一款支持 AI 的音视频转换工具这样落地 deepin

2026-01-22 6

你是否曾为音视频转换工具安装复杂、依赖繁琐而头疼？是否期待一款既功能强大、又易于分发的一站式处理工具？

这一切，如今在 deepin 上变得异常简单。近期，社区开发者 @Jack Lau 将应用 OpenConverter 适配成玲珑格式，使其能够以完整的形态无缝集成至 deepin 生态中，真正实现了 “下载即用，无需配置” 的流畅体验。

OpenConverter：不只是格式转换

OpenConverter 是⼀款基于 FFmpeg 和 BMF 框架编写的跨平台(支持 Windows，Linux，MacOS)开源⾳视频转换⼯具，可以⽅便的进⾏⾳视频信息查看，格式转换，编码转换，视频剪切，⾳频提取，图⽚压缩，批量处理等操作，最近还⽀持了AI超分功能，未来会开放更多AI能⼒。同时，它⽀持 GUI 和 CLI 两种使⽤⽅式，还可以根据需要选择不同的转码内核(FFTOOL， FFMPEG， BMF)。

下载体验

deepin 应用商店（AMD64、ARM64）
如意玲珑应用商店：https://store.linyaps.org.cn/
GitHub：https://github.com/OpenConverterLab/OpenConverter

BMF 框架：多媒体处理的新选择

OpenConverter 最初完全基于 FFmpeg API 编写的，常做开发的朋友可能了解，FFmpeg 无疑是⾳视频开发领域的“瑞⼠军⼑”，其功能涉及格式转换、编解码、流媒体、滤镜处理等，功能⼗分强⼤。但是基于 FFmpeg API 开发⼀直都是⼀件令新⼿痛苦的事情，⻔槛较⾼，且在对 AI 功能的支持上存在局限。那我们能否找到⼀个更⽅便的多媒体处理框架，并且保留FFmpeg的强⼤功能呢？

BMF(Babit Media Framework)框架是⼀个不错的选择，它继承了 FFmpeg 的强⼤功能，同时模块编写⽀持多语⾔(C++，Python，Go)的特性使其可以轻松接⼊ AI 能⼒，灵活的 pipeline+ 模块化设计也使得其易于扩展和定制。

例如，实现 AI 超分只需构建如下 pipeline：

BMF 解码模块（C++） → AI 超分模块（Python） → BMF 编码模块（C++）

如果要⽀持其他 AI 能⼒，⽐如去噪，只需要编写并替换中间的 AI 模块即可以，也可以根据业务需求构造更复杂的pipeline。限于篇幅，想了解 BMF 的更多功能可以查看官⽅文档( https://babitmf.github.io)。

当 BMF 遇见玲珑：一次生态落地的实践

早在 2024 年底，我就尝试过在玲珑容器⾥编译 BMF，并成⽴了 sig-linyaps-bmf，计划给玲珑⽣态贡献⼀款基于 BMF 打造的 GUI 软件。

经过近一年的业余开发，OpenConverter v1.5.3 现已正式上架 deepin 应用商店(AMD64、ARM64)，并提供自动化构建的玲珑包。

在编写 Github Action ⾃动化构建玲珑包的过程中，由于缺乏现成样例，我⼿搓了相关脚本(详见.github/workflows/build.yaml)，主要包括：

准备⼆进制⽂件，便携 linglong.yaml，以及 desktop，icon 等⽂件；
使⽤ ll-builder build 构建玲珑包；
使用 ll-builder export --layer --no-develop 导出玲珑包文件。

过程中遇到一个典型问题：构建时会拉取 deepin base 依赖，官方源速度较慢，易导致超时。为此，我们在本地制作了包含 deepin base 镜像的 Docker 镜像，提前拉取缓存，显著提升构建速度与稳定性。该 Docker 镜像(https://github.com/JackLau1222?tab=packages)已开源，供有需要的开发者直接使用。

未来：持续共建音视频开源生态

这一次的适配，不仅是一次技术集成，更是对玲珑生态的一次真实验证。OpenConverter 依赖复杂(FFmpeg、BMF、AI 运行时等)，但通过玲珑的容器化封装，用户无需配置任何环境，即可在 deepin 上稳定运行所有功能，并承载 FFmpeg、BMF 以及 AI 超分等复杂依赖。

这对于⼀个跨平台、GUI 的⾳视频应⽤来说并不容易，⽽玲珑统一的运行环境与可调试的容器特性，也显著降低了分发与维护成本。

OpenConverter 不仅是一个工具，也是一个面向开发者的参考实现。我们希望通过它，降低音视频处理与 AI 融合的开发门槛，并为玲珑生态提供一个真实、可复用的应用案例。

Jack Lau 表示，作为 FFmpeg 与 BMF 的 Maintainer，他将持续推动这两个开源项目与 deepin & 玲珑社区的协作，陆续带来更多“BMF + 玲珑”的开发实例与适配优化。我们也欢迎更多开发者参与到项目中来，无论是反馈问题、贡献代码，还是一起探讨音视频与 AI 的结合可能。

微信关注我们

原文链接：https://www.oschina.net/news/398601

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

微软开源统一语音识别模型 VibeVoice-ASR，专为长音频设计

微软开源了 9B 参数的全新统一语音识别模型 VibeVoice-ASR，支持处理长达 60分钟的长音频，能够在单次处理中生成包含说话人身份、精确时间戳和文本内容的结构化转录结果。模型支持用户自定义热词以提升特定领域的识别准确率。 VibeVoice-ASR 主要特性：单次处理最长 60 分钟音频：与将音频分割成短片段（通常会丢失全局上下文）的传统 ASR 模型不同，VibeVoice ASR 可接受长达60 分钟的连续音频输入，每个音频片段长度为 64K。这确保了整整一小时内说话人追踪的一致性和语义连贯性。自定义热词：用户可以提供自定义热词（例如，特定名称、技术术语或背景信息）来指导识别过程，从而显著提高特定领域内容的识别准确率。丰富的转录（谁、何时、什么）：该模型联合执行 ASR、人声分割和时间戳功能，生成结构化的输出：「谁在何时说了什么」。模型整体架构如下：开源地址 https://huggingface.co/microsoft/VibeVoice-ASR https://github.com/microsoft/VibeVoice

2026-01-22

7

OpenAI旗下ChatGPT Atlas浏览器近期迎来重大内测更新，其AI能力深度融入浏览器底层，旨在重新定义用户的日常浏览方式，步入主动交互时代。 Atlas具备实时上下文理解能力，可直接感知用户当前浏览的网页内容并提供即时研究辅助。其新增的Agent模式允许AI自动执行打开标签页、点击按钮等系列操作，并设有严格的安全机制。同时，浏览器记忆功能可跨站点记录信息，例如在多个招聘网站间自动对比职位详情。另一项突破性功能是针对YouTube视频的智能解析。用户浏览视频时，侧边栏会出现时间戳按钮，点击后AI可自动分析视频内容，提取关键节点并生成带描述的时间轴索引。在性能方面，新版本重点修复了内存过度占用的问题，提升了运行稳定性。用户界面交互也得到优化，支持通过快捷键快速搜索标签页。此外，OpenAI已明确计划将这一AI原生浏览体验从macOS扩展至Windows 11等更广泛的平台。

2026-01-22

5

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。