本地跑的 ElevenLabs ASR 平替！FireRedASR CPU 也能用

Viccy同学 首頁 每日列表 原始影片
實際影片長度：1:43.514。原文、繁中、雙語可點擊句子跳轉影片。
0:00.000–0:03.600
FireRed ASR就是11Labs语音识别的本地平替
0:03.600–0:06.160
普通话方言甚至唱歌都能识别
0:06.160–0:07.380
CPU就能跑
0:07.380–0:09.340
直接生成带时间轴的字幕
0:09.340–0:09.940
Hello大家好
0:09.940–0:11.580
这一期我们来做一个
0:11.580–0:14.520
Favorite ASR的整合包的使用教程
0:14.520–0:16.000
拿到整合包之后
0:16.000–0:18.360
你解压开之后就长这个样子
0:18.360–0:20.200
我们直接点击STAR
0:20.200–0:21.600
就可以直接开始
0:21.600–0:22.660
点击STAR之后
0:22.660–0:24.300
它会开一个浏览器
0:24.300–0:26.300
7867的一个端口
0:26.300–0:27.700
可以得到这样的一个界面
0:27.700–0:29.640
这个工作态度就很简单
0:29.640–0:31.280
你可以直接用工作台去做
0:31.280–0:35.040
但你也可以让AI去帮你去操作
0:35.040–0:38.140
也可以接入到Naroto AISpecLib
0:38.140–0:39.340
等项目里面去使用
0:39.340–0:43.100
我们先拿它这个UI界面来试一下
0:43.100–0:44.740
我们录了一个教程视频
0:44.740–0:46.220
我们先用它来试一下
0:46.220–0:48.040
直接点击开始识别
0:48.040–0:50.340
这个地方它就识别完成了
0:50.340–0:53.020
这个地方你可以大概看一下它的内容
0:53.020–0:55.740
基本上其实作弊字还是很少
0:55.740–0:58.540
我们可以下载这个SRT的文件
0:58.540–1:00.440
也可以去下载这个接线文件
1:00.440–1:02.540
这两个文件其实有什么区别呢
1:02.540–1:03.940
接线文件它里面会包含
1:03.940–1:06.540
吃鸡的这个时间轴
1:06.540–1:08.240
就它每一个字或每一段话
1:08.240–1:10.740
在下面它都会有一个时间轴的SRT
1:10.740–1:12.540
就是我们的正常的字母文件
1:12.540–1:14.340
我们这个地方会有一个Skill文件
1:14.340–1:16.440
然后我们也可以让Codex
1:16.440–1:18.940
或者Codecode这样的AI
1:18.940–1:21.040
教它去使用Fieldread
1:21.040–1:22.340
SR的功能
1:22.340–1:23.740
使用的方法也很简单
1:23.740–1:25.540
你就只需要把这个文件
1:25.540–1:29.540
copy到Codex的这个Skill的目录
1:29.540–1:31.740
我们就可以去换取我们的Codex
1:31.740–1:35.040
让它去帮我们完成字母提取
1:35.040–1:36.840
语音识别相关的一些功能
1:36.840–1:37.940
这期视频我们先到
1:37.940–1:39.340
如果这期对你有帮助
1:39.340–1:40.440
记得点赞关注
1:40.440–1:42.040
更多实用教程
1:42.040–1:43.514
我们下期见
0:00.000–0:03.600
FireRed ASR 是 11Labs 語音識別的本地替代方案
0:03.600–0:06.160
普通話、方言甚至唱歌都能識別
0:06.160–0:07.380
CPU 就能運行
0:07.380–0:09.340
直接生成帶時間軸的字幕
0:09.340–0:09.940
大家好
0:09.940–0:11.580
這一期我們來做一個
0:11.580–0:14.520
Favorite ASR 整合包的使用教程
0:14.520–0:16.000
拿到整合包之後
0:16.000–0:18.360
你解壓之後就會長這樣
0:18.360–0:20.200
我們直接點擊 STAR
0:20.200–0:21.600
就可以直接開始
0:21.600–0:22.660
點擊 STAR 之後
0:22.660–0:24.300
它會開啟一個瀏覽器
0:24.300–0:26.300
7867 的端口
0:26.300–0:27.700
可以得到這樣的介面
0:27.700–0:29.640
這個工作態度很簡單
0:29.640–0:31.280
你可以直接用工作台來操作
0:31.280–0:35.040
但你也可以讓 AI 幫你操作
0:35.040–0:38.140
也可以整合到 Naroto AISpecLib
0:38.140–0:39.340
等項目裡面去使用
0:39.340–0:43.100
我們先用它的 UI 介面來試試
0:43.100–0:44.740
我們錄了一個教程影片
0:44.740–0:46.220
我們先用它來試試
0:46.220–0:48.040
直接點擊開始識別
0:48.040–0:50.340
這裡就識別完成了
0:50.340–0:53.020
這裡你可以大概看一下它的內容
0:53.020–0:55.740
基本上其實錯字還很少
0:55.740–0:58.540
我們可以下載這個 SRT 檔案
0:58.540–1:00.440
也可以去下載這個 JSON 檔案
1:00.440–1:02.540
這兩個檔案其實有什麼區別呢
1:02.540–1:03.940
JSON 檔案裡面會包含
1:03.940–1:06.540
這個的時間軸
1:06.540–1:08.240
就是它每一個字或每一段話
1:08.240–1:10.740
在下面它都會有一個時間軸的 SRT
1:10.740–1:12.540
