#Life #Tools #Web
🏠 用两个网页项目，为你的定居地点出谋划策
你对自己目前所在的城市满意吗，你是否有移居 / 旅居到其他城市的打算？今天介绍的两个网页项目，将从两个不同的维度，为你的决策提供一些参考
1️⃣ Numbeo
🔗：Web
Numbeo 是一个全球数据库，其数据范围包括被各个国家或地区政府汇报的居民消费价格指数、直观犯罪率、医疗保健品质等其他统计数据
选择国家和地区后，你可以直观地看到居住在该城市所需的平均成本，涵盖住房、交通、生活购物、用餐、衣服、公共事业等。网页还配有图表，能够一目了然地 get 到在当地生活所需成本
不过 Numbeo 提供的医疗、安全、生活质量等数据，大多是一个数字指标，个人感觉仅凭指标不能很好地了解一个城市的细节。因此，Numbeo 比较适合用来计算 Cost of Living
2️⃣ 明日故乡
🔗：Web
明日故乡是一个中国城市数据查询器。它旨在通过建立一个中国版的 Nomad List（数字游民数据库），来为想要逃离北上广深等超大型城市的中国青年做出决策参考
因此，它和 Numbeo 从两个不同的角度选择定居地点。对明日故乡的使用者来讲，生活质量的优先级高于生活成本，网页内容页更加偏向生活
明日故乡提供了城市基础信息、天气、住房、商业、交通等方面的数据，当地生活成本需要用户自行计算。最有意思的应该是商业部分，从大城市到小城市，大家最关心的还是能否找到自己习惯去的连锁店
🏝 无论国内外，以上两个工具都能对你的定居方案起到一定的帮助作用。希望你可以通过改变定居点，打开人生的新阶段，获得更高的生活质量，丰富自己的精神世界
频道：@NewlearnerChannel
你对自己目前所在的城市满意吗，你是否有移居 / 旅居到其他城市的打算？今天介绍的两个网页项目，将从两个不同的维度，为你的决策提供一些参考
1️⃣ Numbeo
🔗：Web
Numbeo 是一个全球数据库，其数据范围包括被各个国家或地区政府汇报的居民消费价格指数、直观犯罪率、医疗保健品质等其他统计数据
选择国家和地区后，你可以直观地看到居住在该城市所需的平均成本，涵盖住房、交通、生活购物、用餐、衣服、公共事业等。网页还配有图表，能够一目了然地 get 到在当地生活所需成本
不过 Numbeo 提供的医疗、安全、生活质量等数据，大多是一个数字指标，个人感觉仅凭指标不能很好地了解一个城市的细节。因此，Numbeo 比较适合用来计算 Cost of Living
2️⃣ 明日故乡
🔗：Web
明日故乡是一个中国城市数据查询器。它旨在通过建立一个中国版的 Nomad List（数字游民数据库），来为想要逃离北上广深等超大型城市的中国青年做出决策参考
因此，它和 Numbeo 从两个不同的角度选择定居地点。对明日故乡的使用者来讲，生活质量的优先级高于生活成本，网页内容页更加偏向生活
明日故乡提供了城市基础信息、天气、住房、商业、交通等方面的数据，当地生活成本需要用户自行计算。最有意思的应该是商业部分，从大城市到小城市，大家最关心的还是能否找到自己习惯去的连锁店
频道：@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
#Blog #AI #Tools
📩 接读者来稿，他向我们分享了自己使用 Whisper API 进行音视频转录文字的一些心得
🎙 精准转写：利用 Whisper 处理音视频转文字不完全指南
🔗：Blog
📝 文章概述
- 背景
- 方案选择
- 操作流程
- 潜在问题与更多场景
🔮 音视频转录 / 翻译文字一直是一个比较热门的使用场景，在 AI 迅速普及后，这个问题的解决也取得了一些突破。作者在使用传统商业转录遇到精度不高的问题后，开始拥抱 OpenAI 发布的 Whisper API
💡 在文中，作者详细介绍了 Whisper 使用效果、具体实现方法、Prompt 探讨，并在结尾指出了该方案存在的一些问题。如果你也有类似的需求，可以根据这篇文章「抄作业」了
👀 正如我一直所认为的，AI 是处理「机械化」流程的一把好手，但最终对于结果的把控，还在于人。善于利用 AI 工具是好的，但在 AI 还并不是那么成熟的今天，过分依赖而不加思考，容易被事实性错误所困扰
📘 关联阅读：WhisperNotes - 利用Whisper模型的本地语音转文字「速记」App
频道：@NewlearnerChannel
📩 接读者来稿，他向我们分享了自己使用 Whisper API 进行音视频转录文字的一些心得
🎙 精准转写：利用 Whisper 处理音视频转文字不完全指南
🔗：Blog
📝 文章概述
- 背景
- 方案选择
- 操作流程
- 潜在问题与更多场景
🔮 音视频转录 / 翻译文字一直是一个比较热门的使用场景，在 AI 迅速普及后，这个问题的解决也取得了一些突破。作者在使用传统商业转录遇到精度不高的问题后，开始拥抱 OpenAI 发布的 Whisper API
💡 在文中，作者详细介绍了 Whisper 使用效果、具体实现方法、Prompt 探讨，并在结尾指出了该方案存在的一些问题。如果你也有类似的需求，可以根据这篇文章「抄作业」了
👀 正如我一直所认为的，AI 是处理「机械化」流程的一把好手，但最终对于结果的把控，还在于人。善于利用 AI 工具是好的，但在 AI 还并不是那么成熟的今天，过分依赖而不加思考，容易被事实性错误所困扰
📘 关联阅读：WhisperNotes - 利用Whisper模型的本地语音转文字「速记」App
频道：@NewlearnerChannel