#whisper — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #whisper, aggregated by home.social.
-
Étude du consortium ARIANE sur la transcription via IA générative avec le LLM Whisper : « Whisper : transcription automatique de sources sonores » https://hal.science/hal-05706209 #Whisper #LLM #ESR
-
LLM 改变了很多，比如 Agent 概念上半年爆火后，大厂们都争前恐后推出 CLI 产品，知乎，微信，网易云等等，这在几年前是完全无法想象的，那时想让 Linux 用上微信都很难，需要折腾一大堆 Wine 的组件，有时还会面临封号的风险。反观现在拥抱全平台的吃相，让人忍俊不禁。
但真正改变的，其实很有限，因为爆火的原因不是厂商良心，拥抱开源，而是发现这个市场有的赚，本质还是逐利的，Agent 让厂商发现开放生态有的赚。工具功能很全，很方便，但我却更加担心了，工具会一直免费下去吗？我猜不会，等到官方的生态建立起来，我想就是回血的时候了。
值得高兴的是，这些工具还很烂，如果真的要用，还太早，比如 https://www.npmjs.com/package/@music163/ncm-cli
我无法相信官方的 TUI 居然吹能播放一半不到的歌，真是充满恶意的设计
-
LLM 改变了很多，比如 Agent 概念上半年爆火后，大厂们都争前恐后推出 CLI 产品，知乎，微信，网易云等等，这在几年前是完全无法想象的，那时想让 Linux 用上微信都很难，需要折腾一大堆 Wine 的组件，有时还会面临封号的风险。反观现在拥抱全平台的吃相，让人忍俊不禁。
但真正改变的，其实很有限，因为爆火的原因不是厂商良心，拥抱开源，而是发现这个市场有的赚，本质还是逐利的，Agent 让厂商发现开放生态有的赚。工具功能很全，很方便，但我却更加担心了，工具会一直免费下去吗？我猜不会，等到官方的生态建立起来，我想就是回血的时候了。
值得高兴的是，这些工具还很烂，如果真的要用，还太早，比如 https://www.npmjs.com/package/@music163/ncm-cli
我无法相信官方的 TUI 居然吹能播放一半不到的歌，真是充满恶意的设计
-
LLM 改变了很多，比如 Agent 概念上半年爆火后，大厂们都争前恐后推出 CLI 产品，知乎，微信，网易云等等，这在几年前是完全无法想象的，那时想让 Linux 用上微信都很难，需要折腾一大堆 Wine 的组件，有时还会面临封号的风险。反观现在拥抱全平台的吃相，让人忍俊不禁。
但真正改变的，其实很有限，因为爆火的原因不是厂商良心，拥抱开源，而是发现这个市场有的赚，本质还是逐利的，Agent 让厂商发现开放生态有的赚。工具功能很全，很方便，但我却更加担心了，工具会一直免费下去吗？我猜不会，等到官方的生态建立起来，我想就是回血的时候了。
值得高兴的是，这些工具还很烂，如果真的要用，还太早，比如 https://www.npmjs.com/package/@music163/ncm-cli
我无法相信官方的 TUI 居然吹能播放一半不到的歌，真是充满恶意的设计
-
LLM 改变了很多，比如 Agent 概念上半年爆火后，大厂们都争前恐后推出 CLI 产品，知乎，微信，网易云等等，这在几年前是完全无法想象的，那时想让 Linux 用上微信都很难，需要折腾一大堆 Wine 的组件，有时还会面临封号的风险。反观现在拥抱全平台的吃相，让人忍俊不禁。
但真正改变的，其实很有限，因为爆火的原因不是厂商良心，拥抱开源，而是发现这个市场有的赚，本质还是逐利的，Agent 让厂商发现开放生态有的赚。工具功能很全，很方便，但我却更加担心了，工具会一直免费下去吗？我猜不会，等到官方的生态建立起来，我想就是回血的时候了。
值得高兴的是，这些工具还很烂，如果真的要用，还太早，比如 https://www.npmjs.com/package/@music163/ncm-cli
我无法相信官方的 TUI 居然吹能播放一半不到的歌，真是充满恶意的设计
-
LLM 改变了很多，比如 Agent 概念上半年爆火后，大厂们都争前恐后推出 CLI 产品，知乎，微信，网易云等等，这在几年前是完全无法想象的，那时想让 Linux 用上微信都很难，需要折腾一大堆 Wine 的组件，有时还会面临封号的风险。反观现在拥抱全平台的吃相，让人忍俊不禁。
但真正改变的，其实很有限，因为爆火的原因不是厂商良心，拥抱开源，而是发现这个市场有的赚，本质还是逐利的，Agent 让厂商发现开放生态有的赚。工具功能很全，很方便，但我却更加担心了，工具会一直免费下去吗？我猜不会，等到官方的生态建立起来，我想就是回血的时候了。
值得高兴的是，这些工具还很烂，如果真的要用，还太早，比如 https://www.npmjs.com/package/@music163/ncm-cli
我无法相信官方的 TUI 居然吹能播放一半不到的歌，真是充满恶意的设计
-
Was für eine Sch*** !
