[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-FL33TW00D--whisper-turbo":3,"tool-FL33TW00D--whisper-turbo":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":80,"owner_twitter":80,"owner_website":82,"owner_url":83,"languages":84,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":23,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":113,"github_topics":114,"view_count":23,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":122,"updated_at":123,"faqs":124,"releases":159},3624,"FL33TW00D\u002Fwhisper-turbo","whisper-turbo","Cross-Platform, GPU Accelerated Whisper 🏎️","Whisper Turbo 是一款专为浏览器和 Electron 应用打造的高性能语音识别工具。它基于 OpenAI 的 Whisper 模型，但通过深度优化实现了完全在客户端本地运行，无需将音频数据上传至服务器，从而在保护用户隐私的同时大幅降低延迟。\n\n这一方案有效解决了传统云端语音识别依赖网络连接、存在数据泄露风险以及服务成本高昂等痛点。无论是构建离线可用的会议记录应用，还是开发注重隐私的实时字幕工具，Whisper Turbo 都能提供流畅的体验。\n\n该工具特别适合前端开发者、Electron 应用工程师以及对隐私安全有严格要求的产品团队使用。如果你正在寻找一种能在用户设备上直接运行的大模型推理方案，Whisper Turbo 是一个极佳的选择。\n\n其核心技术亮点在于跨平台支持与 GPU 加速能力。依托于底层的 Rust 库 Ratchet 和 WebGPU 技术，Whisper Turbo 能够在 Windows 和 macOS 系统的 Chromium 内核浏览器中直接调用显卡算力，实现“火箭般”的推理速度。这意味着复杂的语音转文字任务不再需要庞大的后端集群支持，普通用户的笔","Whisper Turbo 是一款专为浏览器和 Electron 应用打造的高性能语音识别工具。它基于 OpenAI 的 Whisper 模型，但通过深度优化实现了完全在客户端本地运行，无需将音频数据上传至服务器，从而在保护用户隐私的同时大幅降低延迟。\n\n这一方案有效解决了传统云端语音识别依赖网络连接、存在数据泄露风险以及服务成本高昂等痛点。无论是构建离线可用的会议记录应用，还是开发注重隐私的实时字幕工具，Whisper Turbo 都能提供流畅的体验。\n\n该工具特别适合前端开发者、Electron 应用工程师以及对隐私安全有严格要求的产品团队使用。如果你正在寻找一种能在用户设备上直接运行的大模型推理方案，Whisper Turbo 是一个极佳的选择。\n\n其核心技术亮点在于跨平台支持与 GPU 加速能力。依托于底层的 Rust 库 Ratchet 和 WebGPU 技术，Whisper Turbo 能够在 Windows 和 macOS 系统的 Chromium 内核浏览器中直接调用显卡算力，实现“火箭般”的推理速度。这意味着复杂的语音转文字任务不再需要庞大的后端集群支持，普通用户的笔记本电脑即可轻松胜任，真正推动了大模型在边缘侧的落地应用。","\u003Cdiv align=\"center\">\n\u003Cimg width=\"550px\" height=\"200px\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFL33TW00D_whisper-turbo_readme_3282fc98e968.png\">\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fwhisper-turbo.com\">Demo Site\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fratchet.sh\u002Fwhisper-turbo\">Documentation\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fusers\u002FFL33TW00D\u002Fprojects\u002F1\">Roadmap\u003C\u002Fa>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## What is Whisper Turbo?\n\nWhisper Turbo is a fast, **cross-platform** Whisper implementation, designed to run entirely client-side in your browser\u002Felectron app.\n\n\nCheck out the Rust library behind Whisper Turbo, [Ratchet](https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fratchet)\n\n## Demo\n\nhttps:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fassets\u002F45471420\u002F1e19aa1f-bb56-4b5c-bc00-e79aabb4d1e0\n\n## Supported Platforms\n\nWebGPU is only officially supported on Chromium based browsers running on Windows & MacOS.\nFor more information, check out [Supported Platforms](https:\u002F\u002Fratchet.sh\u002Fwhisper-turbo\u002Fplatforms)\n\n## Want to get involved?