19 KiB
转写记录：新录音.m4a
时间：2026-05-04 15:20:35 模型：fun-asr 时长：1201秒 场景：电话录音
转写内容（按时间顺序）
00:00:00 好，你说吧。 00:00:03 好，今天我跟你说的是两个事啊，就是我后面针对于视力美的这个场景啊，我跟那个谁老板我们也讨论了一下啊，就是说我们内部到底要落什么样的东西。 00:00:16 对。 00:00:17 呃第一个呢现在就是两个方向的东西我们其实很重要。 00:00:21 嗯。 00:00:22 第一个东西呢就是AI视光师。 00:00:26 这个其实实现起来我想的还是比较简单。 00:00:29 嗯你比如说啊就是这个要有的这个需功能需求是啥呢第一得得得让这个东西他能精准的读懂这个呃家长的这个就医院开具的这个眼睛检查的这个报告。 00:00:47 对。 00:00:47 嗯。 00:00:47 完了过来他把这个报告读取了之后以我们的话来给他解读出来让家长能看得懂这个是一个很大的需求。 00:00:55 明白啊我我这样问一下这个报告呢。 00:00:59 是个，是个啥？ 00:01:00 是个图片是吧？ 00:01:02 是个图片或者是PDF。 00:01:04 PDF里边是个啥？ 00:01:05 还是个图片嘛，是吧？ 00:01:08 里边对，就是什么眼轴地图啦，一个图完了以后里边又说一些医学术语，那家长都听不懂啊。 00:01:14 不是我懂，我的意思是啥？ 00:01:16 呃，这里边它涉及到两两方面啊。 00:01:20 我问为啥问这个呢？ 00:01:22 就是第一个就是。 00:01:23 它如果是个图，明白吧？ 00:01:26 啊，那这里边就会涉及到这个类似于OCR的东西。 00:01:31 如果它是一个呃，你不管是WORD文档还是什么样，它转成PDF，它实际上它是文字啊，它是表格。 00:01:41 那这样的话，基本还是OCR，OCR啊，那就是个图对吧？ 00:01:45 啊，好，我知道了。 00:01:46 大部分场景是OCR，嗯嗯嗯，那我就按图来考虑嘛，对吧？ 00:01:51 哎对好OK然后这个是然后这这是第一个需求第二个需求就是啥呢不是不是稍等稍等你的现在这个验光报告是医院出的还是你们出的医院出的我要能读懂能解读呃。 00:02:10 这个我先问问清楚啊那那这个医院出的话那是家长去医院去专门出了个验光报告了还是个啥意思对家长专门去医院出了个验光报告啊这场景是啥就是你孩子发现近视了家长第一反应是先去医院看一看啊检查一下看真近视假近视是吧啊对他拿了报告出来了之后他这边也看不懂。 00:02:36 他需要有人来给他解读，明白啊？ 00:02:39 我听懂了。 00:02:41 对对啊然后呢自己去得有人给他能解读的懂他自己拍个照我我现在想法就是他拍个照他就能看懂这个东西这个报告显示的是什么意思完了以后呢我们再给他匹配我们的方案是这样一个过程那这个报告是一张纸一张照片就能拍下还是。 00:03:01 好几张，因为他得拍好几张图片，是吧？ 00:03:07 得好几张照片才能拍出来，大概是多少？ 00:03:10 七八张、八九张、七八张差不多，七八张、七八张照片是吧？ 00:03:15 OK，好，对，嗯，好，这是第一个，然后弄完了以后我们是不是可以真把这些数据沉淀下来，给孩子生成一个这个这个就是事例答案了，就这是事例答案的第一第一第一份数据嘛，对。 00:03:31 嗯，然后呢，接下来就是需要新开发的东西，就是相当于我得给孩子有一个视力档案的系统。 00:03:41 视力档案系统很简单这没有啥嘛啊就是嘛就是但是我把需求一个一个给你说嘛对啊完了以后呢好这是第一个第一个然后第二个呢是我现在在我们企业内部想要推这个AI这件事情对现在有一定的这个困难因为啥呢大家对于这个东西的理解它不像咱一直在用对嗯嗯现在我就想啥呢所有的业务场景要给大家搞一个活动AI创意大赛。 00:04:15 提出想法和创意，你的痛点是什么？ 00:04:18 我们看能不能用AI来解决。 00:04:20 那中间现在就出来了一个东西叫视频混剪，视频混剪市面上的，然后你听我说，然后市面上的这个视频混剪的软件达不到我们的要求，为啥嘞？ 00:04:33 大量的重复素材，它就是黑剪、黑黑纯剪嘛，黑混剪嘛。 00:04:38 呃你稍等啊，不是你稍等因为啥你我对这个视频的这个混剪啊我们把这个对齐一下这个视频的混剪是不是就是在剪映里边干的这个事儿还是啥？ 