Ständig zerlegt sich die Whisper-Integration in KDEnlive. Kaum hat man die wieder geflickt, zerschießt das nächste Update sie wieder.
Mal eben Untertitel erzeugen, wird so zur Qual.
Ich prangere das an!
Danke für Ihre Aufmerksamkeit für dieses Thema!
-
Was für eine Sch*** !
Ständig zerlegt sich die Whisper-Integration in KDEnlive. Kaum hat man die wieder geflickt, zerschießt das nächste Update sie wieder.
Mal eben Untertitel erzeugen, wird so zur Qual.
Ich prangere das an!
Danke für Ihre Aufmerksamkeit für dieses Thema!
-
Was für eine Sch*** !
Ständig zerlegt sich die Whisper-Integration in KDEnlive. Kaum hat man die wieder geflickt, zerschießt das nächste Update sie wieder.
Mal eben Untertitel erzeugen, wird so zur Qual.
Ich prangere das an!
Danke für Ihre Aufmerksamkeit für dieses Thema!
-
I made this #YouTube video for work using #OpenSource. #Audacity with #OpenVINO to clean up the #Audio #Inkscape for the lower thirds and #Kdenlive to edit everything. Oh, and #Whisper to automatically create the #subtitles, which is did an amazing job, better than Audacity and OpenVINO did. Only would have been better if I did it on my home #kubuntu desktop but open source #software is the best and all ran on my Windows workstation.
-
56 минут созвона → текст за 5 минут на M4 без OBS и облака
У меня от трёх до пяти созвонов в день, почти все в браузере: Meet, Яндекс Телемост, ktalk, реже всего Zoom. Детали встреч мне нужны в тексте, иначе договорённости расползаются. Писал я звонки через OBS с захватом экрана, и на самих звонках началось веселье: звук временами жёстко квакал, всё чуть-чуть подвисало. Причину до конца не выяснял, моё предположение - процессор зажирался захватом и перебивал сам разговор; ktalk и браузер тут ни при чём. А экран, как потом дошло, мне вообще был не нужен. Дальше вторая серия. Расшифровку я гонял своими Python-скриптами: конвертация → транскрибация → диаризация (разметка, кто когда говорил). На встрече с пятью участниками диаризация расставляла голоса крайне плохо, половину фраз всё равно восстанавливал по памяти. Пошёл искать вариант, чтобы запись не мешала звонку, результат был приличный и всё крутилось локально: не хотелось ни отдавать записи в облако, ни платить подписку за минуты. Нашёл платный Audio Hijack , он подкупил лёгкостью и простотой настройки. Потом узнал, что на M-чипе быстрее всего у меня отрабатывает mlx-whisper на MLX : веса large-v3-turbo с Hugging Face, инференс на GPU Mac. Это архитектура Whisper, но рантайм — пакет mlx-whisper и бинарь mlx_whisper , не pip install openai-whisper и не репозиторий openai/whisper . Так собрался стек: Hijack пишет один mp3, mlx_whisper делает VTT, pyannote раскладывает по SPEAKER_XX. На 56-минутном звонке транскрипция заняла около пяти минут. Платный только Hijack — разовая лицензия, без подписки (цену смотрите на сайте Rogue Amoeba). Скрипты выложил в mac-call-transcribe под MIT. Ниже сборка, замеры с двух реальных звонков и грабли; повторяется на любом Mac с M-чипом.
https://habr.com/ru/articles/1062068/
#whisper #mlx #pyannote #speaker_diarization #расшифровка_звонков #python #apple_silicon #транскрибация_звонков
-
Fairly valid use of #AI, near realtime voice to text #estonian -> English translation tool. I have spent about 2 hours gluing together OpenAI #whisper and Google Gemma 4 e2b and WebRTC VAD (voice activity detection) in Python. Both whisper and Gemma are running on GPU together utilizing about 50% of my Radeon.
