FFmpeg新增AI语音识别功能，支持自动生成视频字幕
8 月 13 日消息，FFmpeg 是一个流行的开源媒体播放器通用框架，现在包含了一个新的 af_whisper 音频工具，可以直接在 FFmpeg 生态系统中实现自动语音识别（ASR）。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
该工具使用了 whisper.cpp 库，为媒体处理工作流程添加了一个 AI 模型，允许进行灵活的音频转译文本，包括选择 AI 模型、指定语言以及设置输出格式，如文本、SRT 或 JSON。
该工具可以处理预录制的文件和实时音频流，用户还可以使用语音激活检测（VAD）来提高转写的准确性和效率。
注意到，该工具还支持 GPU 加速，可以显著加快转写过程。对于用户来说，这一功能取代了对外部、多步骤转写过程的需求，将任务整合到一个高效的单命令行工作流程中。
相关攻略
1月30日消息，近日，开源多媒体框架FFmpeg在最新社交媒体账号上公开批评AMD，指责其提交的代码补丁中包含大量的“AI垃圾（AI slop）”。这一争议源于AMD试图在FFmpeg代码服务器上提
1 月 8 日消息，流行的开源多媒体框架 FFmpeg 于 1 月 6 日在 X 平台发布消息，感谢腾讯提交的手写 ARM 汇编补丁，比 C 语言的快了 5 倍以上。腾讯 AI 最新 1 月 7
10 月 26 日消息，开源多媒体框架 FFmpeg 开发人员不断创新，今日在其主分支中合并了 Apple ProRes 视频解码的 Vulkan 加速支持，这一改进覆盖了大多数 ProRes 编
8 月 16 日消息，多媒体框架 FFmpeg 开发团队发文，预热 FFmpeg 8 0 版本新增一项名为 Whisper 的音频过滤器，该功能整合了 OpenAI 的 Whisper 语音识别模
8 月 22 日消息，开源多媒体框架 FFmpeg 今天正式推出了其 8 0 正式版本更新。FFmpeg 本次升级带来多项重要改进，包括新增 OpenAI Whisper 滤镜以支持自动语音识别，
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票