提取本地视频中的音频内容有哪些推荐的插件或软件？

以下是一些比较好用的 AI 相关价格插件： AiTC 车辆执行项：由吉利研究院提供。根据输入车辆操作参数，输出车辆操作结果，包含空调、后视镜等多种执行项。链接： 懂车帝：由懂车帝提供。SecondHandCar 是一款专为二手车市场设计的信息查询工具，可对二手车进行深度的数据挖掘和分析。CarSeries 可以查询新车或特定车系信息。链接： 此外，在价格对比方面： 主流 AI 视频会员价格对比中，可灵最近开放全球价格体系，中国以外可付美金享受。价格情况为 Runway 最贵，Haiper 其次，Luma 中规中矩，可灵最便宜。链接：

在工作流中调用插件的方式如下： 1. 触发器触发： 为 Bot 设置触发器，可选择定时触发或事件触发。 触发时执行任务的方式包括 Bot 提示词、调用插件、调用工作流。 调用插件时，需为触发器添加一个插件，触发后 Bot 会调用该插件获取返回结果并发送给用户。 一个 Bot 内的触发器最多可添加 10 个，且仅当 Bot 发布飞书时生效。 2. 在 Bot 内使用插件： 在 Bots 页面，选择指定 Bot 并进入 Bot 编排页面。 在 Bot 编排页面的插件区域，单击加号图标添加插件，或者单击自动添加图标，让大语言模型自动添加适用的插件。使用大语言模型自动添加插件后，需检查被添加的插件是否可以正常使用。 在添加插件页面，展开目标插件查看工具，然后单击添加。单击我的工具，可查看当前团队下可用的插件。 在 Bot 的人设与回复逻辑区域，定义何时使用插件，然后在预览与调试区域测试插件功能是否符合预期。 3. 在工作流中使用插件节点： 在页面顶部进入工作流页面，然后创建工作流或选择一个已创建的工作流。 在页面左侧，单击插件页签。 搜索并选择插件，然后单击加号图标。 在工作流的画布内，连接插件节点，并配置插件的输入和输出。 需要注意的是，即使是官方插件也可能存在不稳定的情况，需要自己去尝试，找到适合当前场景的插件。

Coze 插件相关说明如下： Coze 工作流节点： 节点是构成工作流的基本单元，每个节点代表特定功能或操作。 开始节点定义工作流输入参数，是起点；结束节点设置工作流输出内容，是终点。 节点命名建议含义在前，类型不加也可，要清晰以便选择。 插件可扩展大语言模型本身限制，用于调用外部插件实现特定功能，如抓取网页内容。 调用指加入智能体后的使用次数。 引用指被其他工作流或智能体使用的情况。 运行耗时包括平均耗时，过长会增加失败概率和导致工作流超时。 成功率不高且调用次数低会比较尴尬，即使官方插件也可能不稳定，需自行尝试找到适合场景的插件。 使用 Coze IDE 创建插件： 登录。 在左侧导航栏工作区区域选择进入指定团队。 在页面顶部进入插件页面或在某一 Bot 的编排页面找到插件区域并单击“+”图标。 单击创建插件。 在新建插件对话框，配置插件图标（可选）、名称、描述、工具创建方式、IDE 运行时等信息并单击确认。 在插件详情页单击在 IDE 中创建工具，在弹出对话框设置工具名称和介绍后确定，跳转到 Coze IDE 页面进行编码。 （可选）在 IDE 左上角工具列表区域单击“+”图标添加更多工具，还可通过单击工具的设置图标编辑、删除或重置代码。 （可选）在 IDE 左下角依赖包区域管理依赖包，所有工具共用该依赖列表。 插件系统与 AI Agent 的关系： AI Agent = LLM + Planning + Memory + Tools，插件系统对应 Tools，主要目的是扩展 Bot 的能力边界。 插件是工具集，一个插件内可包含一个或多个工具（API）。 Coze 集成了超过 60 种类型的插件，包括资讯阅读、旅游出行、效率办公、图片理解等 API 及多模态模型。 若 Coze 集成的插件不满足需求，可创建自定义插件集成所需 API。

