最近发现一个AI辅助工具Memo AI，能够将音视频转录为文字，并且支持AI翻译、语音合成，以及AI总结、自动生成脑图。
一站式满足围绕音视频展开的各种需求，功能全面且界面简洁，可以本地离线使用，是多媒体学习的好帮手。
支持各种视频源
支持线上音视频和本地音视频，主流的包括国内B站和国外XY站都支持（注意只能转录人声，猫咪和狗狗的声音可能暂时无能为力）。
接入多种语音识别模型
Memo的语音识别（或者叫转写）使用的是OpenAI开源的Whisper模型，几乎把各种大小型号都接入进来了，为了方便选择，开发者很人性化地将模型分为极速/均衡/高质量三种，如果原视频是发音很清晰的英文视频，实测Tiny模型也很少出错（OpenAI赛高）。
语音识别转写完成后，自动进入主界面。
三大能力：翻译、总结、语音合成
翻译
Memo目前支持13种翻译引擎，分类介绍一下：
直接使用：无需配置，默认支持微软翻译和谷歌翻译；
手动配置API：包括OpenAI（GPT系列）、智谱AI在内的5种AI模型和Deepl、百度翻译在内的5种翻译引擎，需要在对应模型或翻译引擎的官网申请API，再配置到Memo内；
离线模型：支持通过Ollama在本地跑大模型，完全离线，需要配置运行环境，会麻烦一点。
后两种就适合动手能力比较强的小伙伴，其实直接使用微软翻译效果也还行，大家根据实际情况选择。
总结
总结功能其实借用的就是前面翻译中配置的其中两个大模型的API，目前支持OpenAI和国内的智谱AI，在翻译完之后，就可以使用总结功能了。
思维导图功能其实本质上就是分段总结，只不过展现形式更加直观，效率大大提高。
语音合成
语音合成（TTS）功能可以给翻译后的字幕生成配音，支持三个服务：
Edge：微软开源的TTS引擎，没有特殊要求选这个就挺好；
OpenAI：还是使用上面配置的API，Memo直接帮你调用OpenAI的TTS能力来进行语音合成；
Volcano：也就是抖音的火山引擎，跟剪映里的配音功能是一样的音色，不过需要单独配置API。
安装体验
Memo客户端支持windows和MacOS，在这里下载：
写在最后
该工具还处在测试阶段，所以还有一些体验上的小问题，比如返回按钮不统一、开始导出后就无法停止等，但整体上不影响主流程。
开发者在产品上是很用心的，比如对于翻译这个核心功能点，开发者考虑到了AI翻译现在还存在不准确的问题，尤其是不同语言在断句上的差异导致实际意义的不同，针对字幕提供了合并语句、搜索替换、字幕剪辑等辅助功能，个人体验是真的不错，更多功能点可以自己实际体验下。
目前收费的功能不多，主要是GPU加速和批量操作等，所以绝大部分基本功能都是免费用的。
唯一的缺点可能是Memo不是一个网页端开箱可用的工具，接入的一些服务需要自己申请API，对小白用户可能不是特别友好。感兴趣的小伙伴可以在文章最后加群，互相帮助（所以也需要懂点技术的小伙伴加入进来）。