可以看看我的 macOS App: BeMyEars https://www.engineerdraft.com/bemyears/, 不过不是调用大模型 api.

@lonccc #6 我仔细试了一下 noted 发现有不少问题. 严格说我都用不上, 一打开就崩溃.
底层的话, 用的是 whisper base 模型, 所以不可能很准确. BeMyEars 和 YPlayer 在实时性和准确性上可以吊打 noted :-)
其中 YPlayer https://www.engineerdraft.com/yplayer/ 在中文转录上应该比 Whisper Transcription 还要好, 英文打平手, 因为都用的是 whisper :-)

@lonccc #4 我简单看了一下感觉 noted 做的挺好的, 你是有什么不太满意的 ?

@lonccc 可以看看我开发的 App: BeMyEars https://www.engineerdraft.com/bemyears/ , 目前还差一个会议总结, 后续可以加一下.

看着不错, 上下文增强识别结果是怎么做的?

@emberzhang #2 YPlayer 的界面其实和 IINA 比较像, 最开始我想要做一个实时字幕和翻译的 APP (功能终于已经实现), 所以最开始的 UI 设计是参考 IINA 的. 我看了一下 whisper transcription , 功能确实不错, 我猜测它的底层模型就是 whisper. 因为 whisper 中文的效果不是特别好, YPlayer 对中文做了优化, 所以还是有自己独到的优势的, 欢迎对比反馈.

@kirieievk [YPlayer]( https://www.engineerdraft.com/yplayer/) 应该可以满足你的需求, 支持买断制, 感兴趣可以试试, 有需求欢迎反馈.

@tpjaord 在外企吗? BeMyEars 开会神器, 可以试试.

感谢 @mouli 贴心汇总, 补充一下 macOS App
[BeMyEars]( https://apps.apple.com/cn/app/be-my-ears-live-caption/id1577662679?l=en-GB&mt=12) macOS app, on-device live caption and translation from streaming media (Youtube, Zoom, micrsoft team etc.) | **20% OFF** (46.99$ -> 37.49$) on Lifetime Premium, until Dec 3

iOS app
[YPlayer]( https://apps.apple.com/cn/app/yplayer-live-translate-player/id1542569291?l=en-GB): transcribe and translate video into subtitles | **20% OFF** on Lifetime Premium, until Dec 3 |

这个问题感觉就是为我准备的,
可以试试我开发的 YPlayer : https://www.engineerdraft.com/yplayer/
和 BeMyEars https://www.engineerdraft.com/bemyears/
其中你的场景里面 YPlayer 就够用了, 把视频拖进去, 就可以生成字幕, 还能实时翻译.
BeMyEars 适合流媒体场景, 比如直播等.

看标题我还要以为是 mini 发热, 原来是你发热.

嗯, 我不谦虚, 我就是运维巨佬, mac, windows, linux 我都可以用.
平时我用 mac. iTerm2 + chrome 够用了.

什么场景下需要这个东西 ? 我可以考虑做一个.

@naminokoe #8 有个 macOS App: BeMyEars, 对系统的语言没有要求, 还可以实时翻译

@sitdownkevin, 我对这个方向挺感兴趣的, 其实目前苹果就有这方面的技术, 但是我仔细想想好像引用常见也不多或者特别明确. 你有什么使用的场景了可以分享一下吗 ?

我对这方面研究还挺多的.
在英文会议场景中, 需求主要有 2 类.
1. 实时识别, 需要能进行流式处理
2. 录音之后识别

场景 1: 目前好像就 BeMyEars 可以做到, 而且还有翻译功能
场景 2:
飞书妙记, 每个月 300 分钟免费额度, 满足需求 2, 需要自己提前录音.
whisper, 需要自己折腾一下命令行或者其它的工具, 缺点对中文不够友好, 需要 large 模型效果才比较可以
funasr 还是不错, 缺点是没有标点
SenseVoice 比如 funasr 好, 需要自己折腾一下命令行
vosk-api 中文不够好, 上一代的产品不推荐.
seamless_communication 大而全, 效果不好, 很重, 不推荐
azure cognitive api: 付费, 挺贵的. 要自己写程序调用 api
sherpa 需要自己折腾命令
夹带私货: 我的 App: YPlayer 搜索下载即可使用, 中文转录效果比 whisper 好, 英文的话, 就是用 whisper.

@sleepybear1113 #121 其实你也意识到, 但是你没有说出来. 我替你说吧: "Mac 性价比那么低, 为啥还那么多人用 Mac"
核心其实还是钱的问题, 不同人对钱的感受是不一样的.
所以我举例比亚迪和宾利, 就是要突出钱的因素, 有的人觉得贵, 有的人觉得值.
"相同价格 1w 我 Windows 能有 32+1T ，写代码开浏览器都不会抠抠搜搜了"
这里你给自己框了一个限制, 预算是 1w 要怎样怎样, 然后去看啥型号(联想, 戴尔, 惠普) 看各种评测视频, 折腾了好几天, 终于买了个一台电脑.
对有些人来说, 他的想法可能是我想要写代码写着爽, 我需要什么配置能满足, 然后到苹果官网, 选一个性能好的机器, 付钱完事, 30 分钟搞定.
说这些不是要表明自己有钱炫优越感之类的, 是经过各种事情(比如我认识一个人花了 5k 块钱买个一个锅, 她自己觉得很开心) 慢慢就能理解, 不同人的体验感受标准是不一样的, 有些东西你觉得不值, 别人可能觉得值, 所以这个世界有那么多品类的东西, 核心是在满足不同人的需求.

@sleepybear1113 哈哈 "工作不是为了买 Mac 而买 Mac ，是更要考虑自己的体验，相同价格 1w 我 Windows 能有 32+1T ，写代码开浏览器都不会抠抠搜搜了。如果按照你说的买个 Mac 来体验，那么 32+1T 对我来说可能是有点贵了，如果说发现和 Windows 对比提升没啥，那我觉得这个亏没必要吃。"
不同人的体验不一样, 你可能觉得买个性价比高的东西体验好
有的人可能花点钱买个省心的体验好.
举个不恰当的例子"你买辆比亚迪车子也能开, 为啥有人要去买宾利? "
所以讨论这个问题其实没有啥意义, 你觉得自己理智, 其实也不理智.
每个人都活在自己的偏见中, 每个人的决策都不一样.