Coze 插件种类丰富，涵盖了从基础的文本处理到高级的机器学习功能，以及众多便民服务领域。包括文本分析、情感分析、自然语言处理（NLP）、图像识别、语音识别、数据分析等插件，还有新闻资讯（如头条新闻）、天气预报（如墨迹天气）、出行必备（如飞常准、猫途鹰）、生活便利（如快递查询助手、食物大师、懂车帝、幸福里、猎聘）等插件。其数量和种类不断增加，以适应技术趋势和市场需求。具体可参考 Coze 国内版本：https://www.coze.cn/store/plugin 。

在 Coze 的工作流中，节点是构成工作流的基本单元，每个节点代表特定功能或操作。 开始节点定义工作流的输入参数，是起点；结束节点设置工作流的输出内容，是终点。节点命名建议含义在前，类型不加也可，以便清晰选择。 插件用于扩展大语言模型本身的限制，调用外部插件可实现特定功能，如抓取网页内容。加入智能体后有调用次数和引用的概念。运行耗时和成功率也需关注，平均耗时长会增加失败概率和工作流超时风险，成功率不高且调用次数低则不理想。即使官方插件也可能不稳定，需自行尝试找到适合场景的插件。 AI Agent = LLM + Planning + Memory + Tools，插件系统对应 Tools，主要目的是扩展 Bot 的能力边界。插件是一个工具集，一个插件内可包含一个或多个工具（API）。 Coze 集成了超过 60 种类型的插件，涵盖搜索引擎、文本分析、图像识别等领域，包括必应搜索、LinkReader、知乎热榜等，国内版本还提供便民服务，如新闻资讯、天气预报、出行必备、生活便利等方面的插件。若集成的插件不满足需求，还可创建自定义插件来集成所需的 API。

在 Coze 工作流中利用下一个代码节点合并前两个代码节点的输出并以正确格式传入飞书多维表格插件节点的步骤如下： 1. 搭建整理入库工作流： 3.4 大模型节点：提取稍后读元数据。根据对稍后读阅读清单的元数据期望设置大模型节点，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000 以完整解析长内容网页，用户提示词需相应设置。 3.5 日期转时间戳。后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳，需使用「日期转时间戳time_stamp_13」插件进行格式转化，具体设置明确。 3.6 大模型节点：把稍后读元数据转换为飞书多维表格插件可用的格式。飞书多维表格插件目前（2024 年 08 月）只支持带有转义符的 string，以 Array<Object>格式输入，所以要将之前得到的元数据数组进行格式转换，大模型节点配置及用户提示词需相应设置。 3.7 插件节点：将元数据写入飞书表格。添加「飞书多维表格add_records」插件，设置{{app_token}}与{{records}}参数。 3.8 结束节点：返回入库结果。「飞书多维表格add_records」插件会返回入库结果，直接引用该信息用于通知外层 bot 工作流的入库是否成功。 2. 搭建选择内容推荐流： 4.1 开始节点：输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令开始流程，无需额外配置。 4.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，添加变量节点并设置。 4.3 插件节点：从飞书多维表格查询收藏记录。添加「飞书多维表格search_records」插件，设置{{app_token}}参数，并在{{app_token}}引用变量节点的{{app_token}}，输出结果的{{items}}里会返回需要的查询结果，也可在这一步定向检索未读状态的收藏记录。 4.4 大模型节点：匹配相关内容。为处理稳定采用批处理，对检索出来的收藏记录逐个进行相关性匹配，用户提示词可优化以提升匹配精准度。 搭到这里，别忘了对整个工作流进行测试。

