compilelife

@gaobh #13 ?

@elonlo #9 好，我回头详细体验下

@gaobh #5 可以帮忙列下详细的技术栈吗？

@SorryChen #2 不错不错，我回头看看

@archxm #4

@88268459 #1 所以要么有丰富的插件生态，要么可以自己轻松写插件

PC 上是离线的，能找到对应的模型文件；手机上大概率是在线的。

因为手机上没去做反向工程，但做过一次对比，同一张图片，PC 上的识别结果和手机上差别较大。手机上更准确。

一点信息供参考。至于小程序里想实现，那方法多了去了，买大厂的 API 应该最省心吧

对于盈利部分，我也讨论下。

从用户的角度看，我认为一个开盒即用的傻瓜式产品才是好产品。所以，应该是技术上将 GPT 的所有细节隐藏，软件尽可能支持所有视频网站（比如是一个通用浏览器的插件，自动识别网站的视频画面和音频，参考“Live Screen Recorder"）

你说的点子非常好

科大讯飞有类似的产品，他做的是面向会议的： https://huiji.iflyrec.com/

实时转录，记笔记的时候可以关联到对应的音频段。并且可以基于转录后的文本，通过 AI 对话的方式做摘要提取、问答等。

稍微转变下就是你想做的了

其实关于频繁暂停的问题，只需要“在笔记文本框输入时自动暂停；在笔记文本框失焦时继续播放”即可。然后将笔记与时间点关联，以后回看的时候就方便了。

至于总结性的笔记，我个人感觉意义不大，因为不同人看同一个视频他接收的信息是不同的，基于转录文本的问答才能“千人千面”