\n\n-   Are you a GPU wizard?\n-   Do you know what a HRTB is in Rust?\n-   Do you know what is going on [here](https:\u002F\u002Fgithub.com\u002FRuyiLi\u002Fcursed-typescript\u002Fblob\u002Fmaster\u002Frandom\u002Fgame-of-life.ts)?\n-   Reach out: chris@fleetwood.dev\n","\u003Cdiv align=\"center\">\n\u003Cimg width=\"550px\" height=\"200px\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFL33TW00D_whisper-turbo_readme_3282fc98e968.png\">\n\u003Cp>\u003Ca href=\"https:\u002F\u002Fwhisper-turbo.com\">演示站点\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fratchet.sh\u002Fwhisper-turbo\">文档\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fusers\u002FFL33TW00D\u002Fprojects\u002F1\">路线图\u003C\u002Fa>\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n## 什么是 Whisper Turbo？\n\nWhisper Turbo 是一个快速、**跨平台**的 Whisper 实现，专为在您的浏览器或 Electron 应用中完全运行于客户端而设计。\n\n\n请查看 Whisper Turbo 背后的 Rust 库 [Ratchet](https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fratchet)。\n\n## 演示\n\nhttps:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fassets\u002F45471420\u002F1e19aa1f-bb56-4b5c-bc00-e79aabb4d1e0\n\n## 支持的平台\n\nWebGPU 目前仅正式支持基于 Chromium 的浏览器，且运行在 Windows 和 macOS 上。\n更多信息，请参阅 [支持的平台](https:\u002F\u002Fratchet.sh\u002Fwhisper-turbo\u002Fplatforms)。\n\n## 想参与进来吗？\n\n-   您是 GPU 方面的高手吗？\n-   您知道 Rust 中的 HRTB 是什么吗？\n-   您了解 [这里](https:\u002F\u002Fgithub.com\u002FRuyiLi\u002Fcursed-typescript\u002Fblob\u002Fmaster\u002Frandom\u002Fgame-of-life.ts) 发生了什么吗？\n-   请联系：chris@fleetwood.dev","# Whisper Turbo 快速上手指南\n\nWhisper Turbo 是一个高性能、跨平台的 Whisper 实现，专为在浏览器或 Electron 应用中完全客户端运行而设计。它利用 WebGPU 技术加速推理，无需后端服务器即可实现语音转文字。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**：Windows 或 macOS（Linux 支持尚在实验中）\n- **浏览器**：基于 Chromium 的浏览器（如 Chrome, Edge），需开启 WebGPU 支持\n  - *注意：WebGPU 目前仅在 Windows 和 macOS 上的 Chromium 内核浏览器中获得官方支持。*\n- **硬件**：支持 WebGPU 的 GPU（推荐近期发布的独立显卡或集成显卡）\n\n### 前置依赖\n由于该项目主要作为库集成或在演示站点运行，普通用户可直接访问 Demo，开发者需准备以下环境：\n- Node.js (v18+)\n- npm 或 yarn\n- Rust (可选，用于构建底层的 Ratchet 库)\n\n> **提示**：国内开发者若遇到 npm 安装缓慢，建议使用淘宝镜像源：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\nWhisper Turbo 通常作为 JavaScript\u002FTypeScript 库集成到项目中。\n\n1. **初始化项目**（如尚未创建）\n   ```bash\n   mkdir my-whisper-app\n   cd my-whisper-app\n   npm init -y\n   ```\n\n2. **安装 Whisper Turbo**\n   ```bash\n   npm install whisper-turbo\n   ```\n\n3. **安装底层依赖（如需自定义构建）**\n   如果需要使用底层的 Rust 库 `Ratchet` 进行深度定制，请确保已安装 Rust，然后克隆仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo.git\n   cd whisper-turbo\n   # 遵循 Ratchet 文档构建 Rust 后端\n   ```\n\n## 基本使用\n\n以下是在前端项目中调用 Whisper Turbo 进行语音识别的最简示例。\n\n### 1. 引入库并初始化\n在你的 JavaScript\u002FTypeScript 文件中：\n\n```javascript\nimport { WhisperTurbo } from 'whisper-turbo';\n\n\u002F\u002F 初始化模型\nconst whisper = new WhisperTurbo({\n  model: 'base', \u002F\u002F 可选: tiny, base, small, medium, large\n  device: 'webgpu' \u002F\u002F 强制使用 WebGPU 加速\n});\n\nawait whisper.load();\n```\n\n### 2. 