20240131在ubuntu20.04.6下使用whisper不同模式的比对

20240131在ubuntu20.04.6下使用whisper不同模式的比对

2024/1/31 16:07

首先你要有一张NVIDIA的显卡，比如我用的PDD拼多多的二手GTX1080显卡。【并且极其可能是矿卡！】

2、请正确安装好NVIDIA最新的驱动程序和CUDA。可选安装！

3、配置whisper

rootroot@rootroot-X99-Turbo:~ rootroot@rootroot-X99-Turbo:\~ python -m pip install --upgrade pip
【可以不安装conda】
rootroot@rootroot-X99-Turbo:~ wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh rootroot@rootroot-X99-Turbo:\~ ffmpeg
rootroot@rootroot-X99-Turbo:~ pip install -U openai-whisper rootroot@rootroot-X99-Turbo:\~ pip install tiktoken
rootroot@rootroot-X99-Turbo:~ pip install setuptools-rust rootroot@rootroot-X99-Turbo:\~ whisper audio.mp3 --model medium --language Chinese
rootroot@rootroot-X99-Turbo:~ whisper chi.mp4 --model medium --language Chinese rootroot@rootroot-X99-Turbo:\~ sudo apt-get install ffmpeg
rootroot@rootroot-X99-Turbo:~$ time(whisper chs.mp4 --model medium --language Chinese)

rootroot@rootroot-X99-Turbo:~/chs/tiny rootroot@rootroot-X99-Turbo:\~/chs/tiny time(whisper chs.mp4 --model tiny --language Chinese)
user 0m58.186s
rootroot@rootroot-X99-Turbo:~/chs/tiny ll rootroot@rootroot-X99-Turbo:\~/chs/small
rootroot@rootroot-X99-Turbo:~/chs/small time(whisper chs.mp4 --model small --language Chinese) user 2m16.187s rootroot@rootroot-X99-Turbo:\~/chs/small
rootroot@rootroot-X99-Turbo:~ rootroot@rootroot-X99-Turbo:\~ time(whisper chs.mp4 --model medium --language Chinese)
user 3m58.478s
rootroot@rootroot-X99-Turbo:~ rootroot@rootroot-X99-Turbo:\~
rootroot@rootroot-X99-Turbo:~/chs/medium rootroot@rootroot-X99-Turbo:\~/chs/medium time(whisper chs.mp4 --model medium --language Chinese)
user 3m58.612s
rootroot@rootroot-X99-Turbo:~/chs/medium ll ootroot@rootroot-X99-Turbo:\~/chs/large
rootroot@rootroot-X99-Turbo:~/chs/large$ time(whisper chs.mp4 --model large --language Chinese)
Traceback (most recent call last):
File "/home/rootroot/.local/bin/whisper", line 8, in <module>
sys.exit(cli())
File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/transcribe.py", line 458, in cli
model = load_model(model_name, device=device, download_root=model_dir)
File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/init.py", line 156, in load_model
return model.to(device)
File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1160, in to
return self._apply(convert)
File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply
module._apply(fn)
File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply
module._apply(fn)
File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply
module._apply(fn)

Previous line repeated 2 more times

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 833, in _apply
param_applied = fn(param)
File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1158, in convert
return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking)
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 26.00 MiB. GPU 0 has a total capacty of 7.92 GiB of which 12.31 MiB is free. Including non-PyTorch memory, this process has 7.56 GiB memory in use. Of the allocated memory 7.10 GiB is allocated by PyTorch, and 354.56 MiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

real 0m24.463s
user 0m45.620s
sys 0m7.237s
rootroot@rootroot-X99-Turbo:~/chs/large$ sudo reboot

rootroot@rootroot-X99-Turbo:~/chs/large-v1 whisper chs.mp4 --model large-v1 --language Chinese rootroot@rootroot-X99-Turbo:\~/chs/large-v2
rootroot@rootroot-X99-Turbo:~/chs/large-v2 whisper chs.mp4 --model large-v2 --language Chinese rootroot@rootroot-X99-Turbo:\~/chs/large whisper chs.mp4 --model large-v3 --device cuda

rootroot@rootroot-X99-Turbo:~/chs/tiny$

rootroot@rootroot-X99-Turbo:~/chs/tiny$ time(whisper chs.mp4 --model tiny --language Chinese)

