返回首页
一周热榜
嘿，HN
这个项目花了将近两年时间，可能是 Miro 和 MindMeister 等工具的最佳替代品之一。
请告诉我你的想法。
我一直在相对封闭的Windows环境中工作，虽然可以运行Python，但无法安装或启动新的`.exe`文件。此外，内置的Windows语音输入功能被屏蔽（反正唯一好用的也不是本地的）。同时，我非常希望能够实现准确、快速的语音输入，而不需要将音频发送到云服务，也不需要GPU。我尝试过的大多数语音转文本设置要么需要特殊的启动器，要么需要GPU访问，或者在日常使用中操作不便。
为了满足这个需求，我开发了Chirp，这是一款完全本地运行的Windows语音输入应用，使用NVIDIA的ParakeetV3模型，并通过`uv`进行端到端管理。如果你的机器上可以运行Python，就应该能够运行Chirp——无需额外的可执行文件。
在底层，Chirp使用的是Parakeet TDT 0.6B v3 ONNX包。ParakeetV3的准确性与Whisper-large-v3相当（多语言的字错误率约为4.9，相比之下Whisper-large-v3约为5.0），但速度更快，并且在CPU上表现良好。
使用流程如下：
- 一次性设置，下载并准备ONNX模型：
- `uv run python -m chirp.setup`
- 一个长时间运行的命令行进程：
- `uv run python -m chirp.main`
- 一个全局热键，用于开始/停止录音，并将文本注入到活动窗口中。
一些可能在技术上有趣的细节：
- <i>仅限本地的语音转文本：</i>所有操作都在你的机器上使用ONNX Runtime；默认使用CPU提供者，如果环境允许，也可以选择GPU提供者。
- <i>配置驱动的行为：</i>一个`config.toml`文件控制全局热键、模型选择、量化（`int8`选项）、语言、ONNX提供者和线程管理。还有一个简单的`[word_overrides]`映射，可以修正模型经常误听的词汇。
- <i>后处理管道：</i>识别后，有一个可选的“风格指南”步骤，你可以指定提示，如“句子首字母大写”或“前置：>>”用于最终文本。
- <i>Windows上无需剪贴板操作：</i>该应用直接在聚焦窗口中输入；对于更合适的平台，提供了基于剪贴板的粘贴和清理行为选项。
- <i>音频反馈：</i>开始/停止声音（可配置）让你知道麦克风何时实际在录音。
到目前为止，我主要在自己的Windows机器上进行了英语语音输入和仅CPU的设置测试。可能还有很多粗糙的地方（不同的键盘布局、语言设置、企业IT政策等），我希望能得到以下人群的反馈：
- 在受限的企业环境中工作并需要本地语音输入的人。
- 有Parakeet/Whisper或ONNX Runtime经验，并能看到明显的性能或稳定性改进方法的人。
- 想要特定功能（例如，更好的多语言支持、更先进的后处理，或与他们的编辑器/IDE集成）的人。
代码库在这里：
`<a href="https://github.com/Whamp/chirp" rel="nofollow">https://github.com/Whamp/chirp</a>`
如果你尝试使用，我非常感兴趣：
- 你硬件上的CPU使用率和延迟，
- 它在你的键盘布局和应用程序中的表现，
- 你遇到的任何奇怪的故障情况或使用上的烦恼。
欢迎在评论中提问或深入讨论技术细节。
我在过去几天里一直在尝试（但未能成功）寻找一些真正的案例，看看人工智能代理在生产环境中如何实现规模化。除了编码代理和开发生产力工具之外，我很难找到任何看起来像真正可扩展的代理系统的东西。
目前人们所称的“代理”基本上只是将一两个大型语言模型（LLM）调用拼接在一起的确定性工作流程。这并不算是一个代理，充其量也只是一个API管道。
所以我真的很好奇：有没有真正的例子展示代理在大规模处理复杂、多步骤工作流程方面的能力？不是演示，不是玩具项目，也不是风险投资的幻灯片。
理论上，用人工智能代理取代昂贵的首席执行官会有什么缺点？
受到“rustlings”这个概念和名称的启发，这是一个小项目，旨在学习或完善 Docker 和 Compose 命令的基础知识。我计划在后续添加更多高级主题。希望能与大家讨论如何使这个项目对其他人更有用。
在我们围坐在屏幕前之前，我们曾围坐在篝火旁讲述故事。我们天生就是讲故事的人，这正是我们与他人建立联系和理解世界的基本方式。
我一直在思考一个小团队如何保持简单高效，同时又能保持生产力和一致性。以下是我的看法：
1) 故事展开。定期召开会议，团队讨论在下次会议之前需要完成的下一步工作。
2) 情节。一个在代码库中的纯文本文档，显示已完成的工作、待完成的任务以及相关的备注或评论。
以下是项目的纯文本故事/叙述示例：
```
# 项目：云成本仪表板
为团队提供便捷的云成本数据访问。
## 集成
DONE 云成本API已与计费系统集成 @bob
## 仪表板
仪表板必须从AWS、Azure和GCP拉取数据以进行比较。
TODO 设置云成本报告仪表板 @alice
TODO 培训团队如何使用仪表板 @alice
```
以下规则适用：
- 任务状态为TODO或DONE，并且每个任务恰好占一行。
- 添加@姓名以分配任务。
- 新的TODO任务添加在底部（因此请查看底部以选择任务）。
- 可以随意在文件中添加任何自由文本/备注等，以提供上下文和见解。
随着项目的推进，故事逐渐展开并自我记录。
额外提示：使用任务行作为提交信息。
一些问题：
- 这种方法是否足以让小团队保持生产力和专注？
- 在小团队的背景下，有哪些必要的元素缺失？
期待听到你的想法！