分享一个我们正在做的产品--快转字幕 https://www.kzzimu.com ，目标是海外市场，先在国内试试水，de 下 bug 。
下面我跟大家分享技术、经验和资源哈。
一句话介绍
是基于 Whisper 魔改版，实现音视频转字幕，GPT-4 翻译加润色，识别说话人，字幕智能重排的一站式音视频平台。
V 友们肯定会说，XX 、XXX 和 XXXX 不都有这些东西？
我们的优势是：
- 无须显卡，云端速度非常快。
- 普通用户可以免费使用。
- 傻瓜式，用户不需要有任何技术，不需要去搞什么 Key 。
- 解决很多 AI 模型的输出不稳定问题，保证结果的稳定性。
- 有一个体验非常好的字幕编辑器和文件管理系统。
对我们的产品的技术实现感兴趣的话，可以留言，我会分享一些技术细节。比如，我们的说话人识别，用的是 NVIDIA 的 Nemo 。
API
另外，V 友如果想要在自己的产品上快速实现我们现在的功能，我们也做了 API 可以对接，比如我们支持 2 小时以内，100M 的不分段的音频识别。
一些 todo
- 提取音频的纯人声、纯背景（已经做好，测试上线）
- 海外版（架构一开始就是面向全球，现在正在准备外文资料和服务器架构）
- 下载合并了字幕的视频文件。（已经设计好）
- 根据字幕的剪辑功能。（新建文件夹）
Select Language