00:04:53 呃就是呃可以可以这么理解就相当于自动。 00:04:58 剪辑啥的剪了的。 00:05:01 那你看啊，咱们这样说，也就是说我我这边不管是用视频啊拍的视频也好，还是我用AI生成的这个片段也好，比如说我有五个片段，我最后五个片段我要把它在剪映里边，现在是这是个剪辑的工作对吧？ 00:05:18 我把它要混起来，然后把配音配上啊，对，把字幕打上。 00:05:24 那对，那这个地方它不是都是人做的吗？ 00:05:27 啊不，这个东西它可以用有那种混剪软件可以做的，AI 全全 AI 做。 00:05:35 哦。 00:05:37 对然后这这个东西这个东西它的需求就是这个东西是这样一个东西但是它的需求点就是它的功能点有几个啊一个是啥呢解决全国收集素材的问题就是所有的端口所有的账号可以在他当地拍了视频之后直接上传这个我们目前在市面上没见过这样的嗯嗯。 00:05:59 然后呢他发上的素材我们不一定能用所以我们还要有一个审核机制对啊这个审核机制相当于我得看一下这个素材能不能用能用了我才存起来那那这个用户是个谁用户是啥我们全国门店你们的门店然后拍了素材他们来给我们提供素材然后我们来分检然后然后把素材现在是通过一个系统然后传上来。 00:06:25 你们对他们的这个拍的这一部分素材，然后做个审核，是人工的还是啥？ 00:06:31 人工审核，人工审。 00:06:33 那他拍的这个素材视频，也就是一段视频嘛？ 00:06:36 是吧？ 00:06:36 对吧？ 00:06:38 对。 00:06:38 那这个视频那个长短，你这边有考虑吗？ 00:06:42 呃，30秒以内啊，就拍一个30秒以内的一段视频，然后传上来，然后人工审核一下啊。 00:06:51 嗯，再然后呢，然后再然后呢，就是我所有的AI工具，因为我考虑到我们所有人使用的这个习惯，他不可能说是今天让他跑到我的视这个视力小助手里边去，明天跑到这个APP里去，我需要有一个网站。 00:07:09 然后把这些东西集成进去。 00:07:12 不是你的视力小小助手APP是个啥？ 00:07:15 就比如说我把给他们做的这些AI场景，比如刚才时光助手和这个呃和这个什么混剪分别是一个这个这个AI嘛，分别分别一套系统嘛。 00:07:27 我现在你现在混剪是个啥系统？ 00:07:29 混剪现在有系统吗？ 00:07:31 没有系统的就是要做的，但是我所有说的这些都是要做的。 00:07:36 我我我这样说啊，咱们这样说一个一个说啊。 00:07:39 第一个图片就是就是眼睛检查的这个相当是视力档案对吧？ 00:07:48 对啊，这是第一个是信息化系统啊，这个就很简单。 00:07:52 第二个基于档案的一个解解读啊，这里边稍微可能到时候要试一下看视力档案的这个图片是个啥样子。 00:08:00 它的这个解读分析比较容易，没有啥。 00:08:03 就我们这类似的前面做过很多了啊，而且效果也都没问题。 00:08:08 现在只是有问题的是，我们需要把这个档案里边的这些图片要摘出来啊，变成文字，这才能让AI去做分析。 00:08:18 所以这块儿可能到时候要试一下。 00:08:20 因为我们之前不是做过语文卷子嘛，啊，语文卷子的那个你想那那学生写的那种狗爬的字儿，他们都能识别出来啊。 00:08:30 因为现在这个视力档案这个肯定是打出来的报告啊，打印版的，我觉得这个效果应该没啥大问题。 00:08:38 所以，这这是第一场、第二场视力混检。 00:08:41 现在让我理解，呃，它里边有两部分。 00:08:44 第一部分的话是一个，呃，也是个素材收集管理的一个系统，涉及到你们各门店啊，然后用手机，它肯定是用手机拍的，大部分对吧？ 00:08:57 用手机拍完以后，用手机上传。 00:09:00 啊，然后呢？ 00:09:01 你这边会对这个素材呢，可能除了审核以外，可能还有分类、打标签的一些诉求，对吧？ 00:09:08 啊，就相当是个管理的一个诉求。 00:09:11 呃，同时这个视频如果传上来以后，把这30秒的相关的文字如果能提取出来，描述能提取出来，就意思就是它的这个。 00:09:22 Meta信息啊，原数据的一些东西能提取出来，将来去去搜索这个视频的话比较容易。 00:09:30 那下一个就是你现在拿的素材，你现在把这些素材最后变成一个成片儿，对吧？ 00:09:38 对。 00:09:39 变成这个成片，你是希望它现在是自动化一把生成，是吧？ 