需求人群:
"目标受众为视频编辑者、内容创作者、教育机构以及需要视频剪辑功能的企业用户。FunClip适合他们因为它提供精准的语音识别和灵活的视频裁剪功能,帮助他们提高工作效率,同时开源的特性也方便了技术的二次开发和定制。"
使用场景示例:
教育机构使用FunClip裁剪教学视频中的关键片段
视频博主使用FunClip快速制作含有特定对话的视频内容
企业使用FunClip裁剪产品介绍视频中的特定部分用于营销
产品特色:
集成Paraformer-Large模型,提供高精度的中文语音识别
支持热词定制化功能,提升特定实体词、人名的识别效果
集成CAM++说话人识别模型,可裁剪特定说话人的视频段落
通过Gradio交互实现功能,简单易用
支持多段自由剪辑,自动生成SRT字幕
本地部署,保护用户隐私
支持命令行调用,适合开发者使用
即将集成Whisper模型,扩展英文视频剪辑能力
使用教程:
克隆FunClip仓库到本地
安装所需的Python依赖
安装imagemagick(如果需要自动生成字幕)
在本地启动Gradio服务,通过浏览器访问并使用界面进行视频剪辑
或者通过命令行调用FunClip的相关功能进行视频识别和裁剪
使用Modelscope创空间体验FunClip
浏览量:532
最新流量情况
月访问量
5.03m
平均访问时长
00:06:29
每次访问页数
5.88
跳出率
37.10%
流量来源
直接访问
52.07%
自然搜索
32.84%
邮件
0.04%
外链引荐
12.88%
社交媒体
2.04%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
12.85%
德国
3.90%
印度
9.41%
俄罗斯
4.16%
美国
18.95%
开源、精准、方便的视频切片工具
FunClip是一款完全开源、本地部署的自动化视频剪辑工具,通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别,随后用户可以自由选择识别结果中的文本片段或说话人,点击裁剪按钮即可获取对应片段的视频。FunClip集成了阿里巴巴开源的工业级模型Paraformer-Large,是当前识别效果最优的开源中文ASR模型之一,并且能够一体化的准确预测时间戳。
开源工业级自动语音识别模型,支持普通话、方言和英语,性能卓越。
FireRedASR-AED-L 是一个开源的工业级自动语音识别模型,专为满足高效率和高性能的语音识别需求而设计。该模型采用基于注意力的编码器-解码器架构,支持普通话、中文方言和英语等多种语言。它在公共普通话语音识别基准测试中达到了新的最高水平,并且在歌唱歌词识别方面表现出色。该模型的主要优点包括高性能、低延迟和广泛的适用性,适用于各种语音交互场景。其开源特性使得开发者可以自由地使用和修改代码,进一步推动语音识别技术的发展。
开源的工业级普通话自动语音识别模型,支持多种应用场景。
FireRedASR 是一个开源的工业级普通话自动语音识别模型,采用 Encoder-Decoder 和 LLM 集成架构。它包含两个变体:FireRedASR-LLM 和 FireRedASR-AED,分别针对高性能和高效能需求设计。该模型在普通话基准测试中表现出色,同时在方言和英文语音识别上也有良好表现。它适用于需要高效语音转文字的工业级应用,如智能助手、视频字幕生成等。模型开源,便于开发者集成和优化。
本地运行的AI模型训练与部署工具,支持个性化训练和多平台使用。
Kolosal AI 是一款用于本地设备训练和运行大型语言模型(LLMs)的工具。它通过简化模型训练、优化和部署流程,使用户能够在本地设备上高效地使用 AI 技术。该工具支持多种硬件平台,提供快速的推理速度和灵活的定制能力,适合从个人开发者到大型企业的广泛应用场景。其开源特性也使得用户可以根据自身需求进行二次开发。