以下是一些可以对音频内容进行总结的 AI 工具： 1. 飞书妙记（https://www.feishu.cn/product/minutes）：飞书的办公套件之一。 2. 通义听悟（https://tingwu.aliyun.com/home）：阿里推出的 AI 会议转录工具。 3. 讯飞听见（https://www.iflyrec.com/）：讯飞旗下智慧办公服务平台。 4. Otter AI（https://otter.ai/）：转录采访和会议纪要。 5. BibiGPT·AI 音视频内容一键总结（https://b.jimmylv.cn/） 6. 15 个值得一试的 YouTube 视频摘要 AI 工具（https://nealschaffer.com/youtubevideosummarizerai/） 7. summarize.tech:AIpowered video summaries（https://www.summarize.tech/） 8. NotebookLM：最早主打的是智能笔记，上传文件之后会自动生成概览性的总结。用户可以在对话框里，根据上传文本的内容，直接用文字提问。支持长文本，语言目前只支持英文。

以下是一些可以对音频进行总结的 AI 工具和公司： 声音检测方面： ：通过更强的听觉感知创造卓越的人类体验。 ：先进的声音识别解决方案，能够分类如尖叫、枪声、咳嗽和哭泣等声音。 ：下一代声音 AI 平台，能够像人类一样理解任何声音。 ：语音控制的家庭自动化系统。 ：世界上首个智能家居听觉系统。 ：可用于从音频源中提取隐藏数据的 AI 模型。 ：无需键盘、按钮或触摸屏，无缝融合物理世界和数据世界。 ：为手机、VR/AR 头戴设备、智能手表、扬声器和笔记本电脑提供上下文感知。 ：智能音频穿戴设备。 ：我们将声音转化为信息。 ：使用先进的深度学习技术进行声音事件检测和上下文识别，为世界上的每一个声音赋予意义。 语音增强与操作方面： ：实时语音和口音转换流媒体服务。 ：为高效在线会议提供的 AI 驱动软件解决方案。 ：免费的实时语音变换器。 ：为创作者、开发者和虚拟会议提供的降噪产品。 ：软件在复杂声学环境中提升语音的清晰度和可懂度。 ：不制作音频，让音频更好。 ：会议和音频的降噪。 ：采用最先进的 AI 技术消除视频会议通话中的所有背景噪音。 ：一套 AI 驱动的音频质量增强工具。 ：将智能手机变成高级语音增强设备的应用程序。 ：去除干扰性背景噪音的智能手机应用程序。 ：用于音频和语音产品的智能音频解决方案。 ：通过引入机器学习功能来革新麦克风。 ：生成式 AI 音频增强。 音视频总结方面：

很抱歉，目前知识库中没有关于识别 PPT 文字并自动转音频的相关内容。但一般来说，要实现这个功能，您可以考虑使用以下几种方法： 1. 利用专门的 OCR（光学字符识别）软件来识别 PPT 中的文字，然后再使用文字转语音软件将识别出的文字转换为音频。 2. 有些办公软件可能自带了文字识别和转换音频的功能，您可以在常用的办公软件中查找相关的工具或插件。 3. 在线服务平台也可能提供此类功能，您可以在网上搜索相关的在线工具来完成这个任务。

以下是关于音频转文字的相关信息： 推荐使用 OpenAI 的 wishper 进行语音转文字，相关链接：https://huggingface.co/openai/whisperlargev2 。还有一分钟搞定 23 分钟音频的相关项目：https://huggingface.co/spaces/sanchitgandhi/whisperjax ，此项目在 JAX 上运行，后端支持 TPU v48，与 A100 GPU 上的 PyTorch 相比，快 70 多倍，是目前最快的 Whisper API。 语音转文本默认情况下 Whisper API 仅支持小于 25MB 的文件。若音频文件更长，需将其分成小于 25MB 的块或使用压缩后格式，避免在句子中间断开声音以防止丢失上下文字信息。可使用 PyDub 开源 Python 软件包来拆分声频文件，但 OpenAI 对其可用性或安全性不作保证。 可以使用提示来提高 Whisper API 生成的转录质量。例如，对于模型经常错误识别的特定单词或缩略语，用提示可改善；为保留分段文件的上下文，可用先前片段的转录引导模型；想避免转录中跳过标点符号，可用包含标点符号的简单提示；想保留填充词汇，可用包含它们的指示；某些语言有不同书写方式，通过添加指示可改进。 虽然底层模型在 98 种不同语言上进行了培训，但只列出超过 50%单词错误率（WER）的标准行业基准测试所支持的语言，对于未列出的语言，模型也会返回输入结果但质量较低。