00:00.000 --\> 00:03.000 前段时间有一个巨师恒伙 某某是男人最好的意味

00:03.000 --\> 00:07.800 这里的某某可以提问为减肥长发 西装考研数唱勇且无间等等等等

00:07.800 --\> 00:09.360 我听到最新的一个说法是

00:09.360 --\> 00:13.400 微分碎盖加口罩 加半胖眼镜 加春风衣 等于男人最好的意味

00:13.400 --\> 00:14.480 大概也就前几年

00:14.480 --\> 00:17.480 春风衣还和格子称山并没为成续员穿大精华

00:17.480 --\> 00:20.000 子红色春风衣还被欲为广场五大码标配

00:20.000 --\> 00:22.800 落土白还是我跌这个年纪的人才会有意义买的孩子

00:22.800 --\> 00:24.440 不知道风向为啥变得这么快

00:24.440 --\> 00:27.840 为啥这东西突然变成男生秘习神器 时尚潮流单品

00:27.840 --\> 00:29.520 后来我翻来一下小红书就懂了

00:29.520 --\> 00:32.240 时尚这个事情 重点不在于衣服 在于人

00:32.240 --\> 00:36.240 现在小红书上面和春风衣相关的笔记 照片里的男生都是这样的

00:36.240 --\> 00:38.040 这样的 还有这样的

00:38.040 --\> 00:40.640 你们哪里是看川搭的 你们明明是看脸

00:40.640 --\> 00:41.840 就这个造型这个年龄

00:41.840 --\> 00:44.040 你换张老头山也能穿出风衣干好吗

00:44.040 --\> 00:46.640 我又想起了当年过得刚老时穿击凡系的采取

00:46.640 --\> 00:49.640 这个世界对我们这些长得不好看的人 还真是科课的

00:49.640 --\> 00:52.040 所以说我总结了一下春风衣传达的要力

00:52.040 --\> 00:56.040 大概就是一张白镜 且人出武汉的脸 充足的发亮 先细的体型

00:56.040 --\> 00:58.040 当然 身上的春风衣还得是落头的

00:58.040 --\> 01:01.040 去年在户外用品界 最顶流的 既不是两项属

01:01.040 --\> 01:04.040 也不是有效负质称的表面 或者老海顶流哥倫比

01:04.040 --\> 01:04.840 而是落头

01:04.840 --\> 01:07.040 双实衣 落头在天猫户外服势品类

01:07.040 --\> 01:10.040 拿下销售油和销量双料管局 销量达到百万级

01:10.040 --\> 01:13.240 再抖音 落头销售同比针佛高达296

01:13.240 --\> 01:16.040 其下主打的三合一高性价比春风衣成为暴屏

01:16.040 --\> 01:21.040 哪怕不看伤实衣 随手一搜 落头在春风衣的七日销售绑上都是图绑的存在

01:21.040 --\> 01:24.040 这是细上的销售表现 至于现象还是网友总结不好

01:24.040 --\> 01:27.040 如今在南方街头的落头比山莫里的落头

01:27.040 --\> 01:30.040 他就画山 满山的落头 随便逛得接 撞山了

01:30.040 --\> 01:32.040 至于落头会啥这么厚 便宜呀

01:32.040 --\> 01:35.040 拿慢得最好的丁真同款 换引黑三合一春风衣举例子

01:35.040 --\> 01:37.040 现象买 调排价格两千一百九十八

01:37.040 --\> 01:40.040 但是跑到网上看一下 调价就变成了六百九十九

01:40.040 --\> 01:42.040 至于折扣 日常也都是有了

01:42.040 --\> 01:45.040 四百出头就能买到 甚至有时候能递到三百家

01:45.040 --\> 01:48.040 要是你还显贵 路子还要200块出头的单层春风衣

01:48.040 --\> 01:51.040 就这个价格 各上海 恐怕还不够两次CTW 可的报名费

01:51.040 --\> 01:54.040 看来这个价格 再对比一下北面 一千块钱起步

01:54.040 --\> 01:58.040 你就能理解为啥北面这么快就为大学生提出了效负续领了

01:58.040 --\> 02:00.040 我不知道现在大学生每个月生会费作手

02:00.040 --\> 02:02.040 反正按照我上学时候的生活费

02:02.040 --\> 02:05.040 一个月不吃不合 也就买得七两校子加一个贸账

02:05.040 --\> 02:07.040 南怪当年全是价北面 现在都是真落头

02:07.040 --\> 02:08.040 至少人家是正品啊

02:08.040 --\> 02:11.040 我发了一下说家媒体 发现对路头的土草

02:11.040 --\> 02:13.040 和买了路头的 基本上是一笔一笔的笔

02:13.040 --\> 02:15.040 土草最多的就是一笔回调色 还会穿色

02:15.040 --\> 02:18.040 比如土增洗个几次 穿个两天就调光了

02:18.040 --\> 02:20.040 比如不同倉库发的货 这两层似不起

02:20.040 --\> 02:22.040 蓝衣服还得看护口 听出声

02:22.040 --\> 02:25.040 至于什么做工比较差 内膽博 走线操 不防水之类的

02:25.040 --\> 02:26.040 就更多了

02:26.040 --\> 02:27.040 但是这些土草

02:27.040 --\> 02:29.040 并不意味着会影响路头的消量

02:29.040 --\> 02:31.040 甚至还会有不少自来水表示

02:31.040 --\> 02:32.040 就这价格 要啥自行车

02:32.040 --\> 02:35.040 所谓性价比性价比 脱离价为弹性的

02:35.040 --\> 02:37.040 这就不符合消费者的需求

02:37.040 --\> 02:39.040 无数次价格占告诉我们 只要可能这样价

02:39.040 --\> 02:41.040 就没有买不出去的产品

02:41.040 --\> 02:43.040 一件冲风衣 一千多你觉得平平不及

02:43.040 --\> 02:45.040 500多你觉得差的意思

02:45.040 --\> 02:46.040 两百块你就要秒下的

02:46.040 --\> 02:48.040 到99 恐怕就要拼点手速

02:48.040 --\> 02:50.040 像冲风衣这个品嘞 本来价格跨度就大

02:50.040 --\> 02:52.040 北面最便宜的Gortax出风衣

02:52.040 --\> 02:53.040 价格三尖起众

02:53.040 --\> 02:56.040 大概是统品来最便宜出风衣的三倍价格

02:56.040 --\> 02:58.040 至于十足秒 大载的Gortax的

02:58.040 --\> 03:00.040 硬科起步价要到四千五

03:00.040 --\> 03:01.040 而且同样是Gortax

03:01.040 --\> 03:03.040 内部也有不同的系列和党资

03:03.040 --\> 03:04.040 做成衣服 中间的差价

03:04.040 --\> 03:06.040 恐怕就够买两尖路头

03:06.040 --\> 03:08.040 至于智能空温 防水拉脸 全押交

03:08.040 --\> 03:10.040 更加不可能出现在路头这里了

03:10.040 --\> 03:11.040 至少不会是三四百的路头

03:11.040 --\> 03:12.040 甚至会有的

03:12.040 --\> 03:13.040 有的价位的衣服

03:13.040 --\> 03:14.040 买的就是一个放弃坏小

03:14.040 --\> 03:16.040 適到杜子里的科技鱼很活

03:16.040 --\> 03:17.040 適能给你省钱的

03:17.040 --\> 03:18.040 穿在身上的科技鱼很活

03:18.040 --\> 03:20.040 装装电件都是要加钱的

03:20.040 --\> 03:21.040 所以正如博满路蓝所说

03:21.040 --\> 03:23.040 这实际上只有一种医生主义

03:23.040 --\> 03:25.040 就是在认清了路头的本质以后

03:25.040 --\> 03:26.040 依然选择买路头

03:26.040 --\> 03:27.040 关于路头的伙伯

03:27.040 --\> 03:28.040 我有一些小小的看法

03:28.040 --\> 03:29.040 路头这东西

03:29.040 --\> 03:30.040 它其实就是个朝牌

03:30.040 --\> 03:32.040 看看它的营销方式就知道了

03:32.040 --\> 03:33.040 现在打开小红书

03:33.040 --\> 03:35.040 日常可以看到路头穿大师这样子

03:35.040 --\> 03:36.040 加一点分为一个

03:36.040 --\> 03:37.040 是这样的

03:37.040 --\> 03:39.040 对比一下 其他品牌的风格是这样的

03:39.040 --\> 03:40.040 这样的

03:40.040 --\> 03:41.040 其实对比一下就知道了

03:41.040 --\> 03:43.040 其他品牌突出一个实际上

03:43.040 --\> 03:44.040 能防风就一定要讲防风

03:44.040 --\> 03:46.040 能抗动 就一定要讲抗动

03:46.040 --\> 03:47.040 但路头在营销的时候

03:47.040 --\> 03:49.040 主打的就是一个城市互外风

03:49.040 --\> 03:50.040 虽然造型是冲风衣

03:50.040 --\> 03:52.040 但场景往往是在城市里

03:52.040 --\> 03:54.040 哪怕在以外要突出一个风和日律

03:54.040 --\> 03:55.040 阳光明卖

03:55.040 --\> 03:56.040 这少不会在明显的延寒

03:56.040 --\> 03:58.040 高海把或是惡劣气候想

03:58.040 --\> 04:00.040 如果用一个词形容路头的营销风格

04:00.040 --\> 04:01.040 那就是星期

04:01.040 --\> 04:02.040 或者说它很理解自己的消费者

