[Windows] Whisper Voice Machine (голос → под курсор, видео → в конспект) [Lifetime] [ProPractic]

Объем любой
Для быстрого распознавания очень желательна ВК Nvidia от 1050 и выше. Но лучше с 4 Гб видеопамяти

Это чтобы получить быстро хорошую транскрипцию.

Далее, для больших объемов я бы всё-таки рекомендовал облачные llm.

Если cpu, то можете написать какой, отвечу точнее

 

там тоже самописный софт ("Софт полностью самописный Zennoposter не нужен.").
тоже есть Whisper (Новое Обновление:Добавлен новый сервис whisper от open ai.).

активно пользуюсь всем этим, поэтому хотелось бы разобраться на сколько подходит под мои цели, и не будет ли это дублем по софту, потому что пока что очень похоже на это.
спасибо!

 

Проглядел этот момент. Модель одинаковая, разница будет в том, наверное, какие дополнительные возможности имеет софт.

Ну, допустим, у меня есть поиск по базе данных распознаваний. Можно фильтровать по источнику: микрофон, аудио, видео.

Есть ModelContextProtocol сервер: можно подключить агента, и он будет искать в этих данных и пользоваться этой информацией как-либо. Можно его попросить, чтобы он открыл эти текста через программу распознавания их, ну или как-то переработал и выдал что-то новое из этого.

В будущем будет поиск внутри самого документа. Также я планирую добавить плеер, но это будет в последующих обновлениях, чтобы можно было прямо проматывать к тому моменту, где кто-то что-то говорит.

 

ДД, можно же делать аудио заметку в Телеграм. А после закидывать в программу для обработки?

 

Добрый день! Действительно, можно использовать аудиозаметку из Telegram для расшифровки, и она попадет в базу данных. На самом деле это один из моих частых кейсов использования.

Я записываю что-нибудь на диктофон в телефон или аудиосообщение в Telegram, отправляю это самому себе в «Избранное», а по приходу домой расшифровываю.

Заметка попадает в базу, а текст идет, допустим, кодовому агенту на исполнение или анализ. Именно поэтому я размышлял, стоит ли интегрировать туда бота, но пока что это какая-то оверфича.

 

Приветствую, когда запуск планируете?

 

Добрый день!
Хочу набрать 50 человек, думаю что в течении 10-14 дней.
Остались мелкие технические нюансы по защите софта, в остальном готов!)

 

Друзья, сразу, при выдаче, будет доступен полнотекстовый поиск в рамках всех документов, а так же внутри одного документа. (это планировалось позже)
Эти инструменты будут доступны и для MCP агентов

 

актуальный вопрос про скорость-на сколько быстро работает? GPU используется?
большая работа с промтами проведена? или как в стартпосте-из 1 строчки?

 

Добрый день!
Вы посмотрели видео с демонстрацией?
Что именно по промптам интересует?

 

На GPU программа работает чертовски быстро. Это означает распознавание трехчасовой лекции примерно за 3-4 минуты.

Если говорить про постобработку, особенно про качественную постобработку, то, конечно, это уже API за деньги. Там тоже все происходит достаточно быстро.

В итоге вы можете обрабатывать целые курсы пачками и получать качественные текстовые материалы. Их можно скармливать своим агентам, ChatGPT или просто изучать на основе этой транскрипции.

Сейчас появился поиск по документу с таймметками на плеере. Вы сможете проматывать и слушать те моменты, которые вам интересны.

Или даже можно попросить агента поискать информацию и сразу открыть плеер с отметками того, что вы ищете.

PS
Этот текст написан программой. (включая теги жирный и курсив для Складчика)
СКРИНШОТ

 

прикольно! ) агенты для создания курсов в комплекте?) оч мало реально крутых решений в этой части видел)

 

Благодарю.
Моя задача — дать инструменты вашим агентам, чтобы они работали с информацией.

Допустим, есть локальная программа, типа Cloud Desktop или Chatbox, у которой есть возможность подключить Model Content Protocol инструменты. Вы просто подключаете сервер этого приложения, и ваш агент может работать с этой базой данных и всем содержимым.

А уже вы можете просить приложение: искать информацию, фильтровать, открывать в отдельных окнах моё приложение, чтобы самостоятельно это прослушать, перерабатывать контент с помощью других инструментов, сохранять файлы и т.д.

Возможно, я сделаю отдельный курс про свой производственный pipeline для контента.

 

+1
Тоже интересен курс про создание хороших и актуальных инфопродуктов!

 

Добрый день, я вас услышал

Подумаю, как это сделать. Сейчас мой pipeline включает в себя
- планирование больших курсов
- модулей и уроков
- автоматический сбор дополнительного контента через поиск в сети
- создание качественных иллюстраций для уроков (с сохранением персонажей)
- автоматическое написание длинных лонгридов с автоматической вставкой туда изображений
- конвертацию этого в приятный формат для людей, вроде HTML или PDF

Подумаю, как это все упаковать, и я думаю, что если я такую тему сделаю, скорее всего это будет единичная акция, и повторов, уже не будет.

 

выдавайте бонусом к этому курсу, чё уж там)

 

Здравствуйте. "потому что пока что очень похоже на это." Можете расшифровать? Подходит или будет дублем.

 

Спасибо за участие в нашей небольшой рекламной кампании
Здесь проблема возникает такая, что нужно просто выделить текст и нажать на кнопочку «Ссылка», после чего можно вставить ссылку и сделать этот текст ссылкой.
После этого можно будет уже сделать размер шрифта 4 и заменить цвет. В таком порядке это точно будет работать.

Скрин)

 

Интересно такое под мак Как не пропустить когда выйдет?

 

Добрый день. На самом деле софт полностью готов на macOS, я даже думал сделать отдельную тему для этого.
Сейчас пока что сосредоточился на установщике на Windows, постараюсь с этим не тянуть.