本地运行的人工智能代理,无缝自动化工程任务。
Codename Goose 是一款本地运行的人工智能代理工具,旨在帮助开发者高效完成工程任务。它强调开源和本地运行,确保用户对任务执行有完全控制权。通过连接外部服务器或API,Goose 可以根据用户需求进行扩展,实现复杂任务的自动化处理,从而让开发者专注于更重要的工作。Goose 的开源特性鼓励开发者参与贡献和创新,其本地运行的模式保障了数据隐私和任务执行效率。
Mistral Small 3 是一款开源的 24B 参数模型,专为低延迟和高效性能设计。
Mistral Small 3 是由 Mistral AI 推出的一款开源语言模型,具有 24B 参数,采用 Apache 2.0 许可证。该模型专为低延迟和高效性能设计,适合需要快速响应的生成式 AI 任务。它在多任务语言理解(MMLU)基准测试中达到 81% 的准确率,并且能够以每秒 150 个标记的速度生成文本。Mistral Small 3 的设计目标是提供一个强大的基础模型,用于本地部署和定制化开发,支持多种行业应用,如金融服务、医疗保健和机器人技术等。该模型未使用强化学习(RL)或合成数据训练,因此在模型生产管线中处于较早期阶段,适合用于构建推理能力。
FilmAgent是一个基于LLM的多智能体协作框架,用于虚拟3D空间中的端到端电影自动化制作。
FilmAgent是一种创新的电影制作技术,通过模拟导演、编剧、演员和摄影师等关键角色,利用多智能体协作实现虚拟3D空间中的电影自动化制作。该技术的主要优点在于能够减少人工干预,提高制作效率,同时降低错误率。FilmAgent在电影制作领域的应用,为创作者提供了一个高效、低成本的解决方案,尤其适合资源有限的小型制作团队。虽然目前没有明确的价格信息,但其开源的特性使其具有广泛的适用性和推广价值。
一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。
RealtimeSTT是一个开源的语音识别模型,能够实时将语音转换为文本。它使用了先进的语音活动检测技术,可以自动检测语音的开始和结束,无需手动操作。此外,它还支持唤醒词激活功能,用户可以通过说出特定的唤醒词来启动语音识别。该模型具有低延迟、高效率的特点,适合需要实时语音转录的应用场景,如语音助手、会议记录等。它基于Python开发,易于集成和使用,且在GitHub上开源,社区活跃,不断有新的更新和改进。
AI语音代理测试与可观测性平台
fixa是一个专注于AI语音代理测试与可观测性的平台,旨在帮助开发者和企业快速发现并修复语音代理中的问题。通过自动化测试、生产监控和错误检测等功能,确保语音代理的稳定性和可靠性。该平台由Y Combinator资助,提供简单透明的定价策略,适合不同规模的企业使用。
基于ESP32的AI聊天机器人项目,可实现多语言对话与声纹识别
xiaozhi-esp32 是一个开源的 AI 聊天机器人项目,基于乐鑫的 ESP-IDF 开发。它将大语言模型与硬件设备相结合,使用户能够打造出个性化的 AI 伴侣。项目支持多种语言的语音识别与对话,具备声纹识别功能,能够识别不同用户的语音特征。其开源特性降低了 AI 硬件开发的门槛,为学生、开发者等群体提供了宝贵的学习资源,有助于推动 AI 技术在硬件领域的应用与创新。项目目前免费开源,适合不同层次的开发者进行学习与二次开发。
实时浏览器端语音识别应用
Moonshine Web是一个基于React和Vite构建的简单应用,它运行了Moonshine Base,这是一个针对快速准确自动语音识别(ASR)优化的强大语音识别模型,适用于资源受限的设备。该应用在浏览器端本地运行,使用Transformers.js和WebGPU加速(或WASM作为备选)。它的重要性在于能够为用户提供一个无需服务器即可在本地进行语音识别的解决方案,这对于需要快速处理语音数据的应用场景尤为重要。
