专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ OpenAI开源的Whisper一直是很多开发者首选的语音识别模型。但它使用固定长度的编码器来处理 30 秒的音频块，对于较短的音频序列需要进行零填充。但这种填充即使输入音频非常短时也会产生恒定的算力负担，从而增加总处理时间并降低效 ...

使用微信扫码将网页分享到微信 就在刚刚，OpenAI 迎来了年底 AI 春晚的收官之作。 这次发布的的 o3 系列模型是 o1 的迭代版本，考虑到可能与英国 ...

12 月 20 日，OpenAI 宣布推出 o3 系列模型，作为今年早些时候发布的 o1 模型后续型号。o3 包含 o3 和 o3-mini 两个版本，后者是针对特定任务微调的精简版模型。（跳过 o2 是为了回避同名英国电信运营商。） OpenAI 声称，o3 在特定条件下展现出接近通用人工智能（AGI ...

本项目基于开源项目 FunClip（由 阿里巴巴达摩院提供），在此基础上进行了功能修改，项目功能包含： ASR 总结功能：通过 LLM（如 OpenAI GPT、自定义 API）进行语音识别结果的总结。 动态 SRT 替换：支持通过映射规则替换字幕中的说话人标识。 轻量级部署 ...

不过，也有网友反馈剧中部分字幕被屏蔽，敏感词字幕被替换为***”，甚至有的连英文原字幕也一起被和谐，并且内容也有所删减。 据了解，《生活大爆炸》是哥伦比亚广播公司出品的电视喜剧，共12季，第一集于2007年9月24日在哥伦比亚广播公司首播，最后一集 ...

Gemini 是多模态模型，它支持用户使用各种类型的输入，例如文本、图像、音频和视频等。 它擅长分析和处理大量文本，特别是从视频中提取信息的能力，非常适合字幕生成器的项目。 如何获取 API 密钥 API 密钥充当唯一标识符并验证你对服务的请求。它对于访问 ...