苹果原生MLX框架实时字幕生成神器！

于 2024-08-25 14:40:52 发布
阅读量211 收藏 2
点赞数 1
文章标签： 图像处理 语音识别 人工智能 开源 计算机视觉
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。
本文链接：https://blog.csdn.net/duoshehuan6005/article/details/141529134
版权

🔥 苹果电脑用户福音！这款AI神器让你告别手动字幕，效率提升百倍！🚀

哈喽大家好！今天要给大家分享一个超级好用的AI工具，绝对是苹果电脑用户的福音！它能让你的视频自动生成字幕，告别繁琐的手动操作，效率提升百倍！简直太赞了！🎉

你是否也曾因为给视频添加字幕而头疼不已？手动输入字幕不仅耗时耗力，还容易出错。 😩 现在，有了这款神器，这一切都将成为过去！

它就是 MLX-Auto-Subtitled-Video-Generator！一个基于苹果MLX框架的开源应用程序，可以自动为你的视频生成字幕！👏

✨ 这款AI神器到底有多牛？

  • 支持多种视频格式: MP4、AVI、MOV、MKV等等，统统不在话下！

  • 多种模型选择: 内置多种Whisper模型，包括Tiny、Large v3、Small English、Small (FP32) 以及最新加入的Distil Large v3 模型，总有一款适合你！

  • 字幕文件生成: 可以生成VTT和SRT格式的字幕文件，方便你在各种平台使用！

  • 下载功能: 生成的字幕可以打包成ZIP文件下载，方便快捷！

🚀 速度快到飞起！

重点来了！这款神器在M1 Max芯片上，使用Distil Large v3 模型，运行速度居然是实时的40倍！12分钟的音频，18秒就能搞定！简直是神速！ 🤯

🤯 安装也超级简单！

为了方便大家使用，开发者已经将所有东西打包成一个独立的启动包，你只需要简单几步就能搞定！

  1. 下载应用: 点击这个链接 苹果原生MLX框架实时字幕生成神器！_AI MAC范，然后点击页面右侧的下载按钮。 (注意：目前只支持Mac M1/2/3系列芯片的设备哦！)

  2. 安装: 下载完成后，你会得到一个DMG镜像文件。把里面的app文件拖拽到Applications文件夹就搞定了！

  3. 启动: 第一次启动的时候，千万不要在启动台打开！ 要在应用程序文件夹里右键打开！具体操作看这里：Mac 安装软件常见问题解决指南（新手必看）_AI MAC范。

