做了一个基于 Whisper 离线转录文本的多媒体播放器

9 月 11 日
 myqonnt

坐地铁的时候爱听博客之类的，会比较担心声音开太大了影响听力不敢开太大声音，想着搞个 App 转录文本，地铁上比较吵的时候可以看看文字辅助一下。

基于本地 Whisper 的量化模型转录，在 iPhone15 上大概 3 倍实时吧，转录阶段开始后会优先转录播放位置，准确性的话实测还行。

还支持了 视频字幕和录音转录之类的需求，不过录音转录还挺不完善的。

翻译功能目前是调用的是系统翻译的接口，一般场景大概是够用了。

iOS 应用下载地址： https://apps.apple.com/cn/app/media-ai/id6794170965

955 次点击
所在节点    分享创造
5 条回复
myqonnt
9 月 11 日
图片添加失败了补一下
<img alt="" src="">

<img alt="" src="">

<img alt="" src="">

<img alt="" src="">

<img alt="" src="">

<img alt="" src="">
aero99
9 月 11 日
准确度如何
myqonnt
9 月 11 日
@aero99 以我的需求算是可以满足了，跟那种服务端的非量化模型肯定比不了
waynevan
9 月 12 日
视频、音频文件从哪里来？只是本地导入，还是支持在线导入播客、YouTube 视频
谢谢
myqonnt
9 月 12 日
@waynevan 目前支持 本地导入，webdev 、smb 网络位置和播客订阅地址

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://v2ex.ih06.com/t/1241360

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX