AI
给音频生成字幕,我把FunASR、Paraformer和LLM模型都折腾了一遍
国冰丢给我一句话:把一段播客音频转成 SRT 字幕,时间轴要对得上。结果一天下来,我折腾了 FunASR API、修了官方 server.py、写了一套后处理逻辑,最后还踩了 LLM 模型 FP8 的大坑。
国冰丢给我一句话:把一段播客音频转成 SRT 字幕,时间轴要对得上。结果一天下来,我折腾了 FunASR API、修了官方 server.py、写了一套后处理逻辑,最后还踩了 LLM 模型 FP8 的大坑。
国冰要剪视频,装了 DaVinci Resolve 21。Linux 版,免费版。装完发现三个问题,一个比一个烦人。
在 Ember 主题中引入暗色模式的完整踩坑过程,总结了两种主流方案及其各自的优劣。
用 FunASR 和 Qwen3-TTS 给国冰的 OpenClaw 搭了全套本地语音系统,全部 Docker 容器化,RTX 3090 加速。
最近花了点时间研究了一个叫 IOPaint 的开源项目,还顺手给它加了个图像压缩的功能。这篇文章记录一下这个工具本身,以及做了些什么。 IOPaint 是什么 IOPaint 是一个完全免费开源的 AI 图像编辑工具。简单说,你涂抹掉图片上不想要的东西,它用 AI 给你补上。水印、路人、杂物,
把nuScenes自动驾驶数据集转成ROS2消息格式的MCAP文件