执行语音转录\n加载音频文件（支持 Blob 或 File 对象）并进行转录：\n\n```javascript\nasync function transcribeAudio(file) {\n  try {\n    const result = await whisper.transcribe(file, {\n      language: 'zh', \u002F\u002F 指定语言，例如中文 'zh'\n      task: 'transcribe' \u002F\u002F 或 'translate'\n    });\n    \n    console.log('识别结果:', result.text);\n  } catch (error) {\n    console.error('转录失败:', error);\n  }\n}\n\n\u002F\u002F 示例：绑定文件输入框\ndocument.getElementById('audioInput').addEventListener('change', (e) => {\n  const file = e.target.files[0];\n  if (file) transcribeAudio(file);\n});\n```\n\n### 3. 在线体验\n无需安装，直接访问官方演示站点测试效果：\n- [Demo Site](https:\u002F\u002Fwhisper-turbo.com)\n- [完整文档](https:\u002F\u002Fratchet.sh\u002Fwhisper-turbo)","一位前端开发者正在构建一个基于浏览器的在线会议记录工具，需要让用户直接在网页端将录音实时转为文字，而无需上传音频文件到服务器。\n\n### 没有 whisper-turbo 时\n- **隐私风险高**：必须将用户的敏感会议录音上传至云端服务器处理，存在数据泄露合规隐患。\n- **延迟严重**：受限于网络带宽和服务器排队，长音频文件的转录往往需要数分钟甚至更久才能返回结果。\n- **成本高昂**：随着用户量增长，服务器端的 GPU 推理算力成本呈线性飙升，难以维持免费或低价服务。\n- **跨平台受限**：传统的本地部署方案难以同时兼容 Windows、MacOS 以及不同内核的浏览器环境。\n\n### 使用 whisper-turbo 后\n- **数据不出域**：利用 WebGPU 技术将 Whisper 模型完全运行在用户浏览器本地，音频数据无需离开设备，彻底解决隐私顾虑。\n- **秒级响应**：借助客户端 GPU 加速，实现了近乎实时的转录速度，大幅缩短了用户等待时间。\n- **零服务器成本**：计算压力转移至用户终端，开发者无需承担昂贵的后端推理算力费用，轻松支撑大规模并发。\n- **无缝跨端体验**：凭借原生的跨平台特性，同一套代码即可在 Chromium 内核的 Windows 和 MacOS 浏览器中流畅运行。\n\nwhisper-turbo 通过将高性能语音识别能力下沉至浏览器端，在保障数据隐私的同时，极大地降低了实时转录应用的部署门槛与运营成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFL33TW00D_whisper-turbo_3282fc98.png","FL33TW00D","Christopher Fleetwood","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FFL33TW00D_79466890.jpg","Reality is an undefeated champion",null,"United Kingdom","fleetwood.dev","https:\u002F\u002Fgithub.com\u002FFL33TW00D",[85,89,93,96],{"name":86,"color":87,"percentage":88},"TypeScript","#3178c6",85.3,{"name":90,"color":91,"percentage":92},"CSS","#663399",12.6,{"name":94,"color":95,"percentage":23},"JavaScript","#f1e05a",{"name":97,"color":98,"percentage":99},"Just","#384d54",0.1,1801,84,"2026-04-03T08:04:57","Apache-2.0","Windows, macOS","需要支持 WebGPU 的 GPU（官方仅支持 Windows 和 macOS 上的 Chromium 内核浏览器），未指定具体型号、显存大小或 CUDA 版本","未说明",{"notes":108,"python":109,"dependencies":110},"该工具设计为完全在浏览器或 Electron 应用的客户端运行，无需后端服务器。官方仅正式支持在 Windows 和 macOS 上运行的基于 Chromium 的浏览器使用 WebGPU。Linux 用户或非 Chromium 浏览器可能不受官方支持。","不适用 (基于浏览器的客户端运行)",[111,112],"Ratchet (Rust 库)","WebGPU 兼容的浏览器 (Chromium 内核)",[13,55],[115,116,117,118,119,120,121],"machine-learning","rust","webgpu","whisper","audio","speech-recognition","windows","2026-03-27T02:49:30.150509","2026-04-06T10:26:34.119612",[125,130,135,140,145,150,154],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},16632,"使用 raw_audio 输入时，最佳的音频格式和参数配置是什么？","最佳且唯一的标准格式是 `pcm_s16le \u002F 16000 \u002F mono`（16kHz 采样率、单声道、16 位有符号整数 PCM）。这是直接源自 OpenAI Whisper 官方实现的格式。当使用 raw_audio 选项时，程序会绕过任何转码步骤，直接将你传入的字节数据用于模型推理。