FunClip开源项目 – 开源智能视频剪辑工具

FunClip 是阿里巴巴通义实验室推出的开源视频剪辑工具，基于大语言模型（LLM）和自动化技术，能够精准进行语音识别并快速裁剪视频片段。它支持本地部署和在线体验，集成了阿里开源的工业级语音识别模型 Paraformer-Large 和 SeACo-Paraformer，提供热词定制和说话人识别功能。通过 Gradio 交互界面，用户可以轻松选择文本片段或说话人进行剪辑，并自动生成 SRT 字幕。FunClip 还支持多段自由剪辑和智能剪辑功能，结合大语言模型（如 GPT 系列）进行智能剪辑，提供便捷的用户体验。

FunClip的特点:

1. 集成 Paraformer-Large 模型，支持高精度中文语音识别
2. 支持热词定制，提升特定词汇的识别效果
3. 集成 CAM++ 说话人识别模型，支持按说话人剪辑
4. 支持多段自由剪辑，自动生成 SRT 字幕
5. 结合大语言模型（LLM）进行智能剪辑
6. 支持本地部署和在线体验，操作简单
7. 支持命令行和 Gradio 交互界面

FunClip的功能:

1. 通过 Gradio 界面上传视频，选择文本片段进行剪辑
2. 使用命令行进行语音识别和视频剪辑
3. 结合大语言模型进行智能剪辑，生成目标片段
4. 配置热词，提升特定词汇的识别效果
5. 按说话人 ID 剪辑特定说话人的片段

相关导航

Easy Voice Toolkit开源项目 – 本地AI语音工具箱

可本地部署的AI语音工具箱，提供语音识别、语音转写、语音转换等功能，支持音频处理、数据集创建和模型训练，适用于音频文件到理想语音模型的转换。

MindSparkAI官网 – 集成AI与机器学习的Flutter项目

MindSparkAI是一个基于Flutter的项目，旨在将人工智能和机器学习能力无缝集成到移动应用开发中。它为开发者提供了工具和库，以便轻松地将先进的AI特性融入到应用程序中。

直接偏好优化 (DPO)-改变 LLM 与人类反馈对齐的新算法

直接偏好优化 (DPO) 是一种新算法，旨在改变大语言模型（LLM）与人类反馈的对齐方式，提供强化学习的替代方案，从而提高模型对人类偏好的理解和响应能力。

Large Language Models on Graphs: A Comprehensive Survey-大语言模型在图领域的应用综述

大语言模型在图上的应用是一项新兴领域。本文系统地回顾了大语言模型在图上的应用场景和技术方法。将应用场景分为纯图、文本丰富的图和文本配对的图三类，讨论了LLM作为预测器、编码器和对齐器的具体技术。此外，还提到了这些方法的实际应用和开源代码和基准数据集，总结了该领域未来的研究方向。

BrowserAI开源 – 浏览器本地AI模型运行平台

BrowserAI 是一个开源项目，允许用户在浏览器中直接运行本地 AI 模型，无需服务器支持，从而实现快速推理并保护隐私。该项目特别适合需要隐私保护和低成本解决方案的用户，支持现代浏览器如 Chrome 113+ 或 Edge 113+。BrowserAI 提供了多种功能，如文本生成、语音识别、文本转语音等，并且支持 WebGPU 加速和离线使用，确保高性能和便捷性。

mini_qwen开源项目 – 1B参数中英文大语言模型

mini_qwen是一个从头开始训练的1B参数的大型语言模型(LLM)项目，包括预训练(PT)、微调(SFT)和直接偏好优化(DPO)3个部分。该项目基于Qwen2.5-0.5B-Instruct模型，通过扩充模型隐藏状态层数、隐藏状态维度和注意力头数，增加参数量到1B，并进行参数随机初始化。支持中英文，预训练和微调仅需要12G显存，直接偏好优化仅需要14G显存。使用flash_attention_2进行加速，使用deepspeed在6张H800上进行训练，探究了尺度定律(scaling law)、复读机现象与微调阶段的知识注入。

chatgpt-conversation开源项目 – 与ChatGPT进行语音对话

通过语音与ChatGPT进行实时对话，让其用声音回应你，提供友好的交流体验。