MyVoiceTyping：面向中文语音输入的本地优先开源方案

最新推荐文章于 2026-09-01 19:53:19 发布
原创 最新推荐文章于 2026-09-01 19:53:19 发布 · 164 阅读 · 4 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测

最近做了一个面向中文语音输入的开源项目：MyVoiceTyping。

它支持本地优先的中文语音输入，并结合针对输入文本润写调优的 1.5B 模型，对口语化表达、断句和标点进行整理。

项目地址：
https://github.com/botaruibo/MyVoiceTyping

相关模型：
https://modelscope.cn/models/botaruibo/MyVoiceTyping-1.5b-q4

训练数据集：
https://github.com/botaruibo/MyVoiceTyping-Dataset

欢迎试用、提 Issue，也欢迎给项目点个 Star，帮助它被更多需要中文语音输入的人看到。

标签
#python #语音识别 #开源 #音视频
05 从零搭建 GPT 模型：LayerNorm、GELU 与解码器堆叠
元直的博客
09-01 377
本文介绍从零搭建GPT模型的关键组件：LayerNorm对特征维归一化，GELU平滑激活，前馈网络扩展收缩，残差连接缓解梯度消失。随后组装TransformerBlock（多头注意力+前馈，Pre-LN），最终构建GPTModel并实现文本生成，附参数量核算。
Python Class 参数传递完全指南
m0_54652313的博客
08-30 25
Python Class 参数传递完全指南：1.1 实例方法（最常用）1.2 类方法（@classmethod）1.3 静态方法（@staticmethod）2. 嵌套函数（def 内嵌 def）的 4 种传参方式2.1 闭包捕获（读取外层）2.2 显式传递（推荐用于灵活传参）2.3 nonlocal 修改外层2.4 使用 self 传递（共享状态）3. 继承中的参数传递（super()）4. 灵活传参：*args 与 **kwargs5. 嵌套层级过深时的最佳实践（工程建议）
Typeless 平替？我做了一个本地优先的中文语音输入开源项目 MyVoiceTyping
Po Rui的专栏
07-17 205
MyVoiceTyping 是一个面向 macOS 的开源、本地优先中文语音输入项目，可作为 Typeless 平替方向，强调 0 费用、数据安全、AI Coding prompt、模型和数据集公开，以及 self-evaluation 本地自进化。
Python函数进阶：可变参数、匿名函数与作用域
PHTR1的博客
08-28 153
本文深入探讨了Python函数的高级特性，主要包括： 可变参数：详细介绍了*args（收集位置参数为元组）和**kwargs（收集关键字参数为字典）的用法，以及参数解包技巧。 匿名函数(lambda)：讲解lambda语法、特点及典型应用场景，如排序、map/filter操作等，同时提醒不要过度使用。 函数式编程工具：介绍map、filter、reduce三大工具及其与列表推导式的对比。 作用域规则：深入解析LEGB查找顺序，global和nonlocal关键字的使用，以及闭包的实际应用。 实战案例：展示了
Agent 记忆压缩通常有哪些方法？
2603_96126046的博客
08-31 304
在传统软件中，状态可以通过关系型数据库做毫秒级精准存取；而在 AI Agent 架构中，大模型本身是无状态的概率推理引擎。为了维持多轮交互的连续性，开发者必须将历史记忆注入到上下文（Context）中。上下文爆炸与成本失控：多轮对话与工具调用轨迹（Tool Traces）包含海量冗余 Token，每次 API 请求都需要对全量历史重复计费，成本呈二次方上升。推理延迟（Latency）恶化：超长上下文会导致 GPU 在 Prefill 阶段的计算耗时大幅拉长，严重破坏实时交互体验。
【MCP（Model Context Protocol）开发到发布完整指南】
晨埃
08-27 239
MCP（Model Context Protocol）开发到发布完整指南
22-DataCenter报文序列化
yuhou25的博客
09-01 222
（put在循环后），解析侧遇到时continue不影响store循环——顺序无关但习惯上收尾。
可以做年龄编辑的gan对抗网络（SAGAN）
有的话没说出来之前，你是他的主人，一旦说出来你就成了他的奴隶||想要干好事，别太把自己当人，别把别人太不当人||认识这个人就是开了一扇窗户，就能看到不一样的东西，听到不一样的声音，能让你思考、觉悟，这已经够了
09-01 206
把这 10 张（或更多年龄段）图片按顺序拼接，用 OpenCV 或 FFmpeg 导出为 MP4，就能看到“一个人”的年龄变化过程。：模型只学了 10 个离散年龄段（0~9），直接切换标签会导致五官突然“跳变”，无法生成 18岁→18.5岁 这种细腻变化。如果连续年龄回归，会更加的丝滑，接下来我们将修改一版连续年龄回归的代码，还是在这个的基础之上进行！，比如用预训练的 ArcFace 提取人脸特征，约束不同年龄帧的特征向量尽量接近。，会生成固定噪声下不同年龄的人脸图片，实现“编辑年龄”的效果。
基于Python的爱奇艺视频数据可视化分析系统
qq_35928134的博客
08-30 222
长视频平台剧集、评分、热度与评论数据体量大、维度多，手工汇总难以快速把握类型结构、口碑分布与主演导演影响力。系统采用 B/S 架构，后端入口为app.py，运行端口8060；数据库使用 MySQL（库名iqiyi），经 PyMySQL 访问。前台基于 Bootstrap 5、本地中的 ECharts 5 与 echarts-wordcloud，配合主题。业务表包括usersdramascommentsfavorites。数据可通过导入，或经/ 相关脚本补充样本。分析层在。