虽然文档可能提到 Uint8Array 或 .wav，但核心要求必须是上述特定参数的 PCM 数据。","https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fissues\u002F59",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},16633,"在哪里可以找到该项目在不同框架（如 React, Electron, Cloudflare Workers）中的集成示例？","你可以查看更新后的代码仓库中的示例目录。具体的集成示例（包括 Ratchet Whisper 的相关用法）已整理在：https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fratchet\u002Ftree\u002Fmaster\u002Fexamples\u002Fratchet-whisper。这里提供了比单纯的基础 JS 示例更丰富的集成参考。","https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fissues\u002F46",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},16634,"如何处理长音频文件（如超过 50 分钟）导致的浏览器崩溃或索引越界错误？","早期版本在处理大文件（如 81MB 或长达 56 分钟的音频）时存在导致崩溃的 Bug（表现为 index out of bounds 恐慌）。该问题已在 v0.8.0 及更高版本中修复。如果你遇到此类崩溃，请确保升级到最新版本（0.8.0+），并在 Tiny 模型模式下测试，目前在 MacOS + Chrome 环境下已验证可正常工作。","https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fissues\u002F25",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},16635,"Medium 模型在处理较长音频时无法输出完整结果或返回 JSON 怎么办？","这是一个已知问题，特别是在使用 Medium 模型处理超过 1 分钟的音频时，出现概率极高（几乎 99%），表现为控制台显示正在处理但最终不返回 JSON 结果。维护者已确认此问题并将其缓解措施列入开发路线图。目前的临时建议是尝试使用 Small 模型，或者指定语言（如设置为 'zh'）可能会降低出错概率，但根本解决需等待后续版本更新。","https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fissues\u002F53",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},16636,"如何强制模型使用特定语言进行转录，而不是自动检测？","针对模型有时无法正确检测语言或在多语言混合时表现不稳定的问题，维护者表示该功能缺陷在最近的更新中已经修复。如果你仍然遇到语言检测错误或无法强制指定语言的情况，请确保你使用的是最新版本的库，并重新提交问题反馈。","https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fissues\u002F45",{"id":151,"question_zh":152,"answer_zh":153,"source_url":149},16637,"Whisper-Turbo 是否支持 WebGPU 加速，其底层技术栈是什么？","是的，Whisper-Turbo 是构建在 wgpu (WebGPU) 之上的。维护者计划在下一次发布中以 Apache 许可证开源 whisper-webgpu 部分。这意味着该项目利用 WebGPU 技术来实现高效的本地浏览器端推理加速。",{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},16638,"为什么上传 WAV 或 WEBM 格式的文件会导致程序崩溃且无法捕获错误？","这是由于对 WAV 和 WEBM 文件的处理逻辑较弱，以及在发生底层 Panic（如 `UndefinedOrder` 错误）时 JavaScript 层未能正确捕获异常导致的。这通常发生在将 YouTube 视频转换为特定格式的 WAV 文件时。建议暂时避免直接使用此类转换后的文件，或等待维护者修复关于文件格式处理和错误捕获机制的更新。","https:\u002F\u002Fgithub.com\u002FFL33TW00D\u002Fwhisper-turbo\u002Fissues\u002F56",[160,165,169,173,177,181,185,189],{"id":161,"version":162,"summary_zh":163,"released_at":164},98899,"v0.11.0","新发布","2023-11-26T12:54:26",{"id":166,"version":167,"summary_zh":163,"released_at":168},98900,"v0.10.1","2023-11-18T14:52:05",{"id":170,"version":171,"summary_zh":163,"released_at":172},98901,"v0.10.0","2023-11-18T14:36:05",{"id":174,"version":175,"summary_zh":163,"released_at":176},98902,"v0.9.0","2023-11-02T04:02:11",{"id":178,"version":179,"summary_zh":163,"released_at":180},98903,"v0.8.0","2023-10-31T10:10:40",{"id":182,"version":183,"summary_zh":163,"released_at":184},98904,"v0.7.0","2023-09-25T17:13:43",{"id":186,"version":187,"summary_zh":163,"released_at":188},98905,"v0.5.3","2023-09-21T16:43:32",{"id":190,"version":191,"summary_zh":163,"released_at":192},98906,"v0.5.2","2023-09-21T16:30:53"]