@leeoxiang: 太需要一个精准的时间戳对齐服务了

X AI KOLs Following 产品
speech-recognition transcription local-first privacy timestamp-alignment openai-api mcp

摘要

Feiteng Li 宣布发布 EdgeSpeak，一个本地优先、隐私无泄漏的精准转录服务，支持拖拽音视频或麦克风录音转写、语义分段、字词级时间戳，并可导出 JSON/SRT/MD，兼容 OpenAI Audio API、CLI、SKILL 和 MCP 工作流。

太需要一个精准的时间戳对齐服务了 👍
查看原文
查看缓存全文

缓存时间: 2026/07/02 16:26

太需要一个精准的时间戳对齐服务了 👍

Feiteng (@FeitengLi): 今天 EdgeSpeak 正式发布：本地优先、隐私无泄漏、精准转录

拖拽音视频 / 麦克风录音即可转写： > 支持语义分段、字词级时间戳、导出 JSON / SRT / MD > 兼容 OpenAI Audio API、CLI、SKILL 和 MCP 工作流。

EdgeSpeak 由 Fable5 有始有终开发完成，

相似文章

@uniswap12: 微软开源了一个语音 AI，60 分钟长音频一次转写，4 个人同时说话都能搞定 VibeVoice，微软开源，24.8k star，今天才知道这个。录音一键转文字这件事，我之前一直用 Whisper，但它处理长会议录音经常超时，多人说话识别…

X AI KOLs Timeline

微软开源了语音AI框架VibeVoice，支持60分钟长音频一次性转写、多说话人分离和时间戳标注，同时提供多角色TTS合成能力，底层基于Qwen2.5并配有0.5B轻量实时版本，已在GitHub获得24.8k星标。

@Huahuazo: 做海外视频搬运最烦什么？字幕切割靠手调、翻译对齐靠眼盯、音轨同步靠感觉——这套流程走下来，效率低得让人想摔键盘。 VideoLingo这套工具把整个流程串成了一条自动化流水线，目前GitHub 7k+ Star，MIT协议，用着也踏实。 …

X AI KOLs Timeline

VideoLingo 是一个开源视频翻译、本地化与配音工具，利用 WhisperX 和 AI 实现 Netflix 级字幕与多语言配音，支持 yt-dlp 下载和多种 TTS，帮助视频搬运者自动化处理全流程。