#语音转文字
共 123 篇相关文章
·11 分钟
Claude Code自动剪辑视频：从素材到成片全流程实操指南
详解如何用Claude Code搭配开源项目VideoIn实现视频自动剪辑，涵盖环境搭建、音频提取、字幕生成、转场效果到成片输出的完整流程，帮助创作者将剪辑时间从数小时压缩到分钟级别。
阅读全文 →
·9 分钟
Kun：开源4.4K Stars的DeepSeek智能桌面客户端
Kun是一款开源免费的DeepSeek智能桌面客户端，支持Agent全自动编程、智能写作、手机远程控制电脑等功能。本地优先架构保障数据隐私，GitHub已获4.4K Stars，一文详解安装配置与核心功能。
阅读全文 →
·10 分钟
Vibe Coding实战：不懂就问，和AI沟通的正确姿势
通过真实案例演示Vibe Coding中与AI高效沟通的技巧：看不懂技术方案怎么办？如何追问发现方案漏洞？怎样确认术语一致性？掌握三个核心原则，让AI协作编程更靠谱。
阅读全文 →
·11 分钟
Claude Code自动生成视频章节进度条动画教程
利用Claude Code的Skill机制和Remotion库，只需导入字幕文件即可自动生成视频章节进度条动画。支持六种内置风格和自定义贴纸，告别繁琐的手动剪辑流程，让视频制作效率大幅提升。
阅读全文 →
·8 分钟
3080Ti本地部署多模态AI Agent实战：显存管理与五大模块全解析
详解如何在3080Ti 12GB显存上本地部署多模态AI Agent系统，涵盖LLM、语音识别、语音合成、图片生成、视频生成五大模块的选型方案、显存动态加载策略及实际性能表现。
阅读全文 →
·9 分钟
用Codex开发Figma插件：设计师零代码入门指南
详解如何借助OpenAI Codex零代码开发Figma插件，涵盖项目管理、额度与权限设置、计划模式用法、实战开发流程及上架技巧，帮助设计师快速实现自定义插件需求。
阅读全文 →
·10 分钟
Gemini 3.5实时翻译发布：支持70+语言的语音对语音翻译模型详解
Google发布Gemini 3.5 Live Translate语音对语音翻译模型，支持70+语言实时翻译。本文详解其端到端技术原理、与Grab合作落地场景，以及通过Google Translate和Live API的开放接入方式。
阅读全文 →
·11 分钟
Simon Willison WebRTC语音工具更新：支持文档上下文对话与GPT-Realtime-2
Simon Willison更新OpenAI WebRTC语音交互工具，新增文档上下文功能和GPT-Realtime-2模型支持，用户可在浏览器中基于特定文档内容进行低延迟语音对话，附技术实现解析与应用场景。
阅读全文 →
·6 分钟
Claude Code Remote Control使用教程：手机远程操控AI编程
详解Claude Code Remote Control功能的启动方法、实际使用场景和安全建议。通过手机远程操控电脑上的Claude Code会话，利用碎片时间完成代码修改、项目管理和功能规划。
阅读全文 →
·8 分钟
AI大模型原理详解：Transformer架构与测试实战指南
深入解析AI大模型核心原理，从Transformer架构到概率推算本质，详解大语言模型在测试领域的应用场景、AI应用测试挑战及应对策略，帮助测试人员快速掌握AI工具与AI测试方法论。
阅读全文 →
·9 分钟
MiniMax M3实测对比GPT、Claude、Gemini：五个真实任务谁更强
通过网页生成、编程开发、财报分析、视频理解、Computer Use五个真实任务，实测对比MiniMax M3与Claude、GPT Codex、Gemini的表现差异，含价格对比和使用建议。
阅读全文 →
·8 分钟
Claude Code + AssemblyAI实战：一个下午搭建语音Agent完整教程
详解如何用Claude Code和AssemblyAI语音智能体API，一个下午从零搭建具备语音识别、对话理解和日历预约功能的Voice Agent，含完整开发流程、成本对比和实际演示效果。
阅读全文 →
·9 分钟
Conductor CEO演示：多AI代理编程工作流详解
Conductor联合创始人Charlie Holtz深度演示AI编程工作流，展示如何同时指挥多个AI代理并行开发，分享模型选择策略、代码管理哲学及人机协作的产品设计理念。
阅读全文 →
教程攻略·6 分钟
剪映+DeepSeek批量切片：直播切片效率提升10倍的完整教程
详解剪映结合DeepSeek实现直播切片半自动化的完整工作流：从字幕识别、AI智能筛选精华内容到批量混剪导出，帮助短视频创作者将数小时的手动剪辑压缩到几分钟完成。
阅读全文 →
教程攻略·5 分钟
Gemma 4全面解析：Apache 2.0开源的Agent圣体
深度解析Google Gemma 4开源模型系列，涵盖31B、26B MOE、14B/12B三档模型红黑榜评测，提供Windows/Linux/Mac部署方案及MS-Swift微调实战教程，助你精准选型构建本地Agent工作流。
阅读全文 →
产品体验·5 分钟
语音指挥Claude Code：告别打字的AI编程新体验
介绍Cloud Code启动器的语音输入功能，将口语化表达智能翻译为精确编程指令，支持5分钟录音、自动过滤语气词、模糊描述转精确参数，让开发者开口就能指挥AI编程。
阅读全文 →
教程攻略·10 分钟
Codex团队揭示AI编程新范式：组织力取代编码力
OpenAI Codex团队最新实践表明，AI编程重心从写代码转向组织能力。本文解析四大范式转移信号、四步高效工作流及开发者角色重塑，帮助开发者掌握Skills优先、上下文驱动的新开发模式。
阅读全文 →
科技前沿·7 分钟
千问上线400+新功能，文心5.0与多款大模型集中发布
阿里千问APP一次性上线超400项新功能并接入支付宝淘宝等生态，百度文心ERNIE 5.0发布新版本，美团推出深度思考模型，阶跃星辰语音模型登顶全球第一，Anthropic市场份额逼近谷歌。
阅读全文 →