以下是关于音频转文字的相关信息： 推荐使用 OpenAI 的 wishper 进行语音转文字，相关链接：https://huggingface.co/openai/whisperlargev2 。还有一分钟搞定 23 分钟音频的相关项目：https://huggingface.co/spaces/sanchitgandhi/whisperjax ，此项目在 JAX 上运行，后端支持 TPU v48，与 A100 GPU 上的 PyTorch 相比，快 70 多倍，是目前最快的 Whisper API 。 语音转文本 API 提供转录和翻译两个端点，基于开源大型v2 Whisper 模型。可用于将音频转录为任何语言，将音频翻译并转录成英语。目前文件上传限制为 25MB，支持 mp3、mp4、mpeg、mpga、m4a、wav 和 webm 等输入文件类型。默认响应类型为包含原始文本的 JSON，可通过添加更多带有相关选项的form 行设置其他参数。 对于默认情况下 Whisper API 仅支持小于 25MB 的文件，若音频文件更长，需将其分成每个小于 25MB 的块或使用压缩后格式，避免在句子中间断开声音以避免丢失上下文字信息，可使用 PyDub 开源 Python 软件包来拆分声频文件，但 OpenAI 对于 PyDub 这样的第三方软件的可用性或安全性不作任何保证。 可以使用提示来提高 Whisper API 生成的转录质量，如改善特定单词或缩略语的识别、保留分段文件的上下文、避免标点符号的跳过、保留填充词汇、处理不同书写风格等。

以下是一些免费的文本转音频工具和相关的人工智能音频初创公司： 免费的文本转音频工具： Eleven Labs：https://elevenlabs.io/ ，是一款功能强大且多功能的 AI 语音软件，能高保真地呈现人类语调和语调变化，并能根据上下文调整表达方式。 Speechify：https://speechify.com/ ，是一款人工智能驱动的文本转语音工具，可作为多种应用程序使用，用于收听网页、文档、PDF 和有声读物。 Azure AI Speech Studio：https://speech.microsoft.com/portal ，提供了支持 100 多种语言和方言的语音转文本和文本转语音功能，还提供了自定义的语音模型。 Voicemaker：https://voicemaker.in/ ，可将文本转换为各种区域语言的语音，并允许创建自定义语音模型。 人工智能音频初创公司： ，将书面内容转化为引人入胜的音频，并实现无缝分发。 ，提供专业音频、语音、声音和音乐的扩展服务。 （被 Spotify 收购），提供完全表达的 AI 生成语音，带来引人入胜的逼真表演。 ，利用合成媒体生成和检测，带来无限可能。 ，一键使您的内容多语言化，触及更多人群。 ，生成听起来真实的 AI 声音。 ，为游戏、电影和元宇宙提供 AI 语音演员。 ，为内容创作者提供语音克隆服务。 ，超逼真的文本转语音引擎。 ，使用单一 AI 驱动的 API 进行音频转录和理解。 ，听起来像真人的新声音。 ，从真实人的声音创建逼真的合成语音的文本转语音技术。 ，生成听起来完全像你的音频内容。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