04:02.040 --\> 04:04.040 是谁需要什么产品

04:04.040 --\> 04:05.040 从使用场景来说

04:05.040 --\> 04:06.040 路头的消费者买冲风衣

04:06.040 --\> 04:08.040 不是真的有什么大风大理要去应对

04:08.040 --\> 04:09.040 冲风衣的作用

04:09.040 --\> 04:10.040 是下雨没带散的时候

04:10.040 --\> 04:11.040 营销底的几分钟

04:11.040 --\> 04:13.040 让你能突出管跑回诉设

04:13.040 --\> 04:14.040 或者是冬天起电动车

04:14.040 --\> 04:16.040 被风吹的不醒的时候

04:16.040 --\> 04:17.040 稍微抗一下风

04:17.040 --\> 04:18.040 不是于提感太冷

04:18.040 --\> 04:19.040 当然他们也会出门

04:19.040 --\> 04:21.040 但大部分时候也都是去别的城市

04:21.040 --\> 04:23.040 或者在城市周边高高简单的图部

04:23.040 --\> 04:24.040 这种情况下

04:24.040 --\> 04:25.040 穿个路头已经够了

04:25.040 --\> 04:27.040 从够买冬进来说

04:27.040 --\> 04:29.040 路头就更没有比较商的一些应会科技了

04:29.040 --\> 04:31.040 消费者买路头买的是个什么呢

04:31.040 --\> 04:32.040 不是冲风衣的功能性

04:32.040 --\> 04:33.040 而是冲风衣的造型

04:33.040 --\> 04:34.040 快送的版型

04:34.040 --\> 04:36.040 冷精准着着微微轮起的小肚子

04:36.040 --\> 04:37.040 冷脚分明的质感

04:37.040 --\> 04:39.040 能影藏一切不完卖的整体线条

04:39.040 --\> 04:40.040 选手的副作用

04:40.040 --\> 04:41.040 就是显然轻

04:41.040 --\> 04:42.040 在配上一条流载苦

04:42.040 --\> 04:43.040 配上一双大黄雪

04:43.040 --\> 04:45.040 大学生的气质就出来了

04:45.040 --\> 04:46.040 要是自拍的时候在配上

04:46.040 --\> 04:47.040 大学宿舍洗素台

04:47.040 --\> 04:49.040 那永远擦不干净的镜子

04:49.040 --\> 04:50.040 瞬间轻撑股底了

04:50.040 --\> 04:51.040 收得更值败一点

04:51.040 --\> 04:53.040 人家买的是个简单神器

04:53.040 --\> 04:54.040 所以说

04:54.040 --\> 04:56.040 土草穿路头都是假户外爱好者的人

04:56.040 --\> 04:57.040 其实并没有理解路头的定位

04:57.040 --\> 04:59.040 路头其实是给了想要入门山西穿的

04:59.040 --\> 05:01.040 想要追逐流行的人

05:01.040 --\> 05:02.040 一个最评价

05:02.040 --\> 05:03.040 角色成本最低的选择

05:03.040 --\> 05:05.040 对于那些真正的硬和户外爱好者

05:05.040 --\> 05:06.040 路头既没有能力

05:06.040 --\> 05:07.040 也没有打算处打他们

05:07.040 --\> 05:08.040 反过来说

05:08.040 --\> 05:09.040 那些自家穿也变加苦道

05:09.040 --\> 05:11.040 或者去二杯四山去灯山探险的人

05:11.040 --\> 05:13.040 也不太可能在户外服势上时间

05:13.040 --\> 05:15.040 毕竟光是交通住属情家出行

05:15.040 --\> 05:16.040 成本就不低了

05:16.040 --\> 05:17.040 对他们来说

05:17.040 --\> 05:19.040 户外装备很多时候是保命用

05:19.040 --\> 05:21.040 也就不存在跟风澳造型的必要

05:21.040 --\> 05:22.040 最后我再是个体外和

05:22.040 --\> 05:23.040 年轻人追捧落土

05:23.040 --\> 05:24.040 一个隐藏的原因

05:24.040 --\> 05:25.040 其实是羽龙浮越来越贵

05:25.040 --\> 05:26.040 有媒体统计

05:26.040 --\> 05:28.040 现在国产羽龙浮的平均受价

05:28.040 --\> 05:29.040 已经高达八百八十亿元

05:30.040 --\> 05:31.040 波斯登军价最高

05:31.040 --\> 05:32.040 接近两千元

05:32.040 --\> 05:33.040 而且过去几年

05:33.040 --\> 05:35.040 国产羽龙浮品牌都在转向高端房

05:35.040 --\> 05:37.040 羽龙浮市场送回八千元以上的设斥级

05:37.040 --\> 05:38.040 两千元以下的大重级

05:38.040 --\> 05:39.040 而在中间的高端级

05:39.040 --\> 05:41.040 国产品牌一直没有存在的

05:41.040 --\> 05:42.040 所以过去几年

05:42.040 --\> 05:43.040 过次登天空人这些品牌

05:43.040 --\> 05:45.040 都帮两千元到八千元这个市场

05:45.040 --\> 05:46.040 当成为了的发展确实

05:46.040 --\> 05:48.040 东西正圈研报显示

05:48.040 --\> 05:49.040 从2018到2021年

05:49.040 --\> 05:50.040 波斯登军价四年

05:50.040 --\> 05:52.040 掌复达到60%以上

05:52.040 --\> 05:53.040 过去五个参年

05:53.040 --\> 05:54.040 这个品牌的印象

05:54.040 --\> 05:56.040 开支从20多亿上到了60多亿

05:56.040 --\> 05:57.040 羽龙浮价格网上走

05:57.040 --\> 05:58.040 年轻校外者

05:58.040 --\> 05:59.040 就开始抛弃羽龙浮

05:59.040 --\> 06:00.040 购买平价称风衣

06:00.040 --\> 06:02.040 里面在穿个普通价外的羽龙

06:02.040 --\> 06:03.040 不着羽龙小价客

06:03.040 --\> 06:05.040 也不比大几千元的羽龙浮差多少

06:05.040 --\> 06:06.040 说到底

06:06.040 --\> 06:07.040 现在消贝身会发达了

06:07.040 --\> 06:08.040 没有什么需求是

06:08.040 --\> 06:10.040 一定要某种特定的几个方案

06:10.040 --\> 06:11.040 特定价位的商品才能实现

06:11.040 --\> 06:13.040 要保暖羽龙浮固然很好

06:13.040 --\> 06:14.040 但车风衣价线内大

06:14.040 --\> 06:15.040 也很短厚

06:15.040 --\> 06:16.040 要实上

06:16.040 --\> 06:18.040 大几千块钱的设计是品牌非常不错

06:18.040 --\> 06:19.040 但35时的拼都多富士

06:19.040 --\> 06:20.040 达得好也能处产

06:20.040 --\> 06:21.040 要去业外图部

06:21.040 --\> 06:23.040 花股流建满料以可以

06:23.040 --\> 06:25.040 但低卡农业足以应付大多数状况

06:25.040 --\> 06:26.040 所以说

06:26.040 --\> 06:27.040 花高价买车目一旦让也OK

06:27.040 --\> 06:28.040 三四般买减落土

06:28.040 --\> 06:29.040 也是可以接受的选择

06:29.040 --\> 06:31.040 和光落土也多多少少有些功能性

06:31.040 --\> 06:33.040 毕竟他在怎么样还是个车风衣

06:33.040 --\> 06:34.040 理解了这个事情

06:34.040 --\> 06:36.040 就很容易分店什么是智商税的

06:36.040 --\> 06:38.040 那些项顶馆书非某个品牌不用

06:38.040 --\> 06:39.040 告诉你某个需求

06:39.040 --\> 06:41.040 只有某个产品才能满足

06:41.040 --\> 06:43.040 某个品牌就是某个品牌

06:43.040 --\> 06:44.040 绝对的比较脸顶端

06:44.040 --\> 06:46.040 这类印象的智商税含量

06:46.040 --\> 06:47.040 必然是很高的

06:47.040 --\> 06:49.040 他的目的是不斗你选择的权利

06:49.040 --\> 06:51.040 让你主动放弃比较和寻找平体的想法

06:51.040 --\> 06:53.040 从而避免你其他品牌竞争

06:53.040 --\> 06:54.040 而没有竞争的事实上

06:54.040 --\> 06:56.040 才是智商税含量最高的事实上

06:56.040 --\> 06:57.040 小费商业动静

06:57.040 --\> 06:58.040 静在IC实验室

06:58.040 --\> 06:59.040 我是观众

06:59.040 --\> 07:00.040 我们下期再见

real 0m54.263s

user 0m58.186s

sys 0m3.468s

rootroot@rootroot-X99-Turbo:~/chs/tiny$ ll

rootroot@rootroot-X99-Turbo:~/chs/small$

rootroot@rootroot-X99-Turbo:~/chs/small$ time(whisper chs.mp4 --model small --language Chinese)