-
💡 Join the workshops of the 𝗥𝗲𝘀𝗲𝗮𝗿𝗰𝗵 𝗦𝘂𝗽𝗽𝗼𝗿𝘁 𝗛𝘂𝗯!
𝗨𝗽𝗰𝗼𝗺𝗶𝗻𝗴 𝗲𝘃𝗲𝗻𝘁𝘀:
🔸 𝟰 𝗝𝘂𝗻𝗲: Introduction to #QGIS
🔸 𝟰 𝗝𝘂𝗻𝗲: Introduction to #AI tools
🔸𝟭𝟭 𝗝𝘂𝗻𝗲: Transcribe with #Whisper and Process with #LLM (𝗳𝘂𝗹𝗹!)
🔸𝟭𝟭 𝗝𝘂𝗻𝗲: On the spot: Clean the #cloud
🔸𝟭𝟭 𝗝𝘂𝗻𝗲: Discussion: #Privacy and #security of #AI
🔸𝟭𝟴 𝗝𝘂𝗻𝗲: Large scale computations and data analysis on #Habrok
🔸𝟮𝟱 𝗝𝘂𝗻𝗲: Introduction to Research #AI tools: for the 7 stages of #research
🔸 𝟮 𝗝𝘂𝗹𝘆: #StoryMapping with #ArcGIS -
Как я решил проблему русской диктовки для ИИ
По мере погружения в ИИ и вайб‑кодинг, я столкнулся с одним неудобным моментом — отсутствием возможности диктовать на русском языке в некоторых программах. И если OpenAI в своем приложении позаботились об этом, то в Anthropic такой возможности на тот момент просто не оказалось. А мне уже так понравилось, откинувшись на спинку кресла с чашкой чая, надиктовывать промпты без клавиатуры. Но я быстро нашел выход, хоть и костыльный — просто диктовать свой текст в окошке GPT, потом копировать его и вставлять в Claude. Вроде несложно, но и удобным этот метод я бы не назвал. И я задумался, как этот процесс оптимизировать. И какая же идея могла прийти в голову в 3 часа ночи человеку, который полжизни занимается программированием? Ну конечно же — разработать свое приложение. Посоветовавшись с Claude и GPT, я набросал небольшой план и приступил к разработке. Поскольку я работаю на macOS, то для начала не стал заморачиваться с мультиплатформенностью и решил делать все на Swift.
https://habr.com/ru/articles/1039248/
#AI #OpenAI #Claude #Whisper #speechtotext #диктовка #voice_input #Apple_Silicon
-
От MVP на Whisper до собственной ASR: как мы построили платформу субтитров для RUTUBE
Автоматическое создание субтитров для пользовательского контента может выглядеть довольно простой задачей: берем готовую ASR‑модель, распознаем аудио из видео и сохраняем результат. Именно таким и был наш первый MVP в RUTUBE — сервис на базе Whisper, который позволил быстро проверить гипотезу и запустить субтитры в production. Но очень быстро стало понятно, что между «распознать речь» и «сделать субтитры для всего контента» лежит огромный пласт работы. Миллионы новых видео, ролики длиной до 24 часов, неизвестный язык, шумный пользовательский контент, требования к качеству текста и жесткие ограничения по скорости обработки — всё это превратило задачу из простого ASR в полноценную платформу с микросервисной архитектурой и собственной системой распознавания речи. В статье расскажу, почему Whisper не подошел для production, как мы перестроили всю архитектуру и за счет чего смогли выйти на производительность около 1200 видео в час на один ASR.