就是我們正常的字幕檔案
1:12.540–1:14.340
我們這裡會有一個 Skill 檔案
1:14.340–1:16.440
然後我們也可以讓 Codex
1:16.440–1:18.940
或者 Codecode 這樣的 AI
1:18.940–1:21.040
教它去使用 FireRed
1:21.040–1:22.340
ASR 的功能
1:22.340–1:23.740
使用方法也很簡單
1:23.740–1:25.540
你只需要將這個文件
1:25.540–1:29.540
複製到 Codex 的這個 Skill 目錄
1:29.540–1:31.740
我們就可以去獲取我們的 Codex
1:31.740–1:35.040
讓它幫我們完成字母提取
1:35.040–1:36.840
以及語音識別相關的一些功能
1:36.840–1:37.940
這集影片我們先到這裡
1:37.940–1:39.340
如果這集影片對你有幫助
1:39.340–1:40.440
記得按讚並訂閱
1:40.440–1:42.040
更多實用教程
1:42.040–1:43.514
我們下期再見
0:00.000–0:03.600
FireRed ASR就是11Labs语音识别的本地平替
FireRed ASR 是 11Labs 語音識別的本地替代方案
0:03.600–0:06.160
普通话方言甚至唱歌都能识别
普通話、方言甚至唱歌都能識別
0:06.160–0:07.380
CPU就能跑
CPU 就能運行
0:07.380–0:09.340
直接生成带时间轴的字幕
直接生成帶時間軸的字幕
0:09.340–0:09.940
Hello大家好
大家好
0:09.940–0:11.580
这一期我们来做一个
這一期我們來做一個
0:11.580–0:14.520
Favorite ASR的整合包的使用教程
Favorite ASR 整合包的使用教程
0:14.520–0:16.000
拿到整合包之后
拿到整合包之後
0:16.000–0:18.360
你解压开之后就长这个样子
你解壓之後就會長這樣
0:18.360–0:20.200
我们直接点击STAR
我們直接點擊 STAR
0:20.200–0:21.600
就可以直接开始
就可以直接開始
0:21.600–0:22.660
点击STAR之后
點擊 STAR 之後
0:22.660–0:24.300
它会开一个浏览器
它會開啟一個瀏覽器
0:24.300–0:26.300
7867的一个端口
7867 的端口
0:26.300–0:27.700
可以得到这样的一个界面
可以得到這樣的介面
0:27.700–0:29.640
这个工作态度就很简单
這個工作態度很簡單
0:29.640–0:31.280
你可以直接用工作台去做
你可以直接用工作台來操作
0:31.280–0:35.040
但你也可以让AI去帮你去操作
但你也可以讓 AI 幫你操作
0:35.040–0:38.140
也可以接入到Naroto AISpecLib
也可以整合到 Naroto AISpecLib
0:38.140–0:39.340
等项目里面去使用
等項目裡面去使用
0:39.340–0:43.100
我们先拿它这个UI界面来试一下
我們先用它的 UI 介面來試試
0:43.100–0:44.740
我们录了一个教程视频
我們錄了一個教程影片
0:44.740–0:46.220
我们先用它来试一下
我們先用它來試試
0:46.220–0:48.040
直接点击开始识别
直接點擊開始識別
0:48.040–0:50.340
这个地方它就识别完成了
這裡就識別完成了
0:50.340–0:53.020
这个地方你可以大概看一下它的内容
這裡你可以大概看一下它的內容
0:53.020–0:55.740
基本上其实作弊字还是很少
基本上其實錯字還很少
0:55.740–0:58.540
我们可以下载这个SRT的文件
我們可以下載這個 SRT 檔案
0:58.540–1:00.440
也可以去下载这个接线文件
也可以去下載這個 JSON 檔案
1:00.440–1:02.540
这两个文件其实有什么区别呢
這兩個檔案其實有什麼區別呢
1:02.540–1:03.940
接线文件它里面会包含
JSON 檔案裡面會包含
1:03.940–1:06.540
吃鸡的这个时间轴
這個的時間軸
1:06.540–1:08.240
就它每一个字或每一段话
就是它每一個字或每一段話
1:08.240–1:10.740
在下面它都会有一个时间轴的SRT
在下面它都會有一個時間軸的 SRT
1:10.740–1:12.540
就是我们的正常的字母文件
就是我們正常的字幕檔案
1:12.540–1:14.340
我们这个地方会有一个Skill文件
我們這裡會有一個 Skill 檔案
1:14.340–1:16.440
然后我们也可以让Codex
然後我們也可以讓 Codex
1:16.440–1:18.940
或者Codecode这样的AI
或者 Codecode 這樣的 AI
1:18.940–1:21.040
教它去使用Fieldread
教它去使用 FireRed
1:21.040–1:22.340
SR的功能
ASR 的功能
1:22.340–1:23.740
使用的方法也很简单
使用方法也很簡單
1:23.740–1:25.540
你就只需要把这个文件
你只需要將這個文件
1:25.540–1:29.540
copy到Codex的这个Skill的目录
複製到 Codex 的這個 Skill 目錄
1:29.540–1:31.740
我们就可以去换取我们的Codex
我們就可以去獲取我們的 Codex
1:31.740–1:35.040
让它去帮我们完成字母提取
讓它幫我們完成字母提取
1:35.040–1:36.840
语音识别相关的一些功能
以及語音識別相關的一些功能
1:36.840–1:37.940
这期视频我们先到
這集影片我們先到這裡
1:37.940–1:39.340
如果这期对你有帮助
如果這集影片對你有幫助
1:39.340–1:40.440
记得点赞关注
記得按讚並訂閱
1:40.440–1:42.040
更多实用教程
更多實用教程
1:42.040–1:43.514
我们下期见
我們下期再見