要保持人物面容不变生成视频，您可以参考以下内容： 1. 在生成视频的过程中，当更改任何设置或提示时，种子将保持不变，这可能会导致生成的人物在种族、民族或肤色方面看起来相似。您可以在“高级设置”下更改种子编号来改变人类的种族、民族或肤色。 2. 在 Midjourney 中，使用 cref 参数可以确保在生成的图像中，角色的外貌特征保持一致，适应不同的场景和环境。同时，cref 参数与角色权重（cw）参数一起使用，cw 100 能让角色尽可能与参考图像一致，确保面部特征、服装和发型保持不变；cw 50 允许一些变化，比如更换角色的衣服或对外观进行轻微调整；cw 0 则只保留基本的面部特征，但允许在其他方面进行显著变化，例如服装、发型或配饰。 3. 在 MorphStudio 中，创建视频时，您可以在“Shot”卡中输入提示并点击蓝色星号图标生成视频，也可以上传图片或视频，并以其他方式生成视频。生成完成后，您可以点击卡片右下角的展开图标来查看生成的照片的信息，包括提示、模型和用于该照片的参数。对于生成的视频，您可以以各种方式重新生成视频，比如重新提示、重试、风格转换等。还可以添加或编辑镜头，当需要添加更多镜头时，点击屏幕左上角的按钮，在时间轴上添加一个镜头。当单击快照卡右上角的“…”图标时，您可以编辑卡的名称、添加说明，或者保存和删除快照。

以下是一些免费的文字生成视频的 AI 工具： 1. Pika Labs： 功能：可直接发送指令或上传图片生成 3 秒动态视频。 费用：目前内测免费。 操作步骤： 加入 Pika Labs 的 Discord 频道，在浏览器中打开链接 https://discord.gg/dmtmQVKEgt 点击加入邀请。 在 generate 区生成。左边栏出现一只狐狸的头像就意味着操作成功了，如果没成功点开头像把机器人邀请至服务器。接着在 Discord 频道的左侧，找到“generate”子区，随便选择一个进入。 生成视频。输入指令生成：输入/create，在弹出的 prompt 文本框内输入描述，比如/create prompt:future war,4Kar 16:9，按 Enter 发送出去就能生成视频了。本地图片生成：输入/create，在弹出的 prompt 文本框内输入描述，点击“增加”上传本地图片，就能让指定图片生成对应指令动态效果。喜欢的效果直接右上角点击下载保存到本地。如果对生成的视频不满意，如图像清晰度不够高或场景切换不够流畅等，可以点击再次生成按钮，系统会进一步优化生成的效果。 2. 剪映海外版 CapCut：每人每天可以免费生成五次，网址：https://www.capcut.com/editortools/aivideogenerator 此外，还有以下一些文字生成视频的 AI 产品： 1. SVD：如果熟悉 Stable Diffusion，可以直接安装这款最新的插件，在图片基础上直接生成视频。这是由 Stability AI 开源的 video model。 2. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需要收费。 3. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 4. Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 更多的文生视频的网站可以查看这里：https://www.waytoagi.com/category/38 。 内容由 AI 大模型生成，请仔细甄别。

以下是一些制作爆款短视频的 AI 提示词相关内容： 1. 写脚本方面： 可以选择 Kimi、Claude、Chatgpt 等大模型，对于科学上网困难的小伙伴，可优先选择免费好用的 kimi（https://kimi.moonshot.cn/），有条件可选功能更强大的 chatgpt（https://chatgpt.com/），本作品用的是 Claude（https://claude.ai/new），Claude 在脚本创作方面有优势。 脚本提示词的结构是：我要做什么样的视频+视频要包含哪些关键的元素+对脚本的输出有什么要求。例如，要做 30 秒时长的广告宣传片脚本、做一个孩子们喜欢的儿童绘本脚本等；重点要把产品的特性或者想要的广告风格说出来，如奔驰高端商务、豪华舒适的特性，苹果香脆多汁、红润饱满的特点；按照一定的格式输出，推荐使用 Markdown 格式输出，方便后续操作。 2. 单镜头内容注意：要给 AI 确切的画面描述，杜绝不确切描述，如将“一个女生备考，用纳米 AI 定制模拟专题练习，最后成功上岸”改为“一个中年妇女辅导 12 岁的女儿作业，女孩看着妇女，妇女挠挠头，表情沉重。然后拿出手机对着桌子上的书拍照，然后放下手机，跟小姑娘说话，表情舒缓，欣慰，温柔。侧面镜头，镜头环绕到正面”。 3. 提示词网站分享： Learn Prompting https://learnprompting.org/docs/intro AI Short https://www.aishort.top/en/ AIPRM https://www.aiprm.com/prompts/ Prompt Library https://promptlibrary.org/