https://habr.com/ru/companies/habr_rutube/articles/1028476/
#asr #whisper #распознавание_речи #highload #субтитры #production_ml #machine_learning
-
SLAY-ASR, или как я перестал волноваться и полюбил тренировать модели
Как добавить аудио-модальность в LLMку максимально экономно? Рассказываю про серию попыток добиться совместимости эмбеддингов разной природы Погрузиться
https://habr.com/ru/articles/1009614/
#representation_learning #multimodality #multimodal_llm #machine_learning #audiomodality #regularization #contrastive_learning #whisper #gemma3
-
https://www.wacoca.com/games/1336105/ ASMR 囁きでゲーム実況💤【ぽこ あ ポケモン】プレイしてみた！ ##GAMING #ASMR #ASMRBlueKatie #binaural #BlueKaite #BlueKatie #Bluekatie #CloseUp #EarToEar #Game #GameNews #games #GamingNews #insomnia #Japan #japanese #KatieBlue #MouthSounds #PokémonPokopia #relax #relaxation #scratching #Sleep #tapping #tingle #Whisper #ゲーミング #ゲーム #ゲーム攻略 #ゲーム最新情報 #タッピング #バイノーラル #ブルーケイティ #ぽこあポケモン #ぽこポケ #マウスサウンド #リラックス #不眠 #眠い #眠くなる #眠れない #睡眠 #耳元 #音フェチ
-
Free tools for creativity!
#Upscayl, #rembg, #Fooocus, #Whisper, #LLAMA3 by Meta, #Mixtral8x22b, & more: These #opensource, #AI-powered tools make image editing, audio work, transcription, and Large Language Models (#LLMs) exploration fun and easy!
Learn more about these top picks by #FOSS mentor @morrolinux: https://lpi.org/zhya
@LPI #LPI #Tech #AI #freesoftware #MorroLinux #Linux #FOSS #opensource #Upscayl, #rembg, #Fooocus, #Whisper, #LLAMA3, #Mixtral8x22 @openai
-
Экологичное расставание с Алисой: строим полностью локальный и приватный голосовой ассистент
Идея отказаться от использования Яндекс Алисы в системе умного дома возникла у меня после новости о принятии Госдумой законопроекта, касающегося штрафов за поиск и доступ к экстремистским материалам в интернете . Казалось бы, при чём тут голосовой помощник? Однако Яндекс входит в реестр организаторов распространения информации, что означает определённые юридические и технические обязательства по хранению и передаче данных. Хотя я не ищу ничего, выходящего за рамки интересов автоматизации, желание иметь полностью автономный, локально работающий умный дом - без зависимости от интернета и облачных сервисов - стало для меня ещё актуальнее. Тем более что сейчас единственным слабым звеном в моём умном доме остается Яндекс Алиса - которая требует постоянного интернет-соединения даже для выполнения простейших команд управления локальными устройствами. В этой статье я расскажу, как и на что планирую заменить Алису, чтобы сохранить привычный голосовой контроль, но без сторонних подключений и рисков для приватности. Алиса, извини
-
Effizienter Antrieb ermöglicht #batteriebetriebene #Flugzeuge
#Whisper #Aero will ein #elektrisches #Kleinflugzeug mit Akku abheben lassen und hat Pläne für eine Maschine mit 100 Sitzen.
-
Поднимаем в облаке расшифровку речи в текст с помощью нейросетей. VPS на пределе возможностей
Привет, Хабр! В этом посте я продолжаю цикл статей о том, как выжать максимум из обычного VPS от RUVDS . В прошлый раз мы экспериментировали с языковыми моделями, а сегодня попробуем запустить систему распознавания речи — FasterWhisper, оптимизированную версию модели Whisper от OpenAI. Как и в прошлый раз, сделаем это в рамках бюджета в 5000 рублей в месяц.
https://habr.com/ru/companies/ruvds/articles/865882/
#ruvds_статьи #нейросети #whisper #openai #машинное_обучение #искуственный_интеллект #облака #VPS #сервера #серверное_администрирование #ITинфраструктура
-
Поднимаем в облаке расшифровку речи в текст с помощью нейросетей. VPS на пределе возможностей
Привет, Хабр! В этом посте я продолжаю цикл статей о том, как выжать максимум из обычного VPS от RUVDS . В прошлый раз мы экспериментировали с языковыми моделями, а сегодня попробуем запустить систему распознавания речи — FasterWhisper, оптимизированную версию модели Whisper от OpenAI. Как и в прошлый раз, сделаем это в рамках бюджета в 5000 рублей в месяц.
