{"source":{"id":"16766231","title":"Ctrl+F，终于用进了声音文件。 面对一段长录音，以前只能硬着头皮听，或者疯狂拖进度条。 现在，找声音变成了文字检索。…","url":"https://mubeitech.com/p/16766231"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2079144111287001280","account":"mubei","brand":"@mubei","title":"把声音转成字，早就不稀奇了。 但转录一小时的长音频，最难的根本不是认字。 是认人。 你要在60分钟的多人对话里，精准追踪…","summary":"把声音转成字，早就不稀奇了。 但转录一小时的长音频，最难的根本不是认字。 是认人。 你要在60分钟的多人对话里，精准追踪谁在什么时间说了什么，而且上下句得连得上。 以前的常规操作，是把长音频切碎，一段段去处理。 切块的代价是，跨段落的时候上下文容易丢，说话人的身份容易张冠李戴。…","body":"把声音转成字，早就不稀奇了。\n但转录一小时的长音频，最难的根本不是认字。\n是认人。\n你要在60分钟的多人对话里，精准追踪谁在什么时间说了什么，而且上下句得连得上。\n\n以前的常规操作，是把长音频切碎，一段段去处理。\n切块的代价是，跨段落的时候上下文容易丢，说话人的身份容易张冠李戴。\n\n微软刚出了个新工具，叫 VibeVoice。\n这个 7B（70亿参数）的模型解决问题的方法很直接：不切分。\n它直接把整整一小时的录音，一次性全吞进去。\n\n把所有声音放进同一个处理窗口，一气呵成。\n这样一来，说话人身份的追踪和上下文，就再也不会在段落切换时发生断裂了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2079258618579320867","translated_status_id":"2079258618579320867","published_at":"2026-07-20 16:07:00","created_at":"2026-07-20T18:01:40+02:00","url":"https://mubeitech.com/p/2079144111287001280","markdown_url":"https://mubeitech.com/p/2079144111287001280/markdown"},{"rank":2,"id":"16440117","account":"mubei","brand":"@mubei","title":"写提示词这件事，马上要变成过去式了。 现在的提示词，是一段录像。 Claude的桌面版刚出了个新功能。 不用再绞尽脑汁敲…","summary":"写提示词这件事，马上要变成过去式了。 现在的提示词，是一段录像。 Claude的桌面版刚出了个新功能。 不用再绞尽脑汁敲字描述任务了。 点开菜单，选择“录制技能”。 你直接对着屏幕操作，边点鼠标边打字，嘴里同步讲解你在干嘛。 Claude会把你屏幕上的点击动作、打字内容和语音全录…","body":"写提示词这件事，马上要变成过去式了。\n现在的提示词，是一段录像。\n\nClaude的桌面版刚出了个新功能。\n不用再绞尽脑汁敲字描述任务了。\n点开菜单，选择“录制技能”。\n你直接对着屏幕操作，边点鼠标边打字，嘴里同步讲解你在干嘛。\n\nClaude会把你屏幕上的点击动作、打字内容和语音全录下来。\n然后，它把这套流程压缩成一个可重复执行的技能。\n比如报销，录完一次，直接存成一个“/file-expenses”指令。\n下次再有发票，直接调出指令，它自己照着走一遍流程。\n\n人机交互正在从“写代码指令”，变成“手把手带徒弟”。\n目前这个功能已经开放给了Pro、Max和Team计划的用户。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2079741147581128962","translated_status_id":"2079741147581128962","published_at":"2026-07-21 21:05:14","created_at":"2026-07-21T22:46:43+02:00","url":"https://mubeitech.com/p/16440117","markdown_url":"https://mubeitech.com/p/16440117/markdown"},{"rank":3,"id":"2078473257154712011","account":"mubei","brand":"@mubei","title":"语音克隆的门槛，终于降到了你的本地显卡上。 