这几天有个需求，就是将一些中英文对话录音文件转文本，然后进行一些分析。所以就调研了一下录音转文本的方案。顺便总结一下 MacOS 上的录音／录屏方案。 STT 全称 Speech-to-Text，即语音转文本。一般有两种常见的需求：一种是将实时语音转文本的识别（流式处理），一种是将录音文件转文本。本文主要记录后者的一些方案。 1 - 录音转文本的方案

针对现有的软件，我的一些不满意的点 在试用了一众 “稍后读” 和 “剪藏” 软件后, 仍然找不到满意的软件。 总结了一下针对当前的「网页剪藏」软件，现在自己不满意的几个点： 1 - 快照使用「服务器采集」: cubox, pocket 等 这种方式的缺点就在于，很多内容平台，特别是国内的平台，都需要登录才能访问完整内容。 那么这样的采集方式受限就很大，服务器端采集无法携带用户的认证信息，因此往往只能获取到部分内容或者直接无法访问。 2 - 自带的「网页解析」或者「解析为 Markdown」: obsidian…