00:00.000 --\> 00:01.440 前段时间有个巨势横厚

00:01.440 --\> 00:03.040 嬷嬷是男人最好的衣美

00:03.040 --\> 00:07.800 这里的嬷嬷可以替换为减肥、长发、西装、考研、书唱、勇杰、无间等等等等

00:07.800 --\> 00:09.320 我听到最新的一个说法是

00:09.320 --\> 00:12.040 微分碎盖加口罩加半框眼镜加春风衣

00:12.040 --\> 00:13.360 等于男人最好的衣美

00:13.360 --\> 00:14.480 大概也就前几年

00:14.480 --\> 00:17.480 春风衣还和格子称山并类为程序员穿搭精华

00:17.480 --\> 00:20.040 紫红色春风衣还被誉为广场舞达马标配

00:20.040 --\> 00:22.800 骆驼牌还是我爹这个年纪的人才会用一买的牌子

00:22.920 --\> 00:24.520 不知道风向为啥变得这么快

00:24.520 --\> 00:26.760 为啥这东西突然变成男生逆袭神器

00:26.760 --\> 00:27.880 时尚潮流单凭

00:27.880 --\> 00:29.520 后来我翻了一下小红书就懂了

00:29.520 --\> 00:32.320 时尚这个事情重点不在于衣服、在于人

00:32.320 --\> 00:34.640 现在小红书上面和春风衣相关的笔迹

00:34.640 --\> 00:36.240 照片里的男生都是这样的

00:36.240 --\> 00:37.120 这样的

00:37.120 --\> 00:38.080 还有这样的

00:38.080 --\> 00:39.440 你们哪里是看穿搭的

00:39.440 --\> 00:40.600 你们明明是看脸

00:40.600 --\> 00:41.880 就这个造型、这个年龄

00:41.880 --\> 00:44.040 你换上老头衫也能穿出氛围感好吗

00:44.040 --\> 00:46.720 我又想起了当年郭德纲老师穿济凡西的残距

00:46.720 --\> 00:48.560 这个世界对我们这些长得不好看的人

00:49.560 --\> 00:52.000 所以说我总结了一下春风衣传达的要领

00:52.000 --\> 00:54.240 大概就是一张白镜且人处无汉的脸

00:54.240 --\> 00:56.000 充足的发亮、纤细的体型

00:56.000 --\> 00:58.040 当然身上的春风衣还得是骆驼的

00:58.040 --\> 00:59.280 去年在户外用品界

00:59.280 --\> 01:01.040 最顶流的既不是鸟像术

01:01.040 --\> 01:02.640 也不是有孝福之称的北面

01:02.640 --\> 01:04.120 或者老台顶流哥伦比亚

01:04.120 --\> 01:04.760 而是骆驼

01:04.760 --\> 01:07.000 双十一骆驼在天猫户外服饰品类

01:07.000 --\> 01:08.840 拿下销售额和销量双量冠军

01:08.840 --\> 01:10.040 销量达到百万几

01:10.040 --\> 01:10.680 在抖音

01:10.680 --\> 01:13.320 骆驼销售同比增幅高达百分之两百九十六

01:13.320 --\> 01:16.080 旗下主打的三合一高性价比春风衣成为爆品

01:16.080 --\> 01:17.360 哪怕不看上十一

01:17.360 --\> 01:18.120 随手一搜

01:18.120 --\> 01:21.240 骆驼在春风衣的七日销售榜上都是土榜的存在

01:21.240 --\> 01:22.520 这是线上的销售表现

01:22.520 --\> 01:24.320 这位线下还是网友总觉得好

01:24.320 --\> 01:26.880 如今在南方街头的骆驼比沙漠里的多多

01:26.880 --\> 01:27.640 爬个化山

01:27.640 --\> 01:28.480 满山的骆驼

01:28.480 --\> 01:29.320 随便逛个街

01:29.320 --\> 01:30.000 撞山了

01:30.000 --\> 01:31.160 至于骆驼为啥这么火

01:31.160 --\> 01:31.880 便宜啊

01:31.880 --\> 01:33.480 拿卖的最好的钉针同款

01:33.480 --\> 01:35.440 幻影黑三合一春风衣举个例子

01:35.440 --\> 01:37.600 线下买标牌价格两千一百九十八

01:37.600 --\> 01:39.080 但是跑到网上看一下

01:39.080 --\> 01:40.640 标价就变成了六百九十九

01:40.640 --\> 01:41.320 至于折扣

01:41.320 --\> 01:42.320 日常也都是有的

01:42.320 --\> 01:43.520 四百出头就能买到

01:43.520 --\> 01:45.120 甚至有时候能递到三百价

01:45.120 --\> 01:46.160 要是你还显贵

01:46.160 --\> 01:48.320 路子还有两百块出头的单层春风衣

01:48.320 --\> 01:49.080 就这个价格

01:49.080 --\> 01:51.680 哥上海恐怕还不够两次City Walk的报名费

01:51.680 --\> 01:52.560 看来这个价格

01:52.560 --\> 01:53.640 再对比一下北面

01:53.640 --\> 01:54.760 一千块钱起步

01:54.760 --\> 01:56.000 你就能理解为啥北面

01:56.000 --\> 01:58.240 这么快就被大学生踢出了校服序列了

01:58.320 --\> 01:59.400 我不知道现在大学生

01:59.400 --\> 02:00.560 每个月生活费做手

02:00.560 --\> 02:02.320 反正按照我上学时候的生活费

02:02.320 --\> 02:03.280 一个月不吃不喝

02:03.280 --\> 02:05.080 也就买得起俩袖子加一个帽子

02:05.080 --\> 02:06.480 难怪当年全是假北面

02:06.480 --\> 02:07.520 现在都是真骆驼

02:07.520 --\> 02:08.800 至少人家是正品

02:08.800 --\> 02:10.080 我发了一下社交媒体

02:10.080 --\> 02:12.080 发现对骆驼的吐槽和买了骆驼的

02:12.080 --\> 02:13.480 基本上是一比一的比例

02:13.480 --\> 02:15.120 吐槽最多的就是衣服会掉色

02:15.120 --\> 02:15.960 还会串色

02:15.960 --\> 02:17.120 比如吐增洗个几次

02:17.120 --\> 02:18.400 穿个两天就掉光了

02:18.400 --\> 02:19.680 比如不同仓库发的户

02:19.680 --\> 02:20.680 质量三次不起

02:20.680 --\> 02:21.800 买衣服还得看户口

02:21.800 --\> 02:22.480 听出声

02:22.480 --\> 02:23.760 至于什么做工比较差

02:23.760 --\> 02:24.400 内胆薄

02:24.400 --\> 02:25.000 走线操

02:25.000 --\> 02:26.520 不防水之类的就更多了

02:26.520 --\> 02:27.480 但是这些吐槽

02:27.480 --\> 02:29.280 并不意味着会影响路途的销量

02:29.280 --\> 02:30.960 甚至还会有不少资来水表示

02:30.960 --\> 02:31.600 就这价格

02:31.600 --\> 02:32.640 要啥自行车

02:32.640 --\> 02:34.160 所谓性价比性价比

02:34.160 --\> 02:35.400 脱离价位谈性能

02:35.400 --\> 02:37.120 这就不符合消费者的需求吗

02:37.120 --\> 02:38.560 无数次价格占告诉我们

02:38.560 --\> 02:39.600 只要肯降价

02:39.600 --\> 02:41.080 就没有卖不出去的产品

02:41.080 --\> 02:41.920 一件冲锋衣

02:41.920 --\> 02:42.480 1000多

02:42.480 --\> 02:43.680 你觉得频频武器

02:43.680 --\> 02:45.040 500多你觉得差点意思

02:45.040 --\> 02:46.440 200块你就要秒下单了

02:46.440 --\> 02:48.480 到99恐怕就要聘点手速了

02:48.480 --\> 02:49.640 像冲锋衣这个品类

02:49.640 --\> 02:50.920 本来价格跨度就大

02:50.920 --\> 02:52.800 北面最便宜的Gor-Tex冲锋衣

02:52.800 --\> 02:53.840 价格三千起步

02:53.840 --\> 02:56.320 大概是同品牌最便宜冲锋衣的三倍价格

02:56.320 --\> 02:57.120 至于十足那样

02:57.120 --\> 02:59.080 搭载了Gor-Tex的硬壳起步价

02:59.080 --\> 03:00.000 就要到4500

03:00.000 --\> 03:01.320 而且同样是Gor-Tex

03:01.320 --\> 03:02.960 内部也有不同的系列和档次

03:02.960 --\> 03:03.560 做成衣服

03:03.560 --\> 03:05.760 中间的差价恐怕就够买两件路头了

03:05.760 --\> 03:06.680 至于智能空温

03:06.680 --\> 03:07.400 防水拉链

03:07.400 --\> 03:07.960 全压胶

03:07.960 --\> 03:09.720 更加不可能出现在路头这里了

03:09.720 --\> 03:11.760 至少不会是3-400的路头身上会有了

03:11.760 --\> 03:12.760 有的架外的衣服

03:12.760 --\> 03:14.200 买的就是一个放弃幻想

03:14.200 --\> 03:15.760 吃到肚子里的科技鱼很活

03:15.760 --\> 03:16.920 是能给你省钱的

03:16.920 --\> 03:18.400 穿在身上的科技鱼很活

03:18.400 --\> 03:20.040 装装件件都是要加钱的

03:20.040 --\> 03:21.560 所以正如罗曼罗兰所说

03:21.560 --\> 03:23.160 这实际上只有一种英雄主义

03:23.160 --\> 03:24.880 就是在认清了路头的本质以后

03:24.880 --\> 03:26.040 依然选择买路头

03:26.040 --\> 03:27.000 关于路头的火爆

03:27.000 --\> 03:28.280 我有一些小小的看法

03:28.280 --\> 03:29.040 路头这东西

03:29.040 --\> 03:30.400 它其实就是个潮牌

03:30.400 --\> 03:31.920 看看它的营销方式就知道了

03:31.920 --\> 03:33.000 现在打开小红书

03:33.040 --\> 03:35.120 日常可以看到路头穿搭是这样的

03:35.120 --\> 03:36.880 加一点氛围感是这样的

03:36.880 --\> 03:37.520 对比一下