https://habr.com/ru/companies/ruvds/articles/865882/
#ruvds_статьи #нейросети #whisper #openai #машинное_обучение #искуственный_интеллект #облака #VPS #сервера #серверное_администрирование #ITинфраструктура
-
Поднимаем в облаке расшифровку речи в текст с помощью нейросетей. VPS на пределе возможностей
Привет, Хабр! В этом посте я продолжаю цикл статей о том, как выжать максимум из обычного VPS от RUVDS . В прошлый раз мы экспериментировали с языковыми моделями, а сегодня попробуем запустить систему распознавания речи — FasterWhisper, оптимизированную версию модели Whisper от OpenAI. Как и в прошлый раз, сделаем это в рамках бюджета в 5000 рублей в месяц.
https://habr.com/ru/companies/ruvds/articles/865882/
#ruvds_статьи #нейросети #whisper #openai #машинное_обучение #искуственный_интеллект #облака #VPS #сервера #серверное_администрирование #ITинфраструктура
-
https://www.wacoca.com/media/266998/ Lo-Hi Christmas for Everyone #lofi #love #song #chillmusic #salon#Winter#ChillBeats#Christmas#クリスマス #2023WinterDrama #2023冬ドラマ #Ambience #Background #cafe #Chill #ChillVibes #CozyMusic #Frosty #LoHi #morning #music #R&B #R&BLoFiMusic #relaxing #sleep #SleepAid #song #soothing #sounds #Study #Warm #whisper #WorkFocus #イヴ #サロン #チル #バックグラウンド #仕事 #作業 #勉強 #恋 #愛 #星降る夜に #癒し #睡眠 #音楽
-
Today in BoneQuest History for August 29th 2006 "TOO MANY PANTS" https://bonequest.com/2862 #bonequest :pants: #bonequest_hi_fi #comma #coy_pants #cruisy #dj_rapekit #gangbang #huffy_pants #ladybugs #marvel #multipants #multiplicity #pants_solo #primer #spider_man #weird_pants_face #whisper
-
#Matrix #Omega #Alex7000 #Xoanon #TheMagicMovieMachine #SCAPINA #Orac #Zen #TheOracle #Vanessa38–24–36 #C.O.R.A. #Mentalis #Dr.Theopolis #TheVortex #Gambit #Shyrka #Slave #CML #KITT #KARR #R.A.L.F. #TeletraanI #VectorSigma #BriantheBrain #Compucore #SID #Synergy #Box #LCARS #Albert #Crossover #MagicVoice #OMNSS #Priscilla #Holly #Gordon8000 #Queeg #Hilly #TalkieToaster #TheRevolvingToilet #Sandy #TheUltimaMachine #Ziggy #P.J. #HARDAC #COS #CAS #NICOLE #SELMA #CentSys #MetroNet #H.E.L.E.N. #SharonApple #TheMagiMelchiorBalthasarCaspar #Eve #L.U.C.I-U.N.I.C.E #EmergencyMedicalHologram #Alice #Long-termMedicalHolographicprogram, #VicFontaine, #GilliamII #QuadraplexT-3000Computer #Memorymatic #MPU #Starfighter31 #Computer #P.A.T. #D.E.C.A. #BlackBetty #KarenPlankton #Andromeda #Comp-U-Comp #Caravaggio #C.H.A.D. #GLADIS #CybergirlXandaIsaac #Computer #SAINT #AuraMorganna #Vox #AI #Wirbelwind #Delphi #Sheila/F.I.L.S.S. #OoGhiJMIQtxxXA #XANA #Survive #C.A.R.R. #D.A.V.E. #TheOmnitrix #Solty/Dike #Eunomia #Eirene #Bournemouth #S.O.P.H.I.E. #Scylla #FETCH!3000 #S.A.R.A.H. #TheIntersect #MrSmith #Pear #TheTurk #KITT #POD #ISIS #VenjixVirus #VYVAIVAI #Whisper #Aya #TheMachine #R.A.C.I.S.T. #Samaritan
