- 博客(1153)
- 收藏
- 关注
RSS订阅原创 PyCharm激活码永久免费？别信！但Fun-ASR是真的开源
面对商业语音识别API的高成本与隐私风险，Fun-ASR提供了一种可本地部署、完全开源且专注中文优化的替代方案。它支持一键启动、批量处理、热词增强与文本规整，兼顾易用性与工程严谨性，让开发者无需破解软件也能高效构建语音应用。
2026-01-04 15:54:20
342
原创 掘金社区分享：参与AI主题讨论增加品牌曝光度
GLM-TTS基于大语言模型架构，实现零样本音色克隆、情感迁移与精准发音控制，支持批量任务处理和工业级部署。通过说话人嵌入、自定义音素规则和高效推理优化，适用于虚拟主播、有声书与企业客服等场景，兼顾自然度与可扩展性。
2026-01-04 15:02:10
108
原创 CSDN勋章体系新增Fun-ASR贡献者标识
Fun-ASR通过本地部署和WebUI实现低门槛语音转写，支持热词增强、VAD分段与批量处理，保障数据安全的同时提升识别准确率与效率，CSDN推出贡献者勋章激励社区共建。
2026-01-04 15:00:41
258
原创 心理陪伴机器人：用温暖声音缓解孤独感的情感交互
GLM-TTS技术让心理陪伴机器人能复现亲人音色与情感语调，仅需几秒录音即可生成富有共情力的个性化语音。通过零样本学习和情感迁移，机器人可模仿家人语气进行安慰、提醒或鼓励，显著提升孤独人群的心理慰藉体验。结合音素控制与真实情绪采集，该技术正推动人机交互从‘能说’走向‘懂你’。
2026-01-04 12:15:28
68
原创 LED显示屏尺寸大小选择指南：从P1到P10全面讲解
合理选择led显示屏尺寸大小直接影响显示效果与观看体验。从P1到P10，不同间距适用于多种场景，掌握关键参数能更好匹配实际需求，提升视觉表现力。
2026-01-04 12:12:58
119
原创 图解说明PCB Layout基本流程：适合初学者快速理解
通过直观的图示详解pcb layout的完整步骤，帮助新手快速掌握核心要点。从元器件布局到布线规则，每一步都清晰呈现，让pcb layout不再难上手。
2026-01-04 11:14:44
268
原创 安全审计报告：第三方机构认证无后门程序
Fun-ASR 是由钉钉与通义联合推出的开源语音识别系统，首次通过第三方机构安全审计，确认无后门程序。支持完全本地化部署，数据不出内网，兼顾高准确率与强安全性，适用于金融、医疗、政务等对隐私要求严苛的场景。其WebUI界面友好，具备热词增强、历史记录管理等功能，真正实现可控、可查、可信的AI语音转写体验。
2026-01-04 10:50:43
327
原创 大模型token充值优惠活动进行中，批量采购享额外折扣
Fun-ASR通过端到端大模型实现高精度中文语音转写，支持WebUI操作与本地部署，兼顾安全与效率。系统采用VAD分段、批量处理和ITN规整等技术，在会议记录、教学归档等场景中表现出色，结合硬件加速可在GPU上实现高效推理，为私有化AI应用提供可行路径。
2026-01-04 10:23:38
485
原创 WebM视频可以直接导入HeyGem进行数字人合成吗？
HeyGem支持直接导入WebM格式视频进行数字人合成，无需转码。依托FFmpeg深度解析，兼容VP8/VP9编码，实现高效口型同步。系统智能校验分辨率、帧率与音轨，保障处理稳定性，特别适合浏览器录屏和会议录像等场景，显著降低创作门槛。
2026-01-03 16:42:11
425
原创 清华系AI语音模型GLM-TTS深度评测：支持网盘直链下载与批量推理
智谱AI推出的GLM-TTS模型支持零样本音色复刻与情感迁移，仅需几秒音频即可生成高保真中文语音。具备音素级控制、批量推理和网盘直链下载能力，适用于教育、媒体、数字人等场景，显著降低个性化语音生产门槛。
2026-01-03 16:17:38
467
原创 使用Back4app提供GLM-TTS后端BaaS服务
通过Back4app将GLM-TTS封装为语音合成服务，实现零样本音色克隆、情感迁移与精准发音控制。无需运维，API调用即可批量生成自然流畅的中文语音，适用于教育、媒体与客服等场景，大幅提升内容生产效率。
2026-01-03 14:36:38
551
原创 Shell脚本启动HeyGem服务：start_app.sh背后的执行逻辑
一个看似简单的Shell脚本，实则承载着环境检查、路径管理、进程守护与日志追踪等关键职责。它将复杂的AI系统部署简化为一条命令，让非技术人员也能轻松运行数字人视频生成服务。背后体现的是从个人开发到工程化交付的思维跃迁。
2026-01-03 14:33:48
547
原创 系统学习ESP32引脚图及GPIO复用机制
全面梳理ESP32引脚图功能分布，详解GPIO复用机制的工作原理与配置方法，帮助开发者高效利用esp32引脚图进行项目开发，避免资源冲突。
2026-01-03 13:55:56
229
原创 谷歌镜像站点访问IndexTTS2 GitHub仓库提速技巧汇总
