再次来支持下 已经在下载新版体验了。
再次看了帖子，感慨前几段说的几乎全是我走过的路，
因为喜欢一些博主需要学习他们的素材，就下载了视频音频，看到别人用 ASR 整理，我也开始研究。
测试 ollama 用 CPU 转写太慢，于是买了显卡，电源不够又折腾电源，折腾 CUDA 环境，从头开始学的 PyTorch ，不同模型的用法有差异，走了很多弯路，最后发现一些行业词的转写当下还是要用在线 ASR ，于是又折腾音频的合适码率、公网访问、上传 OSS 获取临时链接，为了 ASR 投入了也有几千块了
话说，如果软件如果需要商业化功能，可以从赚在线 API 的差价开始，比官方价贵点，减少我折腾写代码、转码、公网访问、配置、调整输出文档的时间，我也是愿意接受的。

另外上次没说清楚几个需求，
1 、我用批量转写功能比较在意文件夹结构，比如选择输入和输出文件夹，输出的结构跟输入保持完全一致，只是扩展名不一样，大量转写的时候方便整理，比如，我下载了几十个博主的音频分别在分类\名字\年份 文件夹下，转写成功后的目录也是这样

2 、可选输出文本格式（ txt/md ）、是否区分说话人、是否有 meta 摘要（还是纯语音的文字）、选择不同的热词配置文件

3 、有没有一种可能，可以配置 LLM 接口，调用 prompt 模板或 skill,转写后自动按照要求出总结

我的本地 ASR 刚需功能
1 、批量操作，如果只是 1v1 转换，直接用飞书妙计或通义听悟即可，本地一定要具备工业化流水线处理的能力。
2 、说话人识别，比如下载了很多的课程、抖音视频，需要整理入知识库，说话人还是很重要的
3 、行业热词识别和整理，如果指望手打字不显示，有没有什么模型或工具或好的提示词，或者用几个不同水平的模型，把易错词行业词筛出来。
4 、如果支持使用在线模型，不同模型的额度计费标准别搞错了，比如豆包模型充值的 ASR 额度仅限普通模型使用，极速版 ASR 另扣费，所以我买了百元额度一分钱没扣又欠费好几十元

已 star ，最近在刚需使用 ASR ，有本地 cuda 环境，下载了一些涂料行业的音频资料，测试了 5 种以上的 ASR,包括本地部署的 SenseVoiceSmall 、funasr 、Whisper ，联网的 qwenasr,阶跃星辰 asr 、豆包、还有七牛等平台的，我测试的结果，豆包在工业专属词汇方面遥遥领先，领先了不是一点，领先很多。看到了博主宣传对阶跃星辰期望值比较高，实测跟 qwen 差不多。
期待 OP 的作品越来越完善，我今天就试试 FireRedASR2

id：177 ，谢谢老板

id: 1476 谢谢老板

最近有个收获：
普通人遇到为你量身定制的骗局，大概率是防不住的。
针对女人设计的骗局比男人多得多，女人被骗的概率相对更大。
男人遇到量身定制的骗局也难躲，比如，我去年买思域还花了 11.8 万，如果持币待购，看到暴雷前的帅车值新山东总代 10.8 万包牌报税的雅阁绝对闭眼冲了，钱没了，车没买到，被骗了就是经济纠纷。

977274709
谢谢老板

哥们，我前女朋友也是老师（在编），和你这个前女友几乎一模一样，不知道付出，只想享受，并且很明显的有一种人上人的优越感，万幸她把我给甩了。

ID: 509
谢谢老板

ID: 7697
谢谢老板

ID:45
谢谢老板

ID 127
谢谢老板

@SM7 大大提升远程办公协作的效率，不需要打字了，直接按一下对讲机说话，确实能够大大提高工作效率。
对讲是按住才说话，不像通话或聊天室那样双方完全实时通话，能保留很强的私密性。又不需要对方点击才收听，也不影响对方的工作节奏。

Y2M3ekBxcS5jb20=
感谢老板

目前在用中国移动网盘 夸克网盘的 TV 端，提前保存好了内容 或上传到网盘，感觉还行。