03:37.520 --\> 03:39.320 其他品牌的风格是这样的

03:39.320 --\> 03:40.040 这样的

03:40.040 --\> 03:41.320 其实对比一下就知道了

03:41.320 --\> 03:42.760 其他品牌突出一个时辰

03:42.760 --\> 03:44.360 能防风就一定要讲防风

03:44.360 --\> 03:46.200 能扛洞就一定要讲扛洞

03:46.200 --\> 03:47.520 但路头在营销的时候

03:47.520 --\> 03:49.280 主打的就是一个城市户外风

03:49.280 --\> 03:50.600 虽然造型是冲锋衣

03:50.600 --\> 03:52.320 但场景往往是在城市里

03:52.320 --\> 03:54.320 哪怕在野外也要突出一个风和日丽

03:54.320 --\> 03:55.120 阳光敏昧

03:55.120 --\> 03:56.600 至少不会在明显的沿寒

03:56.600 --\> 03:58.280 高海拔或是恶劣气候下

03:58.280 --\> 04:00.240 如果用一个词形容路头的营销风格

04:00.240 --\> 04:01.120 那就是星系

04:01.120 --\> 04:03.160 或者说它很理解自己的消费者是谁

04:03.160 --\> 04:04.160 需要什么产品

04:04.160 --\> 04:05.360 从使用场景来说

04:05.360 --\> 04:06.800 路头的消费者买冲锋衣

04:06.800 --\> 04:08.880 不是真的有什么大风大雨要去应对

04:08.880 --\> 04:11.040 冲锋衣的作用是下雨没带伞的时候

04:11.040 --\> 04:12.160 临时顶个几分钟

04:12.160 --\> 04:13.760 让你能图书馆跑回宿舍

04:13.760 --\> 04:15.080 或者是冬天骑电动车

04:15.080 --\> 04:16.360 被风吹得不行的时候

04:16.360 --\> 04:17.400 稍微扛一下风

04:17.400 --\> 04:18.560 不至于体感太冷

04:18.560 --\> 04:19.880 当然他们也会出门

04:19.880 --\> 04:22.000 但大部分时候也都是去别的城市

04:22.000 --\> 04:24.160 或者在城市周边搞搞简单的徒步

04:24.160 --\> 04:24.920 这种情况下

04:24.920 --\> 04:26.120 穿个路头已经够了

04:26.120 --\> 04:27.240 从勾买动机来说

04:27.240 --\> 04:29.440 路头就更没有必要上那些硬回科技了

04:29.440 --\> 04:31.080 消费者买路头买的是个什么呢

04:31.080 --\> 04:32.360 不是冲锋衣的功能性

04:32.360 --\> 04:33.600 而是冲锋衣的造型

04:33.600 --\> 04:34.440 宽松的版型

04:34.440 --\> 04:36.480 能精准遮住微微龙起的小肚子

04:36.480 --\> 04:37.520 冷脚分明的质感

04:37.520 --\> 04:39.640 能隐藏一切不完美的整体现象

04:39.640 --\> 04:41.480 显示的副作用就是显年轻

04:41.480 --\> 04:42.720 再配上一条牛仔裤

04:42.720 --\> 04:43.880 配上一双大黄靴

04:43.880 --\> 04:45.320 大学生的气质就出来了

04:45.320 --\> 04:46.200 要是自拍的时候

04:46.200 --\> 04:47.760 再配上大学宿舍洗素台

04:47.760 --\> 04:49.360 那永远擦不干净的镜子

04:49.360 --\> 04:50.800 瞬间青春无敌了

04:50.800 --\> 04:51.760 说得用直白一点

04:51.760 --\> 04:53.320 人家买的是个简凌神器

04:53.320 --\> 04:53.840 所以说

04:53.840 --\> 04:56.000 土槽穿路头都是假户外爱好者的人

04:56.000 --\> 04:57.640 其实并没有理解路头的定位

04:57.640 --\> 04:59.880 路头其实是给了想要入门山西穿搭

04:59.880 --\> 05:01.800 想要追逐流行的人一个最平价

05:01.800 --\> 05:03.120 决策成本最低的选择

05:03.120 --\> 05:04.920 至于那些真正的硬核户外爱好者

05:04.920 --\> 05:05.880 路头竟没有能力

05:05.880 --\> 05:07.280 也没有打算触打他们

05:07.280 --\> 05:08.000 反过来说

05:08.000 --\> 05:09.560 那些自家穿越边疆国道

05:09.560 --\> 05:11.840 或者去阿尔卑斯山区登山探险的人

05:11.840 --\> 05:13.720 也不太可能在户外服饰上审谦

05:13.720 --\> 05:14.920 毕竟光是交通住宿

05:14.920 --\> 05:15.640 请假出行

05:15.640 --\> 05:16.600 审本就不顶

05:16.600 --\> 05:17.320 对他们来说

05:17.320 --\> 05:19.080 户外装备很多时候是保命用的

05:19.080 --\> 05:21.120 也就不存在跟风凹造型的必要

05:21.120 --\> 05:22.360 最后我再说个题外话

05:22.360 --\> 05:23.360 年轻人追捧骆驼

05:23.360 --\> 05:24.280 一个隐藏的原因

05:24.280 --\> 05:25.880 其实是羽绒服越来越贵了

05:25.880 --\> 05:26.680 有媒体统计

05:26.680 --\> 05:28.440 现在国产羽绒服的平均售价

05:28.440 --\> 05:30.040 已经高达881元

05:30.040 --\> 05:31.200 波斯登军价最高

05:31.200 --\> 05:32.040 接近2000元

05:32.040 --\> 05:32.880 而且过去几年

05:32.880 --\> 05:34.880 国产羽绒服品牌都在转向高端化

05:34.880 --\> 05:37.160 羽绒服市场分为8000元以上的奢侈级

05:37.160 --\> 05:38.600 2000元以下的大众级

05:38.600 --\> 05:39.840 而在中间的高端级

05:39.840 --\> 05:41.320 国产品牌一直没有存在感

05:41.320 --\> 05:42.160 所以过去几年

05:42.160 --\> 05:43.640 波斯登天空人这些品牌

05:43.640 --\> 05:45.280 都把2000元到8000元这个市场

05:45.280 --\> 05:46.720 当成未来的发展趋势

05:46.720 --\> 05:48.080 东新证券延报显示

05:48.080 --\> 05:49.680 从2018到2021年

05:49.680 --\> 05:50.720 波斯登军价4年

05:50.720 --\> 05:52.240 涨幅达到60%以上

05:52.240 --\> 05:53.160 过去5个菜年

05:53.160 --\> 05:54.320 这个品牌的营销开支

05:54.320 --\> 05:55.960 从20多亿涨到了60多亿

05:55.960 --\> 05:57.280 羽绒服价格往上走

05:57.280 --\> 05:59.240 年轻消费者就开始抛弃羽绒服

05:59.240 --\> 06:00.440 购买评价充中一

06:00.520 --\> 06:02.360 里面在穿个普通价外的姚立龙

06:02.360 --\> 06:03.440 或者羽绒小夹克

06:03.440 --\> 06:05.360 也不比大几千的羽绒服差多少

06:05.360 --\> 06:05.840 说到底

06:05.840 --\> 06:07.080 现在消费社会发达了

06:07.080 --\> 06:08.000 没有什么需求是

06:08.000 --\> 06:09.720 一定要某种特定的解决方案

06:09.720 --\> 06:11.640 特定价位的商品才能实现的

06:11.640 --\> 06:12.200 要保暖

06:12.200 --\> 06:13.240 羽绒服固然很好

06:13.240 --\> 06:15.320 但春风衣加一些内搭也很暖和

06:15.320 --\> 06:15.960 要时尚

06:15.960 --\> 06:18.040 大几千块钱的设计师品牌非常不错

06:18.040 --\> 06:19.480 但三五十的拼多多服饰

06:19.480 --\> 06:20.760 搭得好也能出产

06:20.760 --\> 06:21.760 要去野外徒步

06:21.760 --\> 06:23.200 花五六兼买鸟也可以

06:23.200 --\> 06:25.320 但迪卡农也足以应付大多数状况

06:25.320 --\> 06:25.840 所以说

06:25.840 --\> 06:27.680 花高价买春风衣当然也OK

06:27.680 --\> 06:28.640 三四百买件骆驼

06:28.640 --\> 06:29.920 也是可以接受的选择

06:29.920 --\> 06:32.080 何况骆驼也多多少少有一些功能性

06:32.080 --\> 06:33.960 毕竟它再怎么样还是个春风衣

06:33.960 --\> 06:34.920 理解了这个事情

06:34.920 --\> 06:36.920 就很容易分辨什么是智商税的

06:36.920 --\> 06:39.000 那些项领灌输非某个品牌不用

06:39.000 --\> 06:40.000 告诉你某个需求

06:40.000 --\> 06:41.600 只有某个产品才能满足

06:41.600 --\> 06:42.320 某个品牌

06:42.320 --\> 06:44.480 就是某个品牌绝对的比试链顶端

06:44.480 --\> 06:46.040 这类营销的智商税含量

06:46.040 --\> 06:47.040 必然是很高的

06:47.040 --\> 06:48.960 它的目的是剥夺你选择的权利

06:48.960 --\> 06:51.400 让你主动放弃比价和寻找平梯的想法

06:51.400 --\> 06:53.160 从而避免与其他品牌竞争

06:53.160 --\> 06:54.400 而没有竞争的市场

06:54.400 --\> 06:56.400 才是智商税含量最高的市场

06:56.400 --\> 06:57.480 消费商业动荐

06:57.480 --\> 06:58.520 近在IC实验室

06:58.520 --\> 06:59.120 我是馆长

06:59.120 --\> 06:59.920 我们下期再见

real 2m8.725s

user 2m16.187s

sys 0m3.903s

rootroot@rootroot-X99-Turbo:~/chs/small$

rootroot@rootroot-X99-Turbo:~/chs/medium$

rootroot@rootroot-X99-Turbo:~/chs/medium$ time(whisper chs.mp4 --model medium --language Chinese)