以下是用 AI 整理答疑视频的方法： 1. 对于有字幕的 B 站视频： 确认视频栏下有字幕按钮，说明视频作者已上传字幕或后台适配了 AI 字幕。 安装油猴脚本： 。 刷新浏览器，点击字幕，会出现“下载”按钮。 选择多种字幕格式，带时间或不带时间的。 将字幕文字内容全选复制发送给 GPTs 进行总结。 总结完视频内容后可继续向 AI 提问更多细节内容或探讨。 2. 对于将小说做成视频： 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。内容由 AI 大模型生成，请仔细甄别。

AI 生成甄嬛传小视频通常可以按照以下步骤进行： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析甄嬛传的内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据分析结果，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：利用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：使用 AI 配音工具（如 Adobe Firefly）将相关文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：运用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提升视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 另外，在生成视频片段方面，还可以使用 Pixverse 工具，通过输入相应的提示词来生成特定的视频片段，例如“silhouette of A few strong students are bullying one student”“A cunning smile on his face,eyes become red”“Surprised expression”“He thrust out his spear and floating red ribbon wrapped around it”等。

以下是为您生成的关于让 AI 写视频脚本的提示词的相关内容： 要让 AI 写视频脚本，提示词的结构包括： 1. 明确要做什么样的视频，比如要做 30 秒时长的广告宣传片脚本、做一个孩子们喜欢的儿童绘本脚本等。 2. 指出视频要包含的关键元素，重点把产品的特性或者您想要的广告风格说出来，例如奔驰高端商务、豪华舒适的特性，苹果香脆多汁、红润饱满的特点。 3. 说明对脚本的输出要求，比如按照一定的格式输出，推荐使用 Markdown 格式输出，方便后续操作。 在选择大模型时，有多种选择，如 Kimi、Claude、Chatgpt 等，效果都能满足要求，可按需选择。对于科学上网困难的小伙伴，优先选择免费好用的 kimi（https://kimi.moonshot.cn/），有条件的话选择老牌的功能更强大的 chatgpt（https://chatgpt.com/）也可以。本作品用的是 Claude（https://claude.ai/new），Claude 在脚本创作方面有优势。 和大模型对话就像和老朋友聊天一样轻松。 例如，完整的让 Claude 写脚本的提示词可以是：“我要做一个 30 秒时长的奔驰汽车广告宣传片脚本，视频要突出奔驰高端商务、豪华舒适的品牌特性，画面要有高级感，简单大气。请按照 Markdown 格式输出。”

以下是一些可以提取歌词的 AI 工具： Suno：在做 hiphop 时存在咬字太清楚等问题，可通过替换拟音歌词和手动断句等方法解决部分问题。 AIMS：人工智能驱动的音乐相似性搜索和自动标记，适合以音乐发现为业务的人。 FeedForward：用于音频和声音目录的直观音频搜索引擎。 Aimi：发现将音乐从歌曲和播放列表束缚中解放出来的艺术家。 Utopia Music：每次播放公平报酬。 Musiio（被 SoundCloud 收购）：使用人工智能帮助自动化工作流程。 niland（被 Spotify 收购）：构建人工智能驱动的音乐应用程序。 cyanite：用于音乐标记和相似性搜索的人工智能。 musicube（被 SongTradr 收购）：B2B AI 音乐元数据服务，例如自动标记、元数据丰富和语义搜索。 Musixmatch：基于歌词的音乐发现、推荐和搜索的算法和工具。 hoopr：人工智能驱动的引擎可帮助找到正确的配乐。 Pex：音乐识别和版权合规性，包括音频指纹、大规模翻唱识别。 SONOTELLER：AI 音乐分析，包括歌词摘要、主题提取和音乐特征。

