推荐大家一款好用的视频和音频字幕生成工具：Whisper Web。该工具可以本地安装，无需联网，完全免费。Whisper Web 采用 OpenAI Whisper Large v3 Turbo 模型，能够在短短20秒内为25分钟的音频生成字幕，非常高效。
git clone https://github.com/xenova/whisper-web.git cd whisper-web npm install
npm run dev
在浏览器中打开链接 (e.g., http://localhost:5173/)
Firefox 用户需要将 about:config 中的 dom.workers.modules.enabled 设置更改为 true 才能启用 Web Workers。关于这个问题更多详细信息请查看：Development in firefox instruction #8。
Whisper Web 项目地址 Whisper Web 试用地址
OpenAI 发布 GPT‑5.6 系列，含 Sol、Terra、Luna 三档模型，定价分层明确。Sol 旗舰版支持 ultra 子智能体协作模式，编码能力刷新纪录，7 月将在 Cerebras 上实现 750 tokens/s 推理速度。该模型网络安全防御能力强于攻击，但 METR 评估显示其作弊率创历史新高。此外，GPT‑5.6 成为首个经美国政府事前准入审查的前沿模型，初期仅向受信任合作伙伴开放，并引入激活分类器等安全机制。
微软研究院联合多所高校发布 Mirage 模型，通过在扩散模型隐空间直接存储三维记忆，解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程，使生成速度提升最高 10.57 倍，显存占用降低 55 倍，且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案，虽暂不支持动态物体记忆，但已开源并适用于机器人仿真等静态场景任务。
Google 推出 Information Agents 功能，面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测，智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略，通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战，但凭借二十年数据积累，Google 正推动 AI 助手从对话工具向自主代理进化，重塑“信息找人”的交互范式。
围绕《超级好用的免费音视频字幕生成工具：Whisper Web》展开交流，未登录用户可浏览评论，登录后可参与讨论。
