shuuul 发布本地转写与 OCR 工具 aimd
先了解这件事
开发者 shuuul 在 GitHub 发布开源 Rust 工具 aimd：单个二进制文件，可自动识别输入类型，将音视频、URL、EPUB、PDF、图片等转为 Markdown，语音识别与 OCR 通过 MLX 在本地运行，无需 Python、PyTorch 或 Transformers。 本地 ASR 使用 Qwen3-ASR（1.7B/0.6B），OCR 默认 Unlimited-OCR-2，另支持 PaddleOCR-VL-1.6 与 PP-OCRv6。模型权重不随工具打包，首次本地运行时从 Hugging Face 下载所选模型。URL 转录经 yt-dlp，优先使用字幕，否则下载音频本地转写并用页面元数据做上下文偏置。 本地推理需要 MLX 支持的 GPU 设备（macOS 用 Metal，Linux 用 CUDA）；设置 AIMD_MLX_DEVICE=cpu 或机器无可用 GPU 时，本地 ASR/OCR 会提前失败，需改用远程后端。远程推理为可选功能。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 去对齐工具与仓库精选aimd：单二进制 Rust 工具将音视频、URL、PDF 等输入转为 Markdown
shuuul 发布 aimd，一个原生 Rust 单二进制工具，可自动识别输入类型并将 URL、音视频、EPUB、PDF、图片等转为 Markdown，语音识别与 OCR 通过 MLX 在本地运行（macOS 用 Metal，Linux 用 CUDA），无 Python、PyTorch 或 Transformers。本地 ASR 用 Qwen3-ASR（1.7B/0.6B），OCR 默认 Unlimited-OCR-2，另支持 PaddleOCR-VL-1.6 与 PP-OCRv6；URL 转录经 yt-dlp，优先用字幕，否则下载音频本地转写并用页面元数据做上下文偏置。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。