以下是使用 Coze 做一个可以提取上传 PDF 文档相关内容的智能体的思路： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 考虑到待阅读内容通常都有网页链接，最理想的方式是只需输入一个 URL 就能完成收集。借鉴微信文件传输助手的直观操作方式，通过聊天窗口完成收集输入会更符合用户习惯。 2. 自动化“整理入库”： 为便于存储和回顾已收集的阅读清单，系统应在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 同时，这份阅读清单最好也能支持跨平台查看，提高可访问性。 3. 智能“选择”推荐： 根据当前收藏记录，结合用户的阅读兴趣，进行相关性匹配，并生成最合适的阅读计划。 逐步搭建 AI 智能体： 1. 搭建整理入库工作流： 新建工作流「url2table」，根据弹窗要求自定义工作流信息。 工作流全局流程设置： 开始节点：输入 url，由于希望收到用户输入的待收藏 url 就开始流程，所以不需要额外配置（至于如何判断哪些用户输入是需要收藏的 url，则交由外层 bot 的大模型判断）。 变量节点：引入 bot 变量中保存的飞书多维表格地址，为了便于维护充当稍后读存储地址的飞书多维表格链接，我们需要将这个链接存储在 bot 的变量中，并在工作流运行时进行引用。 插件节点：获取页面内容，这一步直接把开始节点的{{BOT_USER_INPUT}}，引入到参数{{url}}中；随便设置{{timeout}}为 60000。 通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出，由 Coze 调用大模型、插件，完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据。这样一来，理论上无需开发任何插件、APP，也能实现跨平台的稍后读收集与智能阅读计划的推荐。

从图片提取文字可以通过以下几种方式： 1. 借助 OCR 工具：对于图片，可以使用开放平台工具，如进行文本提取。 2. 利用多模态技术：多模态技术能够从图像中提取文本，例如谷歌 Gemini 多模态模型。 3. 零代码版本工作流：选择 Coze 平台，搭建工作流，主要步骤包括上传输入图片、理解图片信息并提取其中的文本内容、进行场景提示词优化或图像风格化处理，最后返回文本或图像结果。搭建流程时，要将本地图片转换为在线 OSS 存储的 URL，将图片理解大模型和图片 OCR 封装为工作流插件以便便捷调用。

以下是关于视频文案提取的相关内容： 在《AI 你·南京》AIGC 城市宣传 MV 全流程制作解析中，一开始打算用旁白朗诵方式制作片子，这对文案要求较高。直接让 GPT 写文案效果平淡，需更具体提需求。利用 360 浏览器字幕提取功能捕捉《爱我中华》视频文案，让 Kimi 和 GPT 分析学习，写文案时同时对比两者结果，发现 Kimi 对中文理解和写作能力更突出。做完文案分析后让 AI 按风格写作，整合两段并调整，使文案更顺口。文案整理完可让 AI 输出简单画面分镜。 在阿里云百炼大模型多模态能力解析中，借助视频处理、理解和大语言模型串联能力，实现对视频指定要点的理解提取，按要求生成指定类型文案、提取标签和洞察分析。输入视频，可集成文本描述和内容，模型能理解生成基于文本的摘要等。在视觉语言分析和文本处理阶段，可通过自定义 prompt 执行相关任务，产出视频标签等。上传视频可根据不同场景生成文案描述。 在企业级 AI 应用开发知识点中，同样借助视频处理等能力实现对视频要点的理解提取和生成指定文案等。参考视频数据，选择营销场景应用提示词模版，输出效果包括万相营造，这是阿里旗下的 AI 智能创意平台，提供一站式生成图片、视频、文案服务，有多种 AI 工具助创意提效，可免费使用网站 https://www.wanxiang.art/ 。未来可将不错的应用上架到阿里云百炼市场联合售卖。

