产品手册
产品博客
购买产品
产品下载
联系我们
产品手册
产品博客
购买产品
产品下载
联系我们

产品介绍

智能体助手（Knowlify AI）是“第二大脑计划”的一部分，该工具的目标是将互联网上主流格式的资料转化成AI可以理解的语料库，然后借助于AI的能力快速提取关键信息，并跟AI一起结伴思考和决策，使得我们可以快速对某一个领域的知识有深刻的洞见。最适合的场景是“行业调研”和“投资决策”。

版本选择和下载

本软件支持 Windows，Linux，macOS系统，并区分CPU版本和GPU版本（仅NVIDIA显卡）。

  • 对于Windows系统，目前不支持ARM的CPU，仅支持x86_64的CPU。
    • 如果有NVIDIA显卡，则选择 KnowlifyAI-Windows-x86_64-cuda.7z，内含CUDA支持。
    • 其他情况（其他品牌显卡 或者 没有独立显卡）均选择KnowlifyAI-Windows-x86_64-cpu.7z。
  • 对于macOS系统，Apple Silicon CPU（即arm64架构）则选择KnowlifyAI-macOS-arm64-mps.zip，其他CPU则选择KnowlifyAI-macOS-x86_64-mps.zip。另外，在macOS上运行软件可能会遇到的问题，请参考这里解决。
  • 对于Linux系统，目前不支持ARM的CPU，仅支持x86_64的CPU。
    • 如果有NVIDIA显卡，则选择 KnowlifyAI-linux-x86_64-cuda.7z，内含CUDA支持。
    • 其他情况（其他品牌显卡 或者 没有独立显卡）均选择KnowlifyAI-linux-x86_64-cpu.7z。
  • 下载地址点击 这里，因软件包非常大，在这里提供网盘备用下载，下载后请使用 7zip 解压缩，解压后无需安装，直接运行。

硬件要求

该软件会在本地计算机运行语音识别模型，模型需要使用3GB内存。

所以，对计算机配置的最低要求是

  • CPU：4核以上；
  • 内存：8G以上；

在过往的测试表现中，测试机 CPU AMD Ryzen 7 PRO 5850U (16 Core) @ 1.90 GHz + 内存 48G + 集成显卡（1G显存） 的电脑上，

  • 6分钟的mp3, 3MB，处理时间在48秒；
  • 1小时53分钟的mp3, 88MB，处理时间在14分钟；

在测试机 Intel(R) Xeon(R) E3-1270 V2 (8) @ 3.90 GHz + 内存 16 GB + NVIDIA RTX A2000（8G显存）的服务器上，

  • 6分钟的mp3, 3MB，处理时间在5秒；
  • 1小时53分钟的mp3, 88MB，处理时间在1分钟；

功能说明

多媒体转录

功能解释

多媒体转录，即音视频转文本，使用该功能可以让你从任意音频和视频文件中识别出文本，使得可以做文字搜索，或者直接通过AI建成智能体，从而快速提升从音频和视频中获取知识的效率。

应对场景

从B站或者油管上看到非常好的视频，但是非常长，或者博主的讲解速度非常慢，很难有耐心或足够的时间整个看完。或者买了网盘上的一大堆音视频的资料包，想要快速从中寻找到自己想要的内容，但是无从下手。

软件特色

  1. 支持大批量转录。目前百度简单听记 和 阿里听悟 之类的产品都有限制，前者不能批量，后者最多批量50个，且不支持批量下载转录后的文件，针对每个音视频还有长度限制。
  2. 支持对接AI模型处理转录的文字，修正错误和优化格式。可以对接大模型平台（如硅基流动）中的任何模型。

