fj_changing的博客

本文记录了在WSL环境下部署CosyVoice语音合成模型时遇到的主要问题及解决方案。关键步骤包括：修改requirements.txt指定GPU版PyTorch 2.9.1+cu128，安装CUDA 12.8工具包和cuDNN，解决torchaudio API变更导致的音频加载问题，修复librosa处理torch.Tensor的兼容性问题，以及安装ffmpeg解决ffprobe缺失问题。通过调整webui.py中的音频处理逻辑，最终成功启动WebUI并实现语音合成功能。

本文记录了在Windows 11笔记本(8G显存)上部署SoulX-Podcast语音合成项目的完整过程。主要步骤包括：创建Python 3.11虚拟环境，手动安装GPU版torch和相关依赖，解决triton包安装问题(需改为triton-windows)，下载1.7B模型文件。遇到的主要问题有：Gradio 6.0版本不兼容(需降级到5.50.0)、缺少torchcodec导致音频处理失败、FFmpeg版本冲突等。通过conda安装FFmpeg并重新安装torchcodec后问题解决。最终成功运行Web

yolo目标检测和姿态识别和目标追踪

百度飞桨PaddleSpeech的简单使用。​PaddleSpeech是基于飞桨PaddlePaddle的语音方向的开源模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型，一些典型的应用示例如下：语音识别、语音翻译 (英译中)、语音合成、标点恢复等。我只用到了语音识别(语音转文字)、语音合成(文字转语音)。

PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。PaddleOCR是一个图像识别库，我只是用到了它的OCR功能，就是识别图片中的文字。其他的功能也很强大，我没用到。...

Foxmail 7.2邮件数据迁移，导入旧邮件数据。