00:00.000 --\> 00:01.400 前段時間有個巨石鴻吼

00:01.400 --\> 00:03.000 某某是男人最好的衣妹

00:03.000 --\> 00:04.800 這裡的某某可以替換為減肥

00:04.800 --\> 00:07.800 長髮 西裝 考研 術唱 永潔無間等等等等

00:07.800 --\> 00:09.200 我聽到最新的一個說法是

00:09.200 --\> 00:12.000 微分碎蓋加口罩加半框眼鏡加春風衣

00:12.000 --\> 00:13.400 等於男人最好的衣妹

00:13.400 --\> 00:14.400 大概也就前幾年

00:14.400 --\> 00:17.400 春風衣還和格子襯衫並列為程序員穿搭精華

00:17.400 --\> 00:20.000 紫紅色春風衣還被譽為廣場舞大媽標配

00:20.000 --\> 00:21.600 路透牌還是我爹這個年紀的人

00:21.600 --\> 00:22.800 才會願意買的牌子

00:22.800 --\> 00:24.400 不知道風向為啥變得這麼快

00:24.400 --\> 00:26.800 為啥這東西突然變成男生逆襲神器

00:26.800 --\> 00:27.800 時尚潮流單品

00:27.800 --\> 00:29.400 後來我翻了一下小紅書就懂了

00:29.400 --\> 00:30.400 時尚這個時期

00:30.400 --\> 00:31.600 重點不在於衣服

00:31.600 --\> 00:32.200 在於人

00:32.200 --\> 00:34.600 先在小紅書上面和春風衣相關的筆記

00:34.600 --\> 00:36.200 照片裡的男生都是這樣的

00:36.200 --\> 00:37.000 這樣的

00:37.000 --\> 00:38.000 還有這樣的

00:38.000 --\> 00:39.400 你們哪裡是看穿搭的

00:39.400 --\> 00:40.600 你們明明是看臉

00:40.600 --\> 00:41.800 就這個造型 這個年齡

00:41.800 --\> 00:44.000 你換上老頭衫也能穿出氛圍感好嗎

00:44.000 --\> 00:46.600 我又想起了當年郭德綱老師穿季凡西的殘劇

00:46.600 --\> 00:48.600 這個世界對我們這些長得不好看的人

00:48.600 --\> 00:49.600 還真是苛刻的

00:49.600 --\> 00:52.000 所以說我總結了一下春風衣傳達的要領

00:52.200 --\> 00:54.400 大概就是一張白鏡且人畜無憾的臉

00:54.400 --\> 00:55.200 充足的髮量

00:55.200 --\> 00:56.200 纖細的體型

00:56.200 --\> 00:58.200 當然身上的春風衣還得是駱駝的

00:58.200 --\> 00:59.400 去年在戶外用品界

00:59.400 --\> 01:00.200 最頂流的

01:00.200 --\> 01:01.200 既不是鳥橡樹

01:01.200 --\> 01:02.800 也不是有校服之稱的北面

01:02.800 --\> 01:04.200 或者老臺頂流哥倫比亞

01:04.200 --\> 01:05.000 而是駱駝

01:05.000 --\> 01:07.200 雙11 駱駝在天貓戶外服飾品類

01:07.200 --\> 01:09.000 拿下銷售額和銷量雙料冠軍

01:09.000 --\> 01:10.200 銷量達到百萬幾

01:10.200 --\> 01:10.800 再抖音

01:10.800 --\> 01:13.400 駱駝銷售同比增幅高達296%

01:13.400 --\> 01:16.200 旗下主打的三合一高性價比春風衣成為爆品

01:22.600 --\> 01:23.200 至於線下

01:23.200 --\> 01:24.400 還是網友總覺得好

01:24.400 --\> 01:26.800 如今在南方街頭的駱駝比沙漠裡的都多

01:30.000 --\> 01:31.200 至於駱駝為啥這麼火

01:31.200 --\> 01:32.000 便宜啊

01:32.000 --\> 01:33.600 拿賣得最好的丁珍同款

01:33.600 --\> 01:35.600 幻影黑三合一春風衣舉個例子

01:35.600 --\> 01:36.000 線下買

01:36.000 --\> 01:37.600 標牌價格2198

01:37.600 --\> 01:39.200 但是跑到網上看一下

01:39.200 --\> 01:40.800 標價就變成了699

01:40.800 --\> 01:41.400 至於折扣

01:41.400 --\> 01:42.400 日常也都是有的

01:42.400 --\> 01:43.600 400出頭就能買到

01:43.600 --\> 01:45.200 甚至有時候能递到300價

01:45.200 --\> 01:46.200 要是你還嫌貴

01:46.200 --\> 01:48.400 駱駝還有200塊出頭的單層春風衣

01:48.400 --\> 01:49.200 就這個價格

01:49.200 --\> 01:51.800 哥上海恐怕還不夠兩次City Walk的報名費

01:51.800 --\> 01:52.600 看來這個價格

01:52.600 --\> 01:54.800 再對比一下北面1000塊錢起步

01:54.800 --\> 01:56.000 你就能理解為啥北面

01:56.000 --\> 01:58.200 這麼快就被大學生踢出了校服序列了

01:58.200 --\> 02:00.400 我不知道現在大學生每個月生活費多少

02:00.400 --\> 02:02.200 反正按照我上學時候的生活費

02:02.200 --\> 02:03.200 一個月不吃不喝

02:03.200 --\> 02:05.000 也就買得起倆袖子加一個帽子

02:05.000 --\> 02:06.400 難怪當年全是假北面

02:06.400 --\> 02:07.400 現在都是真駱駝

02:07.400 --\> 02:08.800 至少人家是正品啊

02:08.800 --\> 02:10.000 我翻了一下社交媒體

02:10.000 --\> 02:11.200 發現對駱駝的吐槽

02:11.200 --\> 02:12.000 和買了駱駝的

02:12.000 --\> 02:13.400 基本上是1比1的比例

02:13.400 --\> 02:15.000 吐槽最多的就是衣服會掉色

02:15.000 --\> 02:15.800 還會串色

02:15.800 --\> 02:17.000 比如圖層洗個幾次

02:17.000 --\> 02:18.200 穿個兩天就掉光了

02:18.200 --\> 02:19.600 比如不同倉庫發的貨

02:19.600 --\> 02:20.600 質量參差不齊

02:20.600 --\> 02:21.600 買衣服還得看戶口

02:21.600 --\> 02:22.400 聽出聲

02:22.400 --\> 02:23.600 至於什麼做工比較差

02:23.600 --\> 02:24.800 內膽多 走線操

02:24.800 --\> 02:26.400 不防水之類的就更多了

02:26.400 --\> 02:27.400 但是這些吐槽

02:27.400 --\> 02:29.200 並不意味著會影響駱駝的銷量

02:29.200 --\> 02:30.800 甚至還會有不少自來水表示

02:30.800 --\> 02:32.600 就這價格要啥子行車啊

02:32.600 --\> 02:34.000 所謂性價比性價比

02:34.000 --\> 02:35.200 脫離價位談性能

02:35.200 --\> 02:37.000 這就不符合消費者的需求嘛

02:37.000 --\> 02:38.400 無數次價格戰告訴我們

02:38.400 --\> 02:39.400 只要肯降價

02:39.400 --\> 02:41.000 就沒有賣不出去的產品

02:41.000 --\> 02:42.400 一件衝鋒衣1000多

02:42.400 --\> 02:43.600 你覺得平平無奇

02:43.600 --\> 02:45.000 500多你覺得差點意思

02:45.000 --\> 02:46.400 200塊你就秒下單了

02:46.400 --\> 02:47.000 到99

02:47.000 --\> 02:48.400 恐怕就要拼點手速了

02:48.400 --\> 02:49.600 像衝鋒衣這個品類

02:49.600 --\> 02:50.800 本來價格跨度就大

02:50.800 --\> 02:52.800 北面最便宜的GORTEX衝鋒衣

02:52.800 --\> 02:53.800 價格3000起步

02:53.800 --\> 02:55.200 大概是同品牌最便宜

02:55.200 --\> 02:56.200 衝鋒衣的三倍價格

02:56.200 --\> 02:57.200 至於十足那樣

02:57.200 --\> 02:59.000 搭載了GORTEX的硬殼起步價

02:59.000 --\> 03:00.000 就要到4500

03:00.000 --\> 03:01.200 而且同樣是GORTEX

03:01.200 --\> 03:02.800 內部也有不同的系列和檔次

03:02.800 --\> 03:03.600 做成衣服

03:03.600 --\> 03:05.600 中間的差價恐怕就夠買兩件駱駝了

03:05.600 --\> 03:06.600 至於智能控溫

03:06.600 --\> 03:07.400 防水拉鍊

03:07.400 --\> 03:08.000 全壓膠

03:08.000 --\> 03:09.800 更加不可能出現在駱駝這裡了

03:09.800 --\> 03:11.800 至少不會是300 400的駱駝身上會有的

03:11.800 --\> 03:12.800 有的價外的衣服

03:12.800 --\> 03:14.200 買的就是一個放棄幻想

03:14.200 --\> 03:15.800 吃到肚子裡的科技魚很活

03:15.800 --\> 03:17.000 是能給你省錢的

03:17.000 --\> 03:18.400 穿在身上的科技魚很活

03:18.400 --\> 03:20.000 裝裝件件都是要加錢的

03:20.000 --\> 03:21.600 所以正如羅曼羅蘭所說

03:21.600 --\> 03:23.200 這世界上只有一種英雄主義

03:23.200 --\> 03:24.800 就是在認清了駱駝的本質以後

03:24.800 --\> 03:26.000 依然選擇買駱駝

03:26.000 --\> 03:27.000 關於駱駝的火爆

03:27.000 --\> 03:28.200 我有一些小小的看法

03:28.200 --\> 03:29.000 駱駝這個東西

03:29.000 --\> 03:30.400 它其實就是個潮牌

03:30.400 --\> 03:32.000 看看它的營銷方式就知道了

03:32.000 --\> 03:33.000 現在打開小黃書

03:33.000 --\> 03:35.000 日常可以看到駱駝穿搭是這樣的

03:35.000 --\> 03:36.600 加一點氛圍感是這樣的

03:36.600 --\> 03:37.400 對比一下

03:37.400 --\> 03:39.000 其他品牌的風格是這樣的

03:39.000 --\> 03:39.800 這樣的

03:39.800 --\> 03:41.200 其實對比一下就知道了

03:41.200 --\> 03:42.600 其他品牌突出一個時程

03:42.600 --\> 03:44.200 能防風就一定要講防風

03:44.200 --\> 03:46.000 能扛動就一定要講扛動

03:46.000 --\> 03:47.400 但駱駝在營銷的時候

03:47.400 --\> 03:49.200 主打的就是一個城市戶外風

03:49.200 --\> 03:50.400 雖然造型是春風衣

03:50.400 --\> 03:52.200 但場景往往是在城市裡

03:52.200 --\> 03:54.200 哪怕在野外也要突出一個風和日麗

03:54.200 --\> 03:55.000 陽光美媚

03:55.000 --\> 03:56.400 至少不會在明顯的嚴寒

03:56.400 --\> 03:58.000 高海拔或是惡劣氣候下

03:58.200 --\> 04:00.200 如果用一個詞形容駱駝的營銷風格

04:00.200 --\> 04:01.000 那就是清洗

04:01.000 --\> 04:03.000 或者說他很理解自己的消費者是誰