2026科学实验能力大赛真题：护林飞行闯关解析
IT_Scratch的博客
09-01 186
2026 首届全国青少年科学实验能力大赛决赛已于 8 月 20—22 日在济南收官，9 月起各赛区成绩陆续公布。这场白名单赛事鼓励青少年用"做中学"的方式呈现科学探究过程，而图形化编程正是把科普内容变成可交互作品的好工具。今天我们用一道原创项目题「护林飞行闯关」，带大家用 Scratch 做一个科普护林小游戏，把六大考点串成能玩的作品。
Java深入解析篇二十之JavaStream API详解
萧瑟余晖的博客
08-30 342
Stream（流）是引入的数据处理抽象，位于包。它表示从数据源产生的元素序列，并支持对其进行函数式、聚合式操作。不是集合：流不存储数据，只描述对数据的计算；不是 IO 流：与无关；惰性管道：中间操作只是登记，终端操作才触发实际计算。// 命令式写法（对照） // List<String> r = new ArrayList<>();
Django的手机数据分析与可视化
weixin_41915110的博客
08-31 764
Django的手机数据分析与可视化系统 摘 要 本系统基于Django框架、HTML和MySQL数据库技术，构建了一个全面的手机数据分析与可视化平台。大屏内容丰富，包括品牌市场份额分布、手机价格区间分布、各维度评分分布、热门机型Top10、内存容量分布以及品牌评分与价格分析等多个模块。通过这些模块，用户可以直观地了解手机市场的整体趋势、各品牌的市场表现、手机价格分布情况、用户评分分布以及热门机型的详细信息。系统采用了先进的可视化技术，将复杂的数据以图表的形式呈现，使得数据更加易于理解和分析。 在管理功能方
Pixhawk 6C — Mission Planner 烧录 & 全套校准教程
2301_76633800的博客
08-31 290
适用于自行编译的 ArduPilot 固件。
Python量化实战：如何检测并剔除历史数据中的“闪崩/乌龙指”异常价格点？
weixin_45515140的博客
08-27 613
针对“如何检测并剔除历史数据中的闪崩/乌龙指异常价格点”这一问题，一个实用的工程方案是：先使用 QuantDash 获取统一格式的历史 K 线，再通过滚动收益率、MAD（Median Absolute Deviation，中位数绝对偏差）等鲁棒统计方法识别异常价格变化，最后结合 OHLC 结构进行二次确认。QuantDash Python SDK 支持直接获取日 K、分钟 K，并原生返回 Pandas DataFrame，因此可以把“数据获取 → 异常检测 → 清洗”压缩到一个简单的数据处理流水线中。
《模型不玄学》小白的模型算法实战手册 - 前言
最新发布
月华的博客
09-01 174
这是一本给算法小白的算法模型实战手册。能够深入浅出的理解如何利用数据训练一个成熟的模型。这本小册子想做的，就是把“从数据到能用的模型”这个过程，用讲透。
GLM-5.3-NVFP4 部署实战系列[四]问题深拆①：sm80 没有稀疏 MLA 注意力后端怎么办
缘友一世的博客
08-30 328
GLM-5.3 的 DSA 稀疏注意力在 A800 上无路可走：vLLM v0.28.0 的稀疏 MLA 后端全部要求 SM90+。修通路径：移植社区 PR #47629，vendor 三个文件加两处注册，连环修掉 metadata 计数断言等小坑。最大的坑：0.28.0 把 indexer 重写为 C++ op，内部直调仅支持 SM90+ 的 deep_gemm——采用最小化改法：调用点门控回退 Triton 内核（LUT 解码 fp8），sm90+ 路径零影响。
把 AI 知识库搬回本机纯国内 永久免费 · 0 Token 的羽山数智方案
qq_19311825的博客
08-27 586
AI本地知识库搭建方案= 思源笔记 + 本地大模型 + 本地向量库——0 费用、0 出境、0 绑定。整条链路：笔记存储、语义检索、智能问答、工作流编排，全部跑在自己的电脑上。 这不是概念稿，是跑通了的实盘：18/18 交付校验通过，Qwen3-8B + BGE-M3 本地推理，Top-1 检索相关度 0.82，Agent 自动调用工具且零幻觉。Python代码。
15.4 完整实现基于RAG的多Agent客户服务系统
夏天又到了的专栏
08-29 250
【示例15.1】多Agent客服系统的完整代码，文件名为rag_multi_agent_system.py。当需要产品细节、使用方法等信息时使用。输入应为查询的问题。根据客户的问题，决定使用哪个工具。如果需要多个工具的信息，逐步调用它们。请根据文档内容回答，不要编造信息。如果文档中没有相关信息，请说明。建议您联系我们的客服团队以获取更多帮助。建议您联系我们的客服团队以获取更多帮助。，负责理解客户需求并调用合适的工具提供准确回答。当用户询问产品是否有货、库存数量时使用。处理查询，使用单参数输入，格式为。
实时行情中的成交量 Volume 到底是什么？包含盘中撤单量吗？从交易数据语义到 QuantDash 实战解析
2601_96694965的博客
08-29 361
实时行情中的 Volume 是包含盘中撤单量，还是仅包含实际成交股数？首先要区分两个概念：撤单不是成交，因此不能简单把撤单数量理解为成交量 Volume 的组成部分。在量化数据处理中，Volume 应当按照数据源对“成交量”字段的定义进行理解，不能把委托、撤单和实际成交混为一谈。对于 Python 量化开发者而言，真正重要的是使用稳定、结构化的行情接口获取 Volume，并在策略中明确区分“成交数据”和“盘口委托数据”。QuantDash Python SDK 可以直接返回实时行情中的 volume
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值