影片筆記：本地跑的 ElevenLabs ASR 平替！FireRedASR CPU 也能用

一句話總結

影片介紹了 FireRed ASR 作為 ElevenLabs 語音識別（ASR）的本地化平替方案，強調其僅需 CPU 即可運行，支援普通話、方言及唱歌識別，並展示了透過整合包啟動、生成 SRT 與時間軸文件，以及整合至 Codex AI 技能目錄的操作流程。

核心重點

  • 本地化平替：FireRed ASR 定位為 ElevenLabs 語音識別的本地替代方案。
  • 硬體需求低：僅需 CPU 即可運行，無需高階顯卡。
  • 語言支援廣泛：支援普通話、方言以及唱歌識別。
  • 操作簡便：透過解壓整合包並點擊啟動，自動開啟瀏覽器介面（端口 7867）。
  • 輸出格式：
  • SRT 文件：標準字幕文件。
  • 接線文件：包含每個字或段落對應的時間軸資訊。
  • AI 自動化整合：可將相關技能文件複製至 Codex 的 Skill 目錄，讓 AI 協助執行語音識別與字幕提取任務。

詳細大綱

1. 工具介紹與定位

  • FireRed ASR 被介紹為 11Labs 語音識別的本地平替。
  • 強調其硬體兼容性，普通 CPU 即可運行。
  • 支援語言範圍包含普通話、方言及唱歌。

2. 安裝與啟動流程

  • 下載並解壓整合包。
  • 點擊「STAR」按鈕啟動程序。
  • 程序啟動後自動開啟瀏覽器介面。
  • 介面佔用端口 7867。

3. 介面操作與功能

  • 介面設計簡潔，可直接在工作台操作。
  • 支援接入 Naroto AISpecLib 等項目。
  • 點擊「開始識別」進行語音轉文字。
  • 辨識結果準確度較高，錯字較少。