00:09:45 对了。 00:09:47 一把生成的话。 00:09:51 这相当是里边可能会有图上视频视频上视频或者是纹身啊。 00:09:57 就是混剪很简单的它其实跟AI这块跟AI的关系大你该买一个OEOEM平台他们有那种混剪的混剪的软件源代码你先弄一个改吧改吧就完了。 00:10:09 啊这个意思是吧他们需要去生成一些额外的一些东西。 00:10:15 对，甚至说可以简单生成，但不需要太复杂。 00:10:19 哦，那行，那这块我需要了解，就技术上啊，我需要了解一下。 00:10:23 行，那那然后后来后面啊，后面是把这些东西组组到一块去嘛，这是一个平台，是你们的史蒂美的内部管理平台嘛，对吧？ 00:10:33 对对对对对啊，然后有部分是手机端，有部分是PC端啊，对对对对对。 00:10:40 香。 00:10:41 啊，这第一个事啊，这个这个东西需要啥呢？ 00:10:43 第一需要合作的框架，第二需要报价。 00:10:48 啊。 00:10:49 哦，合作的框架。 00:10:53 就比如说你打算怎么来合作这件事情，付费什么样的，版权什么样的，啊，你这个整个的这这那的，就这一系列的东西。 00:11:03 有一个思路框架出来。 00:11:07 啊，行，我这块儿我记一下。 00:11:09 对，然后第二就是这个报价可以不用特别详细，但是最起码大概得心里有数，大概得多少钱。 00:11:18 嗯嗯。 00:11:20 我这样问一下啊，你们老板大概能接受多少钱？ 00:11:25 那。 00:11:27 不信。 00:11:29 几20万肯定的。 00:11:33 行，我都没办法，没准备往20万报。 00:11:42 有多钱都愿意花。 00:11:45 不差钱我们我们前两天光收一个收一个设备厂商就他妈花了大几百眼睛都没眨一下现在关键是啥呢这块儿集团现金流特别好啊但是现在关键就是在啥呢这个东西我们也是处于探索阶段他不确定他的这个效果和实际应用到底有对企业有没有价值。 00:12:05 所以他的心理预期很低。 00:12:08 你看啊，这块我是这样想的啊，这里边其实准确来说是两部分，一部分是传统的这种信息化管理的软件啊，另外一部分是智能化的这个软件。 00:12:23 所以呢，我是这样想这个东西的。 00:12:25 就是信息化的这部分啊，这个我可能就问你们老板收啥。 00:12:31 就属于一次一次性付费，如果将来有功能的这个变更，我们再变更付这个做完了以后啊，知识产权就是个系统的知，就是这个信息化系统这块知识产权就给你们了啊，我都可以提供源码啊，啥都可以。 00:12:48 然后，智能化这一块，我是希望的是啥？ 00:12:52 智能化这一块，它跟信息化有的比较大的区别就在于，智能化是随时需要哎呀这样来说，随时需要调整的啊。 00:13:03 对，所以也就是说这块的话，我有可能会变成一个。 00:13:08 变成一个一种合作的一种形式啊它不是一次性付费的一种形式一会我要想一想交易没问题你想一想给我就行因为你看原来咱用的艾特星球的平台对吧基本上平台开发完以后你要是没有啥新功能就是一些简单维护的完了平台就不动了所以艾特星球的时候那平台没事做完了我不是跑到驱动销售去了。 00:13:33 销售弄完了去弄那个叫什么售后去了嘛，对吧？ 00:13:37 啊，是这个意思。 00:13:39 所以但是智能化这块不一样啊，那那那那这个这个就是这两天我要准备一下嘛，是吧？ 00:13:46 对，也也可以以我们之前讨论的形式，比如说这个东西我们彻底就以合作的形式来做，这都没问题，只要你提提想法，我跟他去聊嘛。 00:13:54 行，可以，明白了。 00:13:56 嗯，然后呢，接下来刚第二个事，我刚好是今天出来办事，结果认识一个。 00:14:02 对，他是皮皮影的那个奥德赛。 00:14:07 嗯。 00:14:08 就是他是干啥的呢？ 00:14:09 VR大空间体验，你知道吗？ 00:14:12 嗯嗯，你说。 00:14:14 完了以后呢，他现在有一个痛点，就是用户没法产生个性化的内容，没有办法帮他宣传。 00:14:24 呃，稍等稍等啊，这东西我没见过啊，VR奥德赛是个啥东西，戴个眼镜或者头盔之类的东西。 00:14:42 那就是他类似是一个他是一家类似于影院这样的东西是吧？ 00:14:47 对。 00:14:48 然后人进去以后啊。 00:14:50 别玩啊。 00:14:52 对。 