8 月 13 日消息,FFmpeg 是一個流行的開源媒體播放器通用框架,現在包含了一個新的 af_whisper 音頻工具,可以直接在 FFmpeg 生態系統中實現自動語音識別(ASR)。

該工具使用了 whisper.cpp 庫,為媒體處理工作流程添加了一個 AI 模型,允許進行靈活的音頻轉譯文本,包括選擇 AI 模型、指定語言以及設置輸出格式,如文本、SRT 或 JSON。
該工具可以處理預錄制的文件和實時音頻流,用戶還可以使用語音激活檢測(VAD)來提高轉寫的準確性和效率。

注意到,該工具還支持 GPU 加速,可以顯著加快轉寫過程。對于用戶來說,這一功能取代了對外部、多步驟轉寫過程的需求,將任務整合到一個高效的單命令行工作流程中。
本文鏈接:http://www.yifxia.cn/showinfo-119-177253-0.html媒體播放器通用框架 FFmpeg 推出 AI 語音識別功能,可自動生成字幕
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com
上一篇: Edge 瀏覽器大變身:曝微軟正開發“代號 Olympia”重大 AI 改版,UI 更簡潔更貼合 Win11 風格