4. 輸出文件類型

  • SRT 文件：影片中被稱為「正常的字母文件」（疑似口誤或聽誤，應指字幕文件）。
  • 接線文件：解釋為包含每個字或段落對應時間軸的文件（疑似指 Word-level JSON 或類似結構）。
  • 提及「吃鸡的这个时间轴」（疑似口誤，可能意指每個字的时间轴）。

5. AI 整合應用

  • 可將相關技能文件複製至 Codex 的 Skill 目錄。
  • 利用 Codex 或 Codecode 等 AI 工具，自動化執行語音識別與字幕提取功能。
  • 最後提及「教它去使用 Fieldread SR 的功能」（疑似 FireRed ASR 的口誤）。

工具 / 模型 / 名詞整理

  • FireRed ASR：影片主要介紹的語音識別工具。
  • ElevenLabs (11Labs)：被對比的本雲端語音識別服務。
  • STAR：啟動程序或按鈕的名稱。
  • Naroto AISpecLib：介面中支援接入的項目。
  • Codex：用於整合技能的 AI 工具。
  • Codecode：與 Codex 交替出現的 AI 工具名稱。
  • SRT：標準字幕文件格式。
  • Skill：技能或插件目錄名稱。
  • 接線文件：包含時間軸資訊的文件格式。
  • 7867 端口：Web UI 佔用的端口號。

操作流程整理

  1. 準備環境：下載並解壓 FireRed ASR 整合包。
  2. 啟動服務：點擊「STAR」啟動程序，等待瀏覽器自動開啟。
  3. 確認端口：確認瀏覽器介面佔用端口 7867。
  4. 執行識別：
  • 在工作台介面操作。
  • 接入必要項目（如 Naroto AISpecLib）。
  • 點擊「開始識別」按鈕。
  1. 獲取結果：
  • 下載生成的 SRT 文件（字幕文件）。
  • 下載生成的接線文件（含時間軸資訊）。
  1. AI 整合（可選）：
  • 將相關技能文件複製至 Codex 的 Skill 目錄。
  • 配置 AI 工具（Codex/Codecode）以自動化執行識別任務。

值得注意的限制或風險

  • 硬體效能：雖僅需 CPU，但未提及具體處理速度或大型檔案的處理限制。
  • 識別準確度：雖宣稱準確度高、錯字少，但實際效果可能因口音、背景噪音或唱歌內容而異。
  • 端口衝突：固定使用端口 7867，若本地有其他服務佔用此端口可能導致啟動失敗。
  • 整合依賴：AI 自動化功能依賴 Codex/Codecode 的配置及 Skill 目錄的正確設置。

逐字稿辨識疑點

  • Favorite ASR：逐字稿開頭提到「FireRed ASR」，但中間口誤說成「Favorite ASR」，需查證是否為同一工具的不同稱呼或口誤。
  • 7867 端口：通常 Web UI 端口為 7860 或 7861，7867 需查證是否為特定設定或聽誤。
  • 接线文件：逐字稿中多次提到「接线文件」並解釋其包含時間軸，但在語音識別領域常見對應詞為「JSON 文件」或「Word-level JSON」，「接线」疑似為聽寫錯誤。
  • 吃鸡的这个时间轴：解釋接線文件時提到「吃鸡的这个时间轴」，疑似口誤，可能意指「每個字的這個時間軸」或特定術語。
  • 字母文件：多次提到「SRT 就是我们的正常的字母文件」，在語境中應為「字幕文件」，「字母」疑似聽誤。
  • Skill文件：提到「我们这个地方会有一个Skill文件」，需確認是否指代特定的技能配置文件。
  • Codex / Codecode：逐字稿交替出現「Codex」與「Codecode」，需確認是否為同一個 AI 工具的不同稱呼或口誤。
  • Fieldread SR：最後提到「教它去使用Fieldread SR的功能」，疑似為「FireRed ASR」的口誤或聽誤。

可延伸追問

  • FireRed ASR 在 CPU 環境下的具體處理速度與資源佔用情況為何？
  • 「接線文件」的具體格式結構是什麼？是否可被其他字幕編輯軟體直接讀取？
  • Codex 或 Codecode 如何具體配置 Skill 目錄以調用 FireRed ASR？
  • 對於方言和唱歌識別，是否有特定的語言包或模型需要額外下載？
  • 端口 7867 是否可自定義修改？若衝突該如何解決？

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習