以下是一些可以提取录音文件中文字内容的工具： 1. 通义听悟：阿里推出的 AI 会议转录工具，网址：https://tingwu.aliyun.com/home 。 2. 飞书妙记：飞书的办公套件之一，网址：https://www.feishu.cn/product/minutes 。 3. 钉钉闪记： 第一步打开钉钉闪记。 结束录音后点击“智能识别”。 点击智能摘要，就可以获得本次会议的纪要。 如果需要更多内容，复制所有文案或下载文本文件到GPT，GLM，通义千问等大语言模型对话框中，再将会议内容发送。 4. 讯飞听见：讯飞旗下智慧办公服务平台，网址：https://www.iflyrec.com/ 。 5. Otter AI：转录采访和会议纪要，网址：https://otter.ai/ 。 更多会议记录工具请访问网站：https://waytoagi.com/sites/category/29 。 需要注意的是，部分工具可能有免费使用的时间限制，超过一定时间后可能需要付费。

要使用 Coze 写一个能够自动提取手机支付记录然后记账的应用，您可以参考以下步骤： 1. 了解 Coze：COZE 是字节跳动旗下子公司推出的 AI Agent 构建工具，允许用户在无编程知识的基础上，使用自然语言和拖拽等方式构建 Agent，目前有丰富的插件生态且可以免费使用海量大模型。 2. 配置变现模板： 设置套餐金额及时长：价格页信息默认包含 3 个套餐，可自行修改、删除、新增，套餐数量无上限，修改后无需保存即刻生效。 订单与用户信息查看：在“管理后台”页面除了可以进行智能体配置，还可查看已付费订单以及注册用户，方便运营维护。 完成所有项目配置后，点击【配置完成】即可邀请用户访问并体验您的 Coze 智能体。 激活支付功能：配置该功能后，可实现平台收款、退款等操作，实现项目的商业变现。通过支付宝申请电脑网站支付，将申请到的 AppId、商户私钥、公钥按要求配置即可。详细的配置教程可以在'Zion 帮助中心'中搜索'支付'找到。 3. 学习记账管家相关知识：记账管家是基于 COZE 平台的能力搭建的一个记账应用，您可以直接和 coze 说您今天的收入或者支出情况，coze 会自动帮您记账，同时帮您计算出账户余额，每一笔记账记录都不会丢失。 4. 搭建教学： 增加记账记录 add_accounting_record 工作流：用于增加记账的工作流，通过大语言模型把用户输入的非结构化数据转变成数据库能理解的结构化数据存入，并告诉用户结果。 开始：定义一个{{prompt}}，把用户在 bot 输入的记账内容传入进来（例如：今天花了 233.32 元吃了一顿烧烤）。 大模型：本次任务比较简单，使用任意模型都可以胜任，无需调整大模型参数。输入定义了一个{{input}}引用了【开始节点】的 prompt 参数。提示词让大模型根据{{input}}传入的内容进行拆解，分别识别【记账事项】、【发生时间】、【变动金额】，并把识别出来的内容分别赋值到{{item}}、{{occurrence_time}}、{{balance_change}}。输出定义了【记账事项】、【发生时间】、【变动金额】对应的{{item}}、{{occurrence_time}}、{{balance_change}}。 数据库——插入记账记录：输入定义了{{item}}、{{occurrence_time}}、{{balance_change}}，用于接收从大模型节点{{item}}、{{occurrence_time}}、{{balance_change}}输出传入的内容。SQL 命令：不会写没关系，直接使用自动生成语法，输入命令如下，注意我们数据库存入的金额最小单位是分，所以在最终的语法，{{account_change}}100；意思当用户说我花了 2.23 元，数据库存储的是 2.23100=223。提示词：把 item、occurrence_time、account_change 存入到 user_accounting_records 表的{{item}}、{{occurrence_time}}、{{account_change}}中。 数据库——查询账户余额。