04:03.000 --\> 04:04.000 需要什麼產品

04:04.000 --\> 04:05.200 從使用場景來說

04:05.200 --\> 04:06.600 駱駝的消費者買春風衣

04:06.600 --\> 04:08.800 不是真的有什麼大風大雨要去應對

04:08.800 --\> 04:11.000 春風衣的作用是下雨沒帶傘的時候

04:11.000 --\> 04:12.000 臨時頂個幾分鐘

04:12.000 --\> 04:13.600 讓你能圖書館跑回宿舍

04:13.600 --\> 04:15.000 或者是冬天騎電動車

04:15.000 --\> 04:16.200 被風吹得不行的時候

04:16.200 --\> 04:17.200 稍微扛一下風

04:17.200 --\> 04:18.400 不至於體感太冷

04:18.400 --\> 04:19.800 當然他們也會出門

04:19.800 --\> 04:21.800 但大部分時候也都是去別的城市

04:21.800 --\> 04:24.000 或者在城市周邊搞搞簡單的徒步

04:24.000 --\> 04:26.000 這種情況下穿個駱駝已經夠了

04:26.000 --\> 04:27.200 從購買動機來說

04:27.200 --\> 04:29.200 駱駝就更沒有必要上那些應回科技了

04:29.200 --\> 04:31.000 消費者買駱駝買的是個什麼呢

04:31.000 --\> 04:32.200 不是春風衣的功能性

04:32.200 --\> 04:33.400 而是春風衣的造型

04:33.400 --\> 04:34.400 寬鬆的版型

04:34.400 --\> 04:36.400 能精準遮住微微隆起的小肚子

04:36.400 --\> 04:37.400 棱角分明的質感

04:37.400 --\> 04:39.400 能隱藏一切不完美的身體線條

04:39.400 --\> 04:41.400 顯瘦的副作用就是顯年輕

04:41.400 --\> 04:42.600 再配上一條牛仔褲

04:42.600 --\> 04:43.800 配上一雙大黃靴

04:43.800 --\> 04:45.200 大學生的氣質就出來了

04:45.200 --\> 04:46.200 要是自拍的時候

04:46.200 --\> 04:47.800 再配上大學宿舍洗素臺

04:47.800 --\> 04:49.200 那永遠擦不乾淨的鏡子

04:49.200 --\> 04:50.600 瞬間青春無敵了

04:50.800 --\> 04:51.800 說的更直白一點

04:51.800 --\> 04:53.200 人家買的是個簡靈神器

04:53.200 --\> 04:53.800 所以說

04:53.800 --\> 04:56.000 吐槽穿駱駝都是假戶外愛好者的人

04:56.000 --\> 04:57.600 其實並沒有理解駱駝的定位

04:57.600 --\> 04:59.800 駱駝其實是給了想要入門山系穿搭

04:59.800 --\> 05:01.800 想要追逐流行的人一個最平價

05:01.800 --\> 05:03.000 決策成本最低的選擇

05:03.000 --\> 05:04.800 至於那些真正的硬核戶外愛好者

05:04.800 --\> 05:05.800 駱駝既沒有能力

05:05.800 --\> 05:07.200 也沒有打算觸打他們

05:07.200 --\> 05:08.000 反過來說

05:08.000 --\> 05:09.600 那些自駕穿越邊疆國道

05:09.600 --\> 05:11.800 或者去奧爾卑斯山區登山探險的人

05:11.800 --\> 05:13.600 也不太可能在戶外服飾上省錢

05:13.600 --\> 05:15.000 畢竟光是交通住宿

05:15.400 --\> 05:16.400 成本就不低了

05:16.400 --\> 05:17.200 對他們來說

05:17.200 --\> 05:19.000 戶外裝備很多時候是保命用的

05:19.000 --\> 05:21.000 也就不存在跟風奧造型的必要了

05:21.000 --\> 05:22.200 最後我再說個題外話

05:22.200 --\> 05:24.200 年輕人追捧駱駝一個隱藏的原因

05:24.200 --\> 05:25.800 其實是羽絨服越來越貴了

05:25.800 --\> 05:26.600 有媒體統計

05:26.600 --\> 05:30.000 現在國產羽絨服的平均售價已經高達881元

05:30.000 --\> 05:32.000 波斯登均價最高接近2000元

05:32.000 --\> 05:32.800 而且過去幾年

05:32.800 --\> 05:34.800 國產羽絨服品牌都在轉向高端化

05:34.800 --\> 05:37.000 羽絨服市場分為8000元以上的奢侈級

05:37.000 --\> 05:38.400 2000元以下的大眾級

05:38.400 --\> 05:39.800 而在中間的高端級

05:39.800 --\> 05:41.200 國產品牌一直沒有存在感

05:41.200 --\> 05:42.200 所以過去幾年

05:42.200 --\> 05:43.600 波斯登天工人這些品牌

05:43.600 --\> 05:45.200 都把2000元到8000元這個市場

05:45.200 --\> 05:46.600 當成未來的發展趨勢

05:46.600 --\> 05:48.000 東新證券研報顯示

05:48.000 --\> 05:49.600 從2018到2021年

05:49.600 --\> 05:52.200 波斯登均價4年漲幅達到60%以上

05:52.200 --\> 05:53.200 過去5個菜年

05:53.200 --\> 05:55.000 這個品牌的營銷開支從20多億

05:55.000 --\> 05:56.000 漲到了60多億

05:56.000 --\> 05:57.200 羽絨服價格往上走

05:57.200 --\> 05:59.200 年輕消費者就開始拋棄羽絨服

05:59.200 --\> 06:00.400 購買平價衝鋒衣

06:00.400 --\> 06:02.200 裡面再穿個普通價外的瑤麗絨

06:02.200 --\> 06:03.400 或者羽絨小夾克

06:03.400 --\> 06:05.200 也不比大幾千的羽絨服差多少

06:05.200 --\> 06:05.800 說到底

06:05.800 --\> 06:07.000 現在消費社會發達了

06:07.000 --\> 06:08.000 沒有什麼需求是

06:08.000 --\> 06:09.600 一定要某種特定的解決方案

06:09.600 --\> 06:11.600 特定價位的商品才能實現的

06:11.600 --\> 06:12.200 要保暖

06:12.200 --\> 06:13.200 羽絨服固然很好

06:13.200 --\> 06:15.200 但衝鋒衣加一些內搭也很暖和

06:15.200 --\> 06:16.000 要時尚

06:16.000 --\> 06:18.000 大幾千塊錢的設計師品牌非常不錯

06:18.000 --\> 06:19.400 但350的拼多多服飾

06:19.400 --\> 06:20.600 搭得好也能出彩

06:20.600 --\> 06:21.600 要去野外徒步

06:21.600 --\> 06:23.000 花五六千買鳥也可以

06:23.000 --\> 06:25.200 但迪卡農也足以應付大多數狀況

06:25.200 --\> 06:25.800 所以說

06:25.800 --\> 06:27.600 花高價買衝鋒衣當然也OK

06:27.600 --\> 06:28.600 三四百買件駱駝

06:28.600 --\> 06:29.800 也是可以接受的選擇

06:29.800 --\> 06:32.000 何況駱駝也多多少少有一些功能性

06:32.000 --\> 06:33.800 畢竟它再怎麼樣還是個衝鋒衣

06:33.800 --\> 06:34.800 理解了這個事情

06:34.800 --\> 06:36.800 就很容易分辨什麼是智商稅的

06:36.800 --\> 06:38.800 那些向你灌輸非某個品牌不用

06:38.800 --\> 06:39.800 告訴你某個需求

06:39.800 --\> 06:41.400 只有某個產品才能滿足

06:41.400 --\> 06:42.200 某個品牌

06:42.200 --\> 06:44.400 就是某個品牌絕對的比試鏈頂端

06:44.400 --\> 06:46.800 這類銀銷的智商稅含量必然是很高的

06:46.800 --\> 06:48.800 它的目的是剝奪你選擇的權利

06:48.800 --\> 06:51.200 讓你主動放棄比價和尋找平梯的想法

06:51.200 --\> 06:53.000 從而避免與其他品牌競爭

06:53.000 --\> 06:54.200 而沒有競爭的市場

06:54.200 --\> 06:56.200 才是智商稅含量最高的市場

06:56.200 --\> 06:57.400 消費商業洞穴

06:57.400 --\> 06:58.400 禁在IC實驗室

06:58.400 --\> 06:59.000 我是館長

06:59.000 --\> 07:00.000 我們下期再見

real 3m44.242s

user 3m58.612s

sys 0m5.525s

rootroot@rootroot-X99-Turbo:~/chs/medium$ ll

ootroot@rootroot-X99-Turbo:~/chs/large$

rootroot@rootroot-X99-Turbo:~/chs/large$ time(whisper chs.mp4 --model large --language Chinese)

Traceback (most recent call last):

File "/home/rootroot/.local/bin/whisper", line 8, in <module>

sys.exit(cli())

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/transcribe.py", line 458, in cli

model = load_model(model_name, device=device, download_root=model_dir)

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/init.py", line 156, in load_model

return model.to(device)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1160, in to

return self._apply(convert)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

Previous line repeated 2 more times

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 833, in _apply

param_applied = fn(param)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1158, in convert

return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking)

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 26.00 MiB. GPU 0 has a total capacty of 7.92 GiB of which 12.31 MiB is free. Including non-PyTorch memory, this process has 7.56 GiB memory in use. Of the allocated memory 7.10 GiB is allocated by PyTorch, and 354.56 MiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

real 0m24.463s

user 0m45.620s

sys 0m7.237s

rootroot@rootroot-X99-Turbo:~/chs/large$ sudo reboot

rootroot@rootroot-X99-Turbo:~/chs/large-v1$ whisper chs.mp4 --model large-v1 --language Chinese