00:14:53 玩完以后这样我就给他出了一个想法我说你看用户没法帮你也没法帮你分享是因为他他分享的内容他不在里边。 00:15:04 对，完了以后呢，现在就是你想办法让用户给你能这个用户给你能能传播，那取决于你在这个，他在 VR 空间里的这个素材，他又可以导出，导出了之后我现在就需要啥，需求就是他每一个用户。 00:15:24 后，给他做一个个人微电影，就比如说他里边玩了，玩完了之后把里边他玩的过程导出来了，场景导出来了，导出来了之后需要把 VR 的这个人脸换成那个人。 00:15:38 嗯，然后给他弄成一，也是混剪一样的，弄成一个个人微电影。 00:15:43 用AI换脸，嗯嗯嗯，然后就是这么。 00:15:47 嗯。 00:15:50 这个我操，这个得试呢。 00:15:53 就是咱们这样说啊，换图片、图片换脸是没问题的啊。 00:15:58 那现在主要有一个问题是，那什么？ 00:16:01 主要有一个问题，因为它最后是个视频嘛，对吧？ 00:16:05 最后是要拿这个图，其实要调。 00:16:08 调 c 调式来做。 00:16:11 呃，图生图生视频的那这个图生视频的这个现在完全自动化这个东西，我操，这个这个效果不一定好，你明白吧？ 00:16:24 不是，那你可以，那可不可以有这样解决方式啊？ 00:16:29 就是我这个视频模板，我就打三个。 00:16:34 每一个他的场景动作啥的，其实几乎一样。 00:16:37 对。 00:16:39 以后呢，我每次用户只需要拍一张自己的大头照，马上去换。 00:16:45 换的这个流程和逻辑都一样，场景都一样。 00:16:49 嗯嗯嗯。 00:16:52 行，我我明白你的意思。 00:16:54 因为现在是啥？ 00:16:55 咱们这样说啊，因为现在图文生图、图生视频这里边儿，我们提示词一样的情况下，到AI实际上去做的时候，他卖的也是个臭盲盒儿。 00:17:07 这块儿我得试一下啊。 00:17:10 因为就是你提示词不变你扔进去你看它都给你生成每次生成的东西是不一样的对啊所以这块儿我得试一下看C down这块儿能控制住还是不行用V U啊对因为我想的是如果你打上三个左右的这个拍模板的话它的视频要多长十十来秒啊。 00:17:34 呃，整个视频长肯定是长一点，大概在1分钟到3分钟，但是呢，里边需要换脸的，加起来的这个时长可能就需要十来秒，20秒就够了。 00:17:45 哦，意思啊还是一个视频最后还是有个剪辑组合的一个过程，对吧？ 00:17:51 哎，对对对，但是我把这个剪辑组合给他已经打死了。 00:17:56 场景这么多，换脸的地方就这么多，嗯嗯嗯，这样你的成本、你的这个算力成本和你技术难度就低了。 00:18:05 对，那还有就是如果我报了价，将来如果我们选型，比如说选了C D S或者选了V E O对吧？ 00:18:12 啊，那将来的这个就相当是人家第三方K的这个钱，他得自己掏，对吧？ 00:18:19 那肯定嘛。 00:18:20 这东西我跟他聊的是啥？ 00:18:22 你把这个东西做，做完了以后我们做这系统，你自己的影院先用，用完了之后，因为他全国有一个影院的一个大群，几乎全国这种影院他都认识。 00:18:32 我们直接给人家卖端口，挣个差价。 00:18:36 嗯嗯。 00:18:37 我明白了。 00:18:43 你这个啥时候要第二个？ 00:18:46 第二个看你时间吧，我五号去他那看一下。 00:18:50 你是这你看完了以后你到时候给我点拍点照片啥的啊，我给你直接把素材提供了，我给你把需求素材提供了，对意思就是赶五号肯定有东西，就是第二个肯定东西出不来啊，第一个第一个第一个肯定是可以出来，就是我明天。 00:19:09 早上起来我就把第一个就整理出来，整理出来我就给你材料了啊。 00:19:15 第二个我得让说他们写开门是呢啊，对因为这块儿他妈是程序程序控制的。 00:19:24 你刚才你看我用C档子用VU都是人工做，其实道理虽然是一样但问题是。 00:19:30 那这个AI去聊天是一样的啊，它里边能不能控得住，控到什么样的程度啊？ 00:19:37 这块真得试一下。 00:19:40 对，这块真得试一下。 00:19:43 行啊行啊，那那行，那那那就先这样。 00:19:45 好，大概就这俩事。 00:19:46 嗯嗯，好，我知道了。 00:19:48 那行，那先这样啊。 00:19:50 好，嗯，拜拜。 00:19:51 哎，拜拜。