🤯 音视频笔记不用手写了？这个黑科技让你解放双手。

还在为整理音视频笔记而头疼吗？还在对着屏幕一个字一个字地敲打键盘吗？别担心，现在有一款神器可以帮你轻松搞定。它就是 AudioNotes：音视频内容转笔记系统。

想象一下，你只需要上传音视频文件，就能自动生成结构清晰、重点突出的 Markdown 笔记，是不是很酷炫？

AudioNotes 基于 FunASR 和 Qwen2 构建，它就像一位超级助手，能够：

• 精准识别：  利用先进的自动语音识别（ASR）技术，准确无误地提取音视频中的语音内容，无论是音频还是视频，统统一网打尽。
• 智能整理： 通过强大的大模型对提取的内容进行分析整理，生成条理清晰、易读易懂的 Markdown 笔记，让你告别杂乱无章的记录。
• 互动问答：  支持与音视频内容进行对话，你可以随时提问，获取更深入的信息，就像在和视频里的人聊天一样。

✨ AudioNotes 的核心功能：

1. 音视频内容识别与提取：

• 借助 FunASR 自动语音识别技术，精准提取音频和视频中的文本内容，从此告别手动记录的烦恼。
• 支持多种音视频格式，几乎涵盖了市面上所有主流格式，不用担心兼容性问题。

2. 结构化笔记生成：

• 通过 Qwen2 大模型对提取的文本内容进行深度分析和整理。
• 自动生成结构化的 Markdown 笔记，重点突出，逻辑清晰，让你快速抓住关键信息。

• 提供与音视频内容进行交互式对话的功能，你可以针对内容进行提问，系统会智能识别并给出精准答案，学习效率瞬间提升。

4. 多种部署方式：

• Docker 部署：  通过 Docker 容器化技术，快速部署和启动 AudioNotes 服务，方便快捷。
• 本地部署： 提供详细的本地部署指南，满足不同用户的个性化需求。

• 支持拉取和管理多种语音识别和处理模型，例如阿里的 Qwen2 7b 模型。
• 用户可以根据自己的需求选择和更换不同的模型，灵活度超高。

💪 AudioNotes  技术支持：

• 自动语音识别 (ASR)： 使用 FunASR 技术进行音视频内容的自动语音识别，FunASR 提供了高精度的语音识别能力，确保准确提取文本内容。

• FunASR 相关链接：FunASR GitHub

• 大模型整理：  利用 Qwen2 大模型对识别出的文本内容进行整理和结构化，Qwen2 模型能够理解和分析文本内容，并将其整理为易于阅读的 Markdown 格式。

🚀 快速上手：

1. 安装 Ollama 并拉取模型：

• 下载并安装 Ollama。
• 拉取需要的模型，例如 ollama pull qwen2:7b。

• 使用 Docker 部署（推荐）或本地部署。
• 部署完成后，通过浏览器访问相应地址（例如 http://localhost:15433/）。

还在等什么？赶快来体验 AudioNotes 的强大功能。

GitHub：https://github.com/harry0703/AudioNotes

以上就是我的分享，希望你能阅有所获，如果想加入社群可以扫下方的二维码添加我的微信，这里有最新的AI资讯和应用案例，互相交流共同提升，备注交流群，我会拉你入群（为了防止恶意广告营销，让大家有更好的交流氛围，现在进群需要9.9的门槛，希望大家理解），如果对加群不感兴趣也欢迎加我微信围观朋友圈，我会经常更新AI领域的好玩的工具。