100%|█████████████████████████████████████| 2.87G/2.87G 05:30\<00:00, 9.35MiB/s

Traceback (most recent call last):

File "/home/rootroot/.local/bin/whisper", line 8, in <module>

sys.exit(cli())

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/transcribe.py", line 458, in cli

model = load_model(model_name, device=device, download_root=model_dir)

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/init.py", line 156, in load_model

return model.to(device)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1160, in to

return self._apply(convert)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

Previous line repeated 2 more times

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 833, in _apply

param_applied = fn(param)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1158, in convert

return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking)

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 26.00 MiB. GPU 0 has a total capacty of 7.92 GiB of which 9.25 MiB is free. Including non-PyTorch memory, this process has 7.50 GiB memory in use. Of the allocated memory 7.03 GiB is allocated by PyTorch, and 363.75 MiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

rootroot@rootroot-X99-Turbo:~/chs/large-v1$ ll

rootroot@rootroot-X99-Turbo:~/chs/large-v2$

rootroot@rootroot-X99-Turbo:~/chs/large-v2$ whisper chs.mp4 --model large-v2 --language Chinese

-bash: /home/rootroot/.local/bin/whisper: /usr/bin/python3: bad interpreter: Text file busy

rootroot@rootroot-X99-Turbo:~/chs/large-v2$ whisper chs.mp4 --model large-v2 --language Chinese

Traceback (most recent call last):

File "/home/rootroot/.local/bin/whisper", line 19, in <module>

sys.exit(cli())

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/transcribe.py", line 458, in cli

model = load_model(model_name, device=device, download_root=model_dir)

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/init.py", line 156, in load_model

return model.to(device)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1160, in to

return self._apply(convert)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

Previous line repeated 2 more times

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 833, in _apply

param_applied = fn(param)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1158, in convert

return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking)

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 20.00 MiB. GPU 0 has a total capacty of 7.92 GiB of which 22.75 MiB is free. Including non-PyTorch memory, this process has 7.54 GiB memory in use. Of the allocated memory 7.08 GiB is allocated by PyTorch, and 354.46 MiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

rootroot@rootroot-X99-Turbo:~/chs/large-v2$ ll

rootroot@rootroot-X99-Turbo:~/chs/large$ whisper chs.mp4 --model large-v3 --device cuda

Traceback (most recent call last):

File "/home/rootroot/.local/bin/whisper", line 31, in <module>

sys.exit(cli())

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/transcribe.py", line 458, in cli

model = load_model(model_name, device=device, download_root=model_dir)

File "/home/rootroot/.local/lib/python3.8/site-packages/whisper/init.py", line 156, in load_model

return model.to(device)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1160, in to

return self._apply(convert)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 810, in _apply

module._apply(fn)

Previous line repeated 2 more times

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 833, in _apply

param_applied = fn(param)

File "/home/rootroot/.local/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1158, in convert

return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking)

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 20.00 MiB. GPU 0 has a total capacty of 7.92 GiB of which 22.75 MiB is free. Including non-PyTorch memory, this process has 7.54 GiB memory in use. Of the allocated memory 7.09 GiB is allocated by PyTorch, and 351.95 MiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

rootroot@rootroot-X99-Turbo:~/chs/large$

参考资料：

https://baijiahao.baidu.com/s?id=1754273131302009331\&wfr=spider\&for=pc

比较后才知道：这些语音转文字工具哪个才是真正的王者！

左边框选的是让你选转写的质量，从上往下，质量逐渐增高，转写的准确率会上升，但是相应的耗费的时间也会变长。左边框框选的这五个选项，对应whisper的"tiny，base，small，medium，large"五种模式。

https://www.bilibili.com/read/cv23069352/

whisper-通用语音识别模型

whisper 【音频文件】 【可选：--language 语言】 --model【tiny | small | medium | large】

https://baijiahao.baidu.com/s?id=1766283852009340127\&wfr=spider\&for=pc

科大讯飞，可能要凉！

整个whisper系列一共有5个级别的模型，按参数量进行排序，分别是微型tiny，基本base，小型small，中型medium，大型large，如下图所示

比如whisper系列效果最好的large模型，需要用到的显存是20GB左右，能满足需求的最便宜的显卡是RTX4090，价格在1.5万左右，而且也只是勉强实时，做后期制作还行，要想做到同声传译生成文本就有点悬。坚持要用也不是不行，继续上硬件就可以。但是这么一来，成本必然继续飙升，不是一般企业能够承受的。

https://zhuanlan.zhihu.com/p/656199835

whisper模型体验

cd models/

以下是huggingface提供的多个版本

先尝试 tiny 和 largev2 两个版本

tiny版

git clone https://huggingface.co/openai/whisper-tiny

medium版

git clone https://huggingface.co/openai/whisper-medium

largev2版

git clone https://huggingface.co/openai/whisper-large-v2

https://baijiahao.baidu.com/s?id=1784698857661264974\&wfr=spider\&for=pc

https://m.163.com/dy/article/I5U0SQT605315D6K.html

https://blog.csdn.net/qq_33200967/article/details/130332404

微调Whisper语音识别模型和加速推理

openai/whisper-tiny

openai/whisper-base

openai/whisper-small

openai/whisper-medium

openai/whisper-large

openai/whisper-large-v2

http://www.shouxieziti.cn/194603.html

闻其声而知雅意,基于Pytorch(mps/cpu/cuda)的人工智能AI本地语音识别库Whisper(Python3.10)

安装好之后进行验证：

? transformers git:(stable) whisper

usage: whisper -h --model {tiny.en,tiny,base.en,base,small.en,small,medium.en,medium,large} --model_dir MODEL_DIR

--device DEVICE\] \[--output_dir OUTPUT_DIR\] \[--verbose VERBOSE\] \[--task {transcribe,translate}

--language {af,am,ar,as,az,ba,be,bg,bn,bo,br,bs,ca,cs,cy,da,de,el,en,es,et,eu,fa,fi,fo,fr,gl,gu,ha,haw,hi,hr,ht,hu,hy,id,is,it,iw,ja,jw,ka,kk,km,kn,ko,la,lb,ln,lo,lt,lv,mg,mi,mk,ml,mn,mr,ms,mt,my,ne,nl,nn,no,oc,pa,pl,ps,pt,ro,ru,sa,sd,si,sk,sl,sn,so,sq,sr,su,sv,sw,ta,te,tg,th,tk,tl,tr,tt,uk,ur,uz,vi,yi,yo,zh,Afrikaans,Albanian,Amharic,Arabic,Armenian,Assamese,Azerbaijani,Bashkir,Basque,Belarusian,Bengali,Bosnian,Breton,Bulgarian,Burmese,Castilian,Catalan,Chinese,Croatian,Czech,Danish,Dutch,English,Estonian,Faroese,Finnish,Flemish,French,Galician,Georgian,German,Greek,Gujarati,Haitian,Haitian Creole,Hausa,Hawaiian,Hebrew,Hindi,Hungarian,Icelandic,Indonesian,Italian,Japanese,Javanese,Kannada,Kazakh,Khmer,Korean,Lao,Latin,Latvian,Letzeburgesch,Lingala,Lithuanian,Luxembourgish,Macedonian,Malagasy,Malay,Malayalam,Maltese,Maori,Marathi,Moldavian,Moldovan,Mongolian,Myanmar,Nepali,Norwegian,Nynorsk,Occitan,Panjabi,Pashto,Persian,Polish,Portuguese,Punjabi,Pushto,Romanian,Russian,Sanskrit,Serbian,Shona,Sindhi,Sinhala,Sinhalese,Slovak,Slovenian,Somali,Spanish,Sundanese,Swahili,Swedish,Tagalog,Tajik,Tamil,Tatar,Telugu,Thai,Tibetan,Turkish,Turkmen,Ukrainian,Urdu,Uzbek,Valencian,Vietnamese,Welsh,Yiddish,Yoruba}

随后安装ffmpeg:

brew install ffmpeg

medium中模式下的显存占用：
rootroot@rootroot-X99-Turbo:~$ nvidia-smi
Fri Jan 26 13:25:12 2024
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 545.29.02 Driver Version: 545.29.02 CUDA Version: 12.3 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|=========================================+======================+======================|
| 0 NVIDIA GeForce GTX 1080 Off | 00000000:03:00.0 On | N/A |
| 33% 30C P2 40W / 180W | 3609MiB / 8192MiB | 14% Default |
| | | N/A |
+-----------------------------------------+----------------------+----------------------+

+---------------------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=======================================================================================|
| 0 N/A N/A 1304 G /usr/lib/xorg/Xorg 167MiB |
| 0 N/A N/A 1620 G /usr/bin/gnome-shell 115MiB |
| 0 N/A N/A 2361 C /usr/bin/python3 3322MiB |
+---------------------------------------------------------------------------------------+
rootroot@rootroot-X99-Turbo:~$ nvidia-smi