  4. 使用: 软件会自动在你的浏览器里打开操作界面，然后你就可以开始使用了！

是不是超级简单？

🎉 总结

MLX-Auto-Subtitled-Video-Generator 绝对是苹果电脑用户必备的AI神器！它能帮你节省大量时间和精力，让你专注于视频内容创作！

还在等什么？赶紧去下载体验吧！相信我，你一定会爱上它的！💖

最后，如果你觉得这款神器不错，记得点赞、在看、转发三连哦！想要第一时间收到我的最新分享，也可以关注我并设置星标⭐！感谢你的支持！

学术Fun
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tinygrad框架简介；MLX框架简介
ZJQ的博客
07-22 574
极简主义与易扩展性tinygrad 的设计理念是极简主义。与 XLA 类比，如果 XLA 是复杂指令集计算 (CISC)，那么tinygrad 就是精简指令集计算 (RISC)。这种简约的设计使得它成为添加新加速器最容易的框架之一。通过简化框架的架构，开发者可以更轻松地理解和扩展它。基本信息开发者：tiny corp设计理念：极简主义。tinygrad被设计为一个既支持推理又支持训练的深度学习框架，其设计理念类似于精简指令集计算（RISC），这使得添加新加速器变得容易。状态。
苹果大模型系列之 使用 Apple 的 MLX 框架在 Apple Silicon 上运行大型语言模型 (Llama 3)，使用 Apple Silicon (M1、M2、M3、M4) 上的 Appl
iCloudEnd的博客
07-08 96
MLX 受到 PyTorch、Jax 和 ArrayFire 的启发，是 Apple Machine Learning Research 专为 Apple 芯片设计的模型训练和服务框架。它支持一系列机器学习任务，包括大规模文本生成、图像生成和语音识别。该框架与 Hugging Face 集成，可实现模型的无缝加载和服务。
使用 Apple 的 MLX 框架在 Apple Silicon 上部署运行大型语言模型 (Llama 3)
php源码
08-01 666
MLX 受到 PyTorch、Jax 和 ArrayFire 的启发，是 Apple Machine Learning Research 专为 Apple 芯片设计的模型训练和服务框架。它支持一系列机器学习任务，包括大规模文本生成、图像生成和语音识别。该框架与 Hugging Face 集成，可实现模型的无缝加载和服务。Apple 在你的笔记本电脑或数据中心进行机器学习研究。
苹果大模型系列之Apple MLX 与 Llama.cpp 对比 Hugging Face Candle Rust，实现本地闪电般快速的LLM
iCloudEnd的博客
06-28 327
在 NLP 部署方面，推理速度是一个至关重要的因素，特别是对于支持 LLM 的应用程序而言。随着 Apple M1 芯片等移动架构数量的不断增长，评估 LLM 在这些平台上的性能至关重要。在本文中，我比较了三个流行的 LLM 库（MLX、Llama.cpp和Hugging Face 的Candle Rust）在Apple M1 芯片上的推理/生成速度。旨在方便开发人员选择最合适的库在本地机器上部署 LLM，同时考虑性能、实现的便利性以及与可用工具和框架的兼容性。
苹果大模型系列之 MLX 有多快？对 10 个 Apple Silicon 芯片和 3 个 CUDA GPU 进行全面基准测试,MLX、PyTorch MPS 和 CUDA GPU 上主要操作和层的基
iCloudEnd的博客
06-28 66
自首次发布以来不到两个月，Apple 机器学习研究团队的最新成果 MLX 已在机器学习社区取得了重大进展。新框架迅速获得关注，这一点非常了不起，GitHub上已有超过 12,000 个星标， Hugging Face上的社区成员数量也不断增加，目前已超过 500 人。在之前的文章中，我们演示了 MLX 在训练简单的图形卷积网络 (GCN) 时的表现，并将其与包括CPU、PyTorch 的MPS和CUDA GPU在内的各种设备进行了基准测试。结果令人振奋，并展示了 MLX 在高效运行模型方面的潜力。
MATLAB笔记：实时编辑器.mlx文件
热门推荐
sangba2019的博客
05-03 2万+
文章目录.mlx文件是什么如何使用参考 .mlx文件是什么 MATLAB中集代码、输出和格式化文本于一体的可执行实时脚本文档 如何使用 创建 参考 https://ww2.mathworks.cn/help/matlab/matlab_prog/live-script-file-format.html MATLAB强烈建议高效编程方式 —— 实时脚本 Live Script（.mlx文件） 命令行窗口中输入openExample(‘LiveEditorInteractiveNarrative’) .
苹果大模型系列之 使用 MLX 在 macOS 上通过 LLM 微调构建自己的 LLM，在 Mac M2 上，训练过程大约需要 36 分钟（教程含详细步骤与代码）
iCloudEnd的博客
06-28 211
在我之前的系列文章LlamaIndex中，我讨论了使用、LangChain等工具构建 RAG 应用程序，GPT4All, Ollama以利用 LLM 满足特定用例。在这篇文章中，我将探讨另一种称为 LLM 微调的方法。我使用名为的工具在 macOS 上对 Meta 的 LLaMA-3 和 Mistral LLM 进行了微调MLX，该工具是专为 Apple 芯片上的机器学习研究量身定制的数组框架。这种微调是使用一种名为的技术完成的Low Rank Adapters(LoRA)。