效果示范

请移步这里 查看。

使用方法

本软件支持批量转录

  • 你可以选择多个文件后批量提交，这些文件会被依次转录；
  • 你也可以选择某个文件夹提交，软件会对该文件夹里的所有文件依次转录；

可选参数有

  • 音视频语言：目前仅支持英文和中文，可以是纯英文或中文，也可以是混合中英文；
  • 翻译：将转录完后的内容翻译成你要的语言，目前也仅支持中文和英文；
  • 文本形式（效果可以参考前面章节“效果示范”）：
    • 原始：对转录出来的文字不进行格式处理，仅进行错误修正（依赖于大语言模型）；
    • 问答形式：如果音视频内容是自问自答的Q&A或者两人的一问一答形式，选择此项后就会让输出的文字形式变成一问一答（依赖于大语言模型）；
    • 段落形式：适合单人或者多人演讲场合，选择此项后就会让输出的文字切割成自然段落，每个段落是一个独立的意思（依赖于大语言模型）；
  • 优先级：你可以批量提交很多转录任务，但可以给他们设定不同的优先级，优先级高的将会被优先转录；
  • 热词：当视音频里有些发音非常模糊或者他们是多音字，这些都会导致识别不准确，但如果你在这里提供这些词，那么在最终的识别结果里，这些词的识别准确性将得到很大的提升；
  • 输出位置：
    • 源文件所在目录：如果你的音频文件在 D:\folder-1\file-1.mp3，那么转录的结果将保存在 D:\folder-1\file-1.txt。 如果你有2个文件需要转录，他们分别在D:\folder-1\file-1.mp3和D:\folder2\file-2.mp3，那么他们的转录结果也将分别保存为D:\folder-1\file-1.txt和D:\folder2\file-2.txt；
    • 指定目录：转录的结果将全都被存放在这个指定的目录里；

操作步骤

  1. 选中标签，“选择文件”还是“选择目录”；
  2. 选择参数（见上面的解释）；
  3. 右下角“开始转录”提交任务；

任务管理

对每个任务，在“操作”列里的按钮分别是：详情，取消，暂停，恢复。

点击某个任务的详情后，将看到每个文件的转录进展和错误信息

设置

大模型设置

前面提到过有些功能是需要依赖于“大语言模型（简称LLM）”的，这里就是配置LLM的位置，我们以硅基流动的服务为例，点击API密钥，将密钥复制过来填入到“API Key”里面，“API 地址”填写为 “https://api.siliconflow.cn” ，“模型名称”则是从硅基流动的模型广场里找到的模型的名称，比如 “ deepseek-ai/DeepSeek-V3.2-Exp ” ，点击“保存”后就可以在转录的时候自动发挥作用了（保存后点击“检测”可以检测模型是否可用）。如果没有设置LLM参数，那么软件执行的时候将会自动跳过需要LLM的步骤。

大模型供应商

目前支持的大模型供应商有

供应商 是否支持
OpenAI ✅
Gemini ✅
Anthropic ✅
xAI ✅
SiliconFlow ✅
Moonshot ✅
DeepSeek ✅
Ollama ✅
其他兼容OpenAI接口风格的供应商 ✅

常用大模型的参数

参数 DeepSeek-V3.2-Exp GPT-5.1 GPT-4.1 Gemini-2.5-Pro Claude-Sonnet-4.5
上下文窗口大小(tokens) 160k 400k 1M 1M 200k(实验性支持1M)
最大输出量(tokens) DEFAULT: 32K ; MAXIMUM: 64K 128k 32k 64k 64k
输入价格(Per 1M tokens) ￥2.0 （$ 0.28） $1.25 $2.0 $1.25, prompts <= 200k tokens ; $2.50, prompts > 200k tokens $3.0, prompts <= 200k tokens ; $6.0, prompts > 200k tokens
输出价格(Per 1M tokens) ￥3.0 （$ 0.42） $10.0 $8.0 $10.00, prompts <= 200k tokens ; $15.00, prompts > 200k $15.0, prompts <= 200k tokens ; $22.50, prompts > 200k tokens

重点参数解释

  • 上下文窗口，也即最大输入量，关系到一次性调用模型的文本的长度的限制。比如，一个超长的音频转录出来有几万字，那么上面的模型都可以一次性接收。但如果是几百万字的文本，就要选择更大窗口的模型了，比如1M窗口的模型。如果大模型的窗口小于我们的文本，那么就会失败，使得转录的结果仅保持原始形式的文本。
  • 输入和输出价格，音视频转录后文本的处理对推理能力不是刚需，如果考虑到超长的文本和大量的转录需求，优先考虑成本低的模型，比如 DeepSeek-V3.2-Exp。

订阅

订阅的费用仅是本软件的使用费，不包括用户对大模型平台的使用费，用户可以在本软件中对接任何大模型平台的服务，在他们的平台中单独计费。

注意事项

  • 当首次对音视频文件进行转录时，本软件会在后台下载AI模型，模型大小为几个GB，下载时间根据用户的网速不同而定，模型下载和载入完毕后才开始转录，所以首个音视频的转录等待时间会比较长，后续的转录就会很快。
  • 其他问题请参阅 Q & A

问题和建议反馈

联系我们 - 智慧谷

大纲