开源工具 Voice Clone Lab，直接把声音克隆变成了一条傻瓜式的本…","summary":"语音克隆的门槛，终于降到了你的本地显卡上。 开源工具 Voice Clone Lab，直接把声音克隆变成了一条傻瓜式的本地工作流。 只需要 5 到 15 分钟的音频素材，它能包揽后续的所有脏活累活。 从音频降噪、人声提取、切片到文字转录，全在你的电脑上本地跑完。 你可以像改表格一…","body":"语音克隆的门槛，终于降到了你的本地显卡上。\n\n开源工具 Voice Clone Lab，直接把声音克隆变成了一条傻瓜式的本地工作流。\n只需要 5 到 15 分钟的音频素材，它能包揽后续的所有脏活累活。\n从音频降噪、人声提取、切片到文字转录，全在你的电脑上本地跑完。\n\n你可以像改表格一样，手动校对它转录出的台词，接着直接微调模型。\n也可以选定一段参考音频，直接进行零样本生成。\n挑好微调好的模型，敲下你想让它说的台词，一段足以乱真的 WAV 音频就出来了。\n那些极其自然的声音，原说话者根本没有录过。\n\n音频数据一行都不会传回云端，隐私彻底留在本地。\n工具开源免费，但底线非常明确：只能用来克隆明确拿到授权的声音，切勿越界。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2078499318072246422","translated_status_id":"2078499318072246422","published_at":"2026-07-18 14:35:34","created_at":"2026-07-18T16:17:24+02:00","url":"https://mubeitech.com/p/2078473257154712011","markdown_url":"https://mubeitech.com/p/2078473257154712011/markdown"},{"rank":4,"id":"16534178","account":"mubei","brand":"@mubei","title":"语音模型的门槛，彻底塌了。 现在的竞争早就不在“能不能克隆声音”了。 而是怎么用5秒的样本、极低的成本，直接生成带情绪的…","summary":"语音模型的门槛，彻底塌了。 现在的竞争早就不在“能不能克隆声音”了。 而是怎么用5秒的样本、极低的成本，直接生成带情绪的对话。 Fish Audio刚拿到5200万美元种子轮融资。 直接推出了新一代语音模型S2.1 Pro。 发布方给出的账本很粗暴。 克隆一个人的声音，只需要5秒…","body":"语音模型的门槛，彻底塌了。\n\n现在的竞争早就不在“能不能克隆声音”了。\n而是怎么用5秒的样本、极低的成本，直接生成带情绪的对话。\n\nFish Audio刚拿到5200万美元种子轮融资。\n直接推出了新一代语音模型S2.1 Pro。\n\n发布方给出的账本很粗暴。\n克隆一个人的声音，只需要5秒的音频。\n他们称，新模型的速度比Cartesia快两倍。\n成本却只有Eleven Labs的六分之一。\n\n便宜还不是重点。\n真正的杀器是情绪可控。\n发布方称，这套模型做到了词级别的控制。\n一句话里，每个词的情绪、语调、语速都能单独调节。\n\n在客服场景里，一个接披萨店电话的AI，上一秒还在讲西班牙语，下一秒直接切英文接单。\n面对几个顾客同时抢话点餐，它不卡壳。\n连中途把中号披萨换成大号、外加五杯无糖可乐的零碎要求都能顺手改掉。\n最后还能跟顾客确认名字的拼写。\n\n发布方称，他们第一年已经支撑了1000万小时的配音和数亿次通话。\n为了抢企业客户，他们直接放出话来。\n如果不能把企业现有的语音AI成本砍掉一半。\n直接免费提供一年的服务。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2082282272355500233","translated_status_id":"2082282272355500233","published_at":"2026-07-28 23:16:32","created_at":"2026-07-29T01:04:27+02:00","url":"https://mubeitech.com/p/16534178","markdown_url":"https://mubeitech.com/p/16534178/markdown"},{"rank":5,"id":"16604456","account":"mubei","brand":"@mubei","title":"想把一段视频加速两倍，你会怎么做？ 