你在本地部署OpenAI Whisper语音识别工具，涵盖Conda环境配置、PyTorch安装、模型选择到实际转录操作全流程，支持近百种语言，免费生成SRT字幕文件。
阅读全文 →
·7 分钟
Speko：语音AI统一路由平台，打造语音领域的OpenRouter
Speko是YC S26批次初创公司，定位为语音AI领域的OpenRouter，通过统一API聚合多家语音模型供应商，解决语音识别、语音合成等接口碎片化问题，帮助开发者降低集成成本、智能路由并避免供应商锁定。
阅读全文 →
·12 分钟
Screenify Studio：用自然语言驱动AI自动录制产品演示视频
Screenify Studio是一款Mac端AI屏幕录制工具，支持自然语言描述演示流程后由AI代理自动录制，并叠加3D镜头运动、聚光灯等电影级后期效果，帮助开发者和产品团队跳过繁琐剪辑，快速产出专业级产品Demo。
阅读全文 →
·13 分钟
Gemini 3.5 Transcribe详解：从听写到智能理解的语音转写
深入解析Google Gemini 3.5 Transcribe的智能语音转写能力，探讨其上下文纠错、专业术语识别、口语整理等核心特性，以及在会议记录、内容创作、客服合规等场景的应用前景。
阅读全文 →
科技前沿
每日AI新鲜事·08月27日午间版：Gemini 3.5 Transcrib…
·1 分钟
每日AI新鲜事·08月27日午间版：Gemini 3.5 Transcribe与Accept Markdown
2026年08月27日（周四）午间版 AI新闻速递+热点深度讨论
阅读全文 →
·14 分钟
DiffusionGemma解析：扩散模型如何让LLM快5倍
深度解析谷歌DeepMind发布的DiffusionGemma扩散语言模型，揭示其如何通过并行去噪机制实现每秒1500 token的生成速度，比自回归模型快5倍，同时保持质量不降。涵盖训练路线、自适应停步机制及开源应用。
阅读全文 →
·17 分钟
Gotcha：全球首个安卓端AI语音副驾，开源免费端侧运行
Gotcha是全球首个安卓端AI语音副驾开源项目，支持端侧运行保护隐私，内置100+原生设备工具，通过Samosa AIR引擎实现语音指令到设备操作的完整闭环，免费开源可定制扩展。
阅读全文 →
·12 分钟
Annotate：屏幕录制变成AI编程提示词的新工具
Annotate是一款本地优先的免费工具，通过屏幕录制、画圈标注和语音讲解生成多模态提示词，直接对接Cursor、Claude、Codex等AI编程代理，解决开发者需求表达难题。
阅读全文 →
·12 分钟
Vibe Coding是什么？AI编程的理想与现实真相
深入解析Vibe Coding（氛围编程）的含义、工作方式与实际体验。从Andrej Karpathy提出概念到开发者社区的真实反馈，探讨AI编程工具的效率提升与潜在风险，帮你理性看待这场编程范式变革。
阅读全文 →
·11 分钟
Aloud：语音反馈一键转AI编程任务的macOS工具
Aloud是一款macOS工具，能将口头反馈自动转化为Claude Code、Cursor、Codex可执行的编程任务。通过语音录制、屏幕截图和AI意图重写，解决开发者需求表达低效的痛点，且语音识别完全本地运行保护隐私。
阅读全文 →
·8 分钟
HyNote for Mac：免费本地化会议转录工具，数据永不离开设备
HyNote for Mac是一款完全本地运行的免费会议转录工具，无需云端上传、无机器人打扰，支持Zoom、Google Meet等主流平台。深度解析其隐私保护架构、使用体验及竞品对比。
阅读全文 →
·15 分钟
多语种语音识别中技术术语被音译？四种解决方案详解
当韩语、日语语音识别将GitHub音译为기터부或ギットハブ时，开发者该如何应对？本文深入分析语码转换导致的技术术语音译难题，对比纠错词典、热词偏置、模型微调等四种主流解决方案的优劣与适用场景。
阅读全文 →
·14 分钟
Kin Health：AI自动记录问诊对话，生成就医摘要
Kin Health是一款AI医疗问诊记录工具，自动录制医患对话并生成结构化摘要，帮助患者专注沟通、不遗漏关键医嘱。本文解析其产品设计逻辑、与转录工具的差异及医疗AI的机遇与挑战。
阅读全文 →
·14 分钟
AI Group Call：六个AI同时语音开会为你出谋划策
AI Group Call 让六个AI角色在语音会议中轮流发言、相互辩论，为你提供多角度决策建议。支持即时打断、自动转录总结和持续对话，探索多智能体协作的全新交互范式。
阅读全文 →
·14 分钟
Supercut：本地AI视频编辑器，零上传零注册保护隐私
Supercut是一款主打隐私保护的本地化AI视频编辑器，所有处理在设备端完成，支持自然语言剪辑指令、屏幕录制自动缩放、自动字幕等40款工具，免费起步无需账户，适合注重数据安全的创作者。
阅读全文 →
·16 分钟
Attyn：把AI直接带到光标位置的Mac效率神器
Attyn 是一款 macOS 嵌入式AI工具，支持原地改写文本、实时语音转文字、屏幕内容问答和可视化解释四大功能，无需切换应用即可调用AI能力，支持自带API密钥和本地模型运行。
阅读全文 →