Matlab的实时脚本mlx使用体验
qq_40376937的博客
01-07 4074
Matlab的实时脚本mlx使用体验 工具箱不愧是工具箱 Matlab的实时编辑器 很像Markdown呀，还可以使用Matlab的工具箱 clear; clc; File = dir(fullfile('.','*.mat')); number = length(File); countOf12 = 0; for i = 1:number load(File(i).name); len = length(data) for j = 1:len if
苹果深度学习框架`MLX`简介及编译示例
胡争辉
12-16 1307
MLX北京时间2023年12月6日，苹果机器学习研究中心 (Apple machine learning research) 在GitHub上开源MLX。项目地址为。MLX深度学习框架是苹果专门为芯片优化，号称能够简化MaciPadiPhone平台研究人员设计和部署模型的过程。MLX熟悉的 APIMLX具有紧密类似NumPy的Python API。MLX还拥有功能齐全的C++ API，它与Python API非常相似。MLX具有像mlx.nn和这样的更高级别的软件包，其API紧密类似PyTorch。
MLX框架的一些示例 包含：文本模型、图像模型、音频模型等
03-11
此存储库包含使用 MLX 的各种独立示例 框架。 文本模型 Transformer 语言模型训练。 在 LLMs 目录中使用 LLaMA、Mistral、Phi-2 等生成大规模文本。 具有 Mixtral 8x7B 的混合专家 （MoE） 语言模型。 使用 LoRA 或...
Python_MLX框架中的示例.zip
05-24
Python_MLX框架是一个用于机器学习（Machine Learning）和数据科学的开源框架，它提供了方便的接口和工具，使得开发者可以快速地构建、训练和部署机器学习模型。这个压缩包"Python_MLX框架中的示例.zip"包含了该框架...
数据处理和完整API测试工程_Help!_MLX90640_
09-29
_MLX90640_”表明这个项目专注于数据处理和API测试，与一个名为MLX90640的设备或传感器相关。MLX90640通常指的是Melexis公司的热红外阵列传感器，用于非接触式的温度测量。在IT领域，这类传感器广泛应用于环境监测、...
MLX90614MLX90614
10-04
**MLX90614 热成像传感器详解** **一、MLX90614概述** MLX90614是一款由Melexis公司生产的非接触式红外热电堆传感器，用于精确测量环境及物体的温度。这款传感器采用小巧的封装设计，适用于多种应用场景，如智能...
图像处理 -- 仿射变换之Affine Transformation
sz66cm 学习随笔
08-19 1188
在仿射变换过程中，目标图像中的像素可能对应源图像中非整数坐标的点，因此需要使用插值方法（如最近邻插值、双线性插值或双三次插值）来计算这些点的像素值。：如果需要执行多个变换，变换的顺序会影响最终结果。例如，旋转后再平移和先平移后旋转的结果是不一样的。仿射变换是图像处理中的一种基本操作，通过线性变换和平移实现图像的几何变换。仿射变换在计算机视觉和图像处理中的应用非常广泛，比如在图像配准、目标检测、图像增强等领域中都可以看到仿射变换的身影。：仿射变换可能导致图像的一部分移出图像边界，或者图像空白区域增加。
iTOP-3562开发板/核心板应用于人脸跟踪、身体跟踪、视频监控、自动语音识别(ASR)、图像分类驾驶员辅助系统(ADAS)、车牌识别、物体识别等
最新发布
mucheni的博客
08-21 330
iTOP-3562开发板/核心板采用瑞芯微RK3562处理器，内部集成了四核A53+Mali G52架构，主频2GHZ，内置1TOPSNPU算力，RK809动态调频。支持几乎全格式的H.264解码，支持1080p@60fps的解码，支持4K@30fps的H.265解码，以及1080p@60fps的H.264编码。核心板+底板方式，拆卸方便，核心板240PIN引脚全部引出，产品升级自如，适用于各个应用场合。、自动语音识别(ASR)、图像分类驾驶员辅助系统(ADAS)、车牌识别、物体识别等。
零基础学习人工智能—Python—Pytorch学习（六）
kiba518的博客
08-21 880
前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情。 另外，我发现我前面文章写的有歧义的地方还是挺多，虽然，已经改了一部分，但，可能还有没发现的，大...
天猫商品详情API：深度挖掘商品推荐与关联的新路径
2401_85789772的博客
08-20 769
天猫商品详情API是天猫开放平台提供的一项服务，旨在帮助开发者获取天猫平台上商品的详细信息，包括但不限于商品标题、价格、销量、描述、图片以及推荐与关联商品等。这一接口不仅为购物者提供了丰富的商品信息，也为商家和开发者提供了强大的数据支持，助力其优化商品展示策略，提升用户购物体验。天猫商品详情API为开发者提供了深入挖掘商品推荐与关联信息的新途径。通过合理利用这一接口，开发者可以实现精准的商品推荐与关联展示，提升用户体验和平台运营效率。
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