打开剪辑软件，导入，调速，导出。 现在呢？丢给 AI 智能体，打一行字。 搞定。 智…","summary":"想把一段视频加速两倍，你会怎么做？ 打开剪辑软件，导入，调速，导出。 现在呢？丢给 AI 智能体，打一行字。 搞定。 智能体最大的变化，其实不是替程序员写代码。 而是正在悄无声息地吃掉一大批低频工具软件。 以前遇到这种零碎需求，我们要干嘛？ 满世界找免费的格式转换器。 到处搜PD…","body":"想把一段视频加速两倍，你会怎么做？\n打开剪辑软件，导入，调速，导出。\n现在呢？丢给 AI 智能体，打一行字。\n搞定。\n\n智能体最大的变化，其实不是替程序员写代码。\n而是正在悄无声息地吃掉一大批低频工具软件。\n\n以前遇到这种零碎需求，我们要干嘛？\n满世界找免费的格式转换器。\n到处搜PDF拆分网页。\n或者专门打开 iMovie，就为了剪掉几秒钟的死机画面。\n\n现在，这些活全变成了一句自然语言。\n把文件丢给编程智能体，直接提要求：\n对视频：让它加速、裁剪、拼接、MOV转MP4、压体积、烧字幕。\n对音频：让它删掉录音里所有的长段空白、统一音量。\n对图片：抠背景、无损放大、把粗糙的 Logo 还原成精确的矢量图。\n对账本和文档：让它把乱七八糟的扫描件拿去 OCR 识别，提取数据，最后洗出一个干干净净的表格。\n\n这中间没有下载软件，没有寻找按钮。\n它会自己保留原件，单独生成新文件。\n交差前还会自己核对一下：处理后的时长对不对？图片尺寸对不对？数据结构乱没乱？\n\n复杂的精细化剪辑它还做不了。\n但在日常的办公场景里，那些你一年只打开两三次、为了一个小功能还要忍受满屏广告的工具。\n它只用一行字就顺手包圆了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2083837289902346621","translated_status_id":"2083837289902346621","published_at":"2026-08-02 08:20:29","created_at":"2026-08-02T10:10:19+02:00","url":"https://mubeitech.com/p/16604456","markdown_url":"https://mubeitech.com/p/16604456/markdown"},{"rank":6,"id":"2045272682393141687","account":"mubei","brand":"@mubei","title":"不用张嘴，不用打字。 你在心里默念一句话，对坐的人能一字不差地“听”到。 然后他用同样的无声方式回复你。 Joe Rog…","summary":"不用张嘴，不用打字。 你在心里默念一句话，对坐的人能一字不差地“听”到。 然后他用同样的无声方式回复你。 Joe Rogan 在播客里看完这演示直接惊掉下巴。 这套设备叫 AlterEgo。 两个人面对面坐着，戴上特制的头戴设备。 一个人在脑子里想：“一会去哪吃午饭？” 对方的脑…","body":"不用张嘴，不用打字。\n你在心里默念一句话，对坐的人能一字不差地“听”到。\n然后他用同样的无声方式回复你。\nJoe Rogan 在播客里看完这演示直接惊掉下巴。\n\n这套设备叫 AlterEgo。\n两个人面对面坐着，戴上特制的头戴设备。\n一个人在脑子里想：“一会去哪吃午饭？”\n对方的脑海里瞬间接收到这句话。\n对方心里默念：“泰国菜挺好。”\n一段对话就此完成，全程没有一点声音。\n\n最离谱的还在后面。\n它能跨语言做脑内同传。\n你心里想着英文。\n设备直接把信号转译成中文，传进对方的大脑。\n对方用中文动动念头，答案再无声传回给你。\n\n目前的屏幕和键盘交互，受限于手指敲击的速度。\n研发团队想给智能时代做一套全新的交互界面。\n完全跳过物理发声，直连心智。\n这还仅仅是技术的萌芽阶段。\n人类靠声带震动传递信息的传统，正在被物理终结。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045419221354516717","translated_status_id":"2045419221354516717","published_at":"2026-04-18 08:28:15","created_at":"2026-04-18T10:24:15.804205","url":"https://mubeitech.com/p/2045272682393141687","markdown_url":"https://mubeitech.com/p/2045272682393141687/markdown"}]}