一键生成数据的直观反射图
diagen是一个利用人工智能技术,通过单一命令生成美丽、直观图表的工具。它支持多种图表类型,并能通过视觉反馈和批评自动优化图表。diagen的主要优点包括易用性、支持多种AI模型、自动图表细化以及支持多种图表类型。它背景于数据可视化和人工智能领域,旨在简化图表生成过程,提高效率。diagen是开源的,因此对于个人和企业来说,使用成本较低,适合需要快速生成高质量图表的开发者和数据分析师。
开源AIOps平台,管理大规模告警/事件的瑞士军刀
Keep是一个开源的AIOps平台,专为复杂环境中处理告警的团队设计。它通过AI技术增强IT运维能力,提供告警丰富、工作流、单视图界面和90多个集成选项。Keep平台支持从SRE、运维人员到工程师、初创企业和全球企业,是可靠团队的选择。产品背景信息显示,Keep在2024年宣布了270万美元的种子轮融资,并在GitHub上拥有7.8k的关注者,体现了其在开源社区的影响力和受欢迎程度。Keep提供免费试用和不同定价方案,定位于大型企业和需要高效管理告警的团队。
开源AI开发者助手,提升开发效率。
OpenHands是由All Hands AI开发的开源AI软件工程师,旨在帮助开发者处理积压的工作,让他们能够专注于解决难题、创造性挑战和过度工程化他们的配置文件。该产品在SWE-bench验证问题集中解决了超过一半的问题,是首个得分超过50%的AI工程师。此外,来自十几个学术机构的顶级代码生成研究人员每天都在帮助改进它。OpenHands在GitHub上以MIT许可证开源,拥有35k星标和190+贡献者。它与AI安全专家如Invariant Labs合作,以平衡创新与安全。
开源的网页自动化库,支持任何大型语言模型(LLM)
browser-use是一个开源的网页自动化库,允许大型语言模型(LLM)与网站进行交互,通过简单的接口实现复杂的网页操作。该技术的主要优点包括对多种语言模型的通用支持、交互元素自动检测、多标签页管理、XPath提取、视觉模型支持等。它解决了传统网页自动化中的一些痛点,如动态内容处理、长任务解决等。browser-use以其灵活性和易用性,为开发者提供了一个强大的工具,以构建更加智能和自动化的网页交互体验。
代码审查助手,确保代码无缺陷。
Panto AI 是一个编程辅助工具,通过代码审查来预防缺陷代码进入生产环境。它通过全天候运作,暴露代码中的漏洞并建议修复措施,确保只有无缺陷的代码被推送到生产环境。Panto AI 不仅检查错误,还理解代码背后的意图,并与知识库无缝集成,提供更智能的洞察。产品背景信息显示,Panto AI 已经开源其代码,并在GitHub上获得社区支持。
Android平台上的私有、设备端语音识别键盘和文字服务
Transcribro是一款运行在Android平台上的私有、设备端语音识别键盘和文字服务应用,它使用whisper.cpp来运行OpenAI Whisper系列模型,并结合Silero VAD进行语音活动检测。该应用提供了语音输入键盘,允许用户通过语音进行文字输入,并且可以被其他应用显式使用,或者设置为用户选择的语音转文字应用,部分应用可能会使用它来进行语音转文字。Transcribro的背景是为用户提供一种更安全、更私密的语音转文字解决方案,避免了云端处理可能带来的隐私泄露问题。该应用是开源的,用户可以自由地查看、修改和分发代码。
下一代语音AI,提供卓越的音频数据处理能力。
Universal-2是AssemblyAI推出的最新语音识别模型,它在准确度和精确度上超越了前一代Universal-1,能够更好地捕捉人类语言的复杂性,为用户提供无需二次检查的音频数据。这一技术的重要性在于它能够为产品体验提供更敏锐的洞察力、更快的工作流程和一流的产品体验。Universal-2在专有名词识别、文本格式化和字母数字识别方面都有显著提升,减少了实际应用中的词错误率。
现代服务开发的终极平台
Batteries Included是一个为现代服务开发设计的全功能平台,提供源代码可用的一站式解决方案。它基于开源代码构建,支持从Docker到Knative的部署,拥有自动化安全和更新、智能自动化、高可靠性、先进的AI技术、以及易于集成的SSO等特点。这个平台旨在帮助开发者构建、部署和轻松扩展项目,同时确保数据隐私和成本效益。
开源的语音识别和说话人分割模型推理代码
Reverb 是一个开源的语音识别和说话人分割模型推理代码,使用 WeNet 框架进行语音识别 (ASR) 和 Pyannote 框架进行说话人分割。它提供了详细的模型描述,并允许用户从 Hugging Face 下载模型。Reverb 旨在为开发者和研究人员提供高质量的语音识别和说话人分割工具,以支持各种语音处理任务。
开源视频编辑框架,支持自动化视频工作流。
Revideo是一个基于Motion Canvas的开源框架,用于程序化视频编辑。它允许开发者自动化复杂的视频工作流程,或在浏览器中构建完整的视频编辑器。Revideo支持使用Typescript创建视频模板,并能够即时预览和渲染为MP4格式的视频。它适用于大规模视频生成、A/B测试视频广告、构建网页内的视频编辑器或视频游戏等场景。
AI助手,简化代码审查流程
pr-agent是CodiumAI推出的一款AI助手工具,旨在帮助开发者更快速、高效地审查代码。它能够自动分析提交和PR,并提供多种反馈,如自动生成PR描述、主题反馈、安全问题、代码建议等。该工具支持多种编程语言,并且是开源的,可在GitHub上找到。它通过简化代码审查流程,提高软件质量,是开发团队和个人开发者的得力助手。
无需编写代码,快速构建AI工作流
BuildEL是一个无需编写代码即可构建AI工作流的平台,它通过提供多种模块和接口,支持用户快速搭建复杂的工作流程。该产品特别适合需要快速实现自动化任务和提升工作效率的企业和个人。BuildEL的开源特性使得用户可以自由地在本地部署和贡献代码,同时支持多种接口和模块,满足不同场景的需求。
开源AI代码编辑器,为10倍效率工程师设计。
Melty是一款开源的AI代码编辑器,它能够理解用户从终端到GitHub的操作,并与用户协作编写生产就绪的代码。由Charlie和Jackson开发,他们有着丰富的编程工具使用经验,旨在通过AI技术提高编程效率和代码质量。Melty在28天内已经能够编写其一半的代码,展现了其强大的自适应和学习能力。
开源多模态大型语言模型,支持实时语音输入和流式音频输出。
Mini-Omni是一个开源的多模态大型语言模型,能够实现实时的语音输入和流式音频输出的对话能力。它具备实时语音到语音的对话功能,无需额外的ASR或TTS模型。此外,它还可以在思考的同时进行语音输出,支持文本和音频的同时生成。Mini-Omni通过'Audio-to-Text'和'Audio-to-Audio'的批量推理进一步增强性能。
与大型语言模型进行自然的语音对话
OpenVoiceChat是一个开源项目,旨在提供一个与大型语言模型(LLM)进行自然语音对话的平台。它支持多种语音识别(STT)、文本到语音(TTS)和LLM模型,允许用户通过语音与AI进行交互。项目采用Apache-2.0许可,强调开放性和易用性,目标是成为封闭商业实现的开源替代品。
AI提示工程师,提升AI交互效率。
Ape是一个开源的AI提示工程师,由Weavel公司开发,旨在通过优化AI的交互方式来提升效率。它是一个专门为AI设计的提示工程库,支持自定义和自动化的AI交互流程,帮助开发者和用户更高效地利用AI技术。Ape的核心优势在于其开源性、灵活性和易用性,适用于需要与AI进行复杂交互的场景。
© 2025 AIbase 备案号:闽ICP备08105208号-14