针对国内开发者下载GitHub资源慢的问题，本文提供基于镜像站点和自动化脚本的实战方案，显著提升IndexTTS2开源语音合成项目的部署效率。涵盖模型预载、内网共享、显存优化与安全访问等关键技巧，帮助开发者绕开网络瓶颈，快速实现本地化运行。
2026-01-03 13:43:50
241
原创 Dify平台与HeyGem联动设想：构建AI驱动的内容生成工作流
通过Dify与HeyGem的协同，实现从文字到数字人视频的自动化生产。Dify负责流程编排与调度，HeyGem完成语音驱动口型的视频合成，结合TTS、共享存储与任务队列，打造高效、安全、可扩展的AI内容工厂，适用于教育、电商与政务场景。
2026-01-03 13:14:06
328
原创 树莓派下pymodbus通信实战：手把手教程（从零实现）
通过树莓派实现pymodbus通信，详解从环境搭建到代码运行的每一步，帮助掌握pymodbus在实际项目中的应用技巧与常见问题解决方法。
2026-01-03 12:19:43
582
原创 Melodyne音高校正后音频导入HeyGem更精准
通过Melodyne进行音高校正和音频净化，再导入HeyGem生成数字人视频，可显著提升唇音同步精度与表达自然度。该工作流已在企业培训等场景中验证，有效降低口型跳变、延迟等问题，主观评分接近真人表现。
2026-01-03 12:06:19
392
原创 Protocol Buffers定义IndexTTS2高效序列化数据结构
IndexTTS2引入Protobuf优化数据序列化，提升传输效率与系统稳定性。通过强类型契约和二进制编码，实现跨平台一致、低延迟高吞吐的语音合成服务，支持复杂情感表达与未来功能扩展，为AI语音系统提供可持续演进的数据基础。
2026-01-03 10:56:30
267
原创 云计算成本控制：按需调度GPU资源运行IndexTTS2节省开支
通过自动化脚本实现GPU实例的按需启停，显著降低运行高质量开源TTS模型IndexTTS2的云成本。结合轻量级管理方案与合理资源配置，在保障性能的同时将月度开销压缩95%以上，尤其适合间歇性使用的AI推理场景。
2026-01-03 10:41:33
340
原创 MyBatisPlus不香了？现在流行用Dify+GLM-TTS做智能内容生成
通过Dify与GLM-TTS的协同，实现从文本生成到语音合成的自动化流程。零样本音色克隆、情感还原与批量任务处理让语音内容生产更高效，已在客服、教育等场景落地，推动AI内容生成进入新阶段。
2026-01-03 09:54:53
465
原创 TTS文字转语音联动：构建端到端的全自动视频生成流水线
通过TTS与数字人技术联动，实现从文本到视频的端到端自动化生产。系统支持批量处理、高精度口型同步和图形化操作，显著提升教育、电商等领域的视频制作效率，推动AI内容生产基础设施化。
2026-01-03 09:30:40
753
原创 外卖骑手路径规划：HunyuanOCR识别小区楼栋编号
外卖骑手常因楼栋标识不清而延误配送，腾讯混元推出的HunyuanOCR通过多模态AI技术实现楼牌文字的端到端识别与结构化解析，支持中英混合、模糊环境下的快速定位，将找楼时间缩短近七成，显著提升末端配送效率。
2026-01-03 09:18:15
403
原创 Telegram群组文本由IndexTTS2自动转换为语音消息
通过结合Telegram Bot与本地中文语音合成模型IndexTTS2，可将群组文本消息自动转换为自然流畅的语音播报。系统支持情感控制、高保真输出与完全离线运行，适用于工作通知、无障碍访问及多任务场景，兼顾隐私安全与部署便捷性。
2026-01-03 09:04:17
435
原创 单机配置C51与ARM开发环境：Keil双版本实战教程
详细讲解如何在同一台电脑上实现keilc51和mdk同时安装，解决C51与ARM开发环境冲突问题，确保两个版本稳定运行，提升单片机开发效率。
2026-01-02 14:59:33
218
原创 Proteus 8 Professional下载与Keil联调配置操作指南
详细介绍Proteus 8 Professional下载方法及与Keil的联合调试配置步骤，帮助用户高效实现单片机仿真开发，提升编程与调试效率，适用于51单片机等常见嵌入式项目实践。
2026-01-02 14:54:55
618
原创 ARM体系结构通俗解释：小白指南从零开始
想搞懂ARM架构却无从下手？这篇小白指南用最直白的语言带你理解ARM的核心原理与技术特点，深入浅出地解析其在移动设备和嵌入式系统中的广泛应用。
2026-01-02 13:02:36
379
原创 Qwen3-VL代码补全增强：结合UI设计图生成前后端联动逻辑
Qwen3-VL能基于UI设计图自动生成前端代码与后端接口契约，实现从视觉理解到业务逻辑推导的端到端开发。它具备空间感知、长上下文记忆和多模态推理能力，可大幅提升前后端协作效率，推动开发模式向‘描述意图’转变。
2026-01-02 13:00:27
818
原创 奥运会视觉系统维护：lora-scripts用于历届吉祥物风格一致性校验
通过LoRA技术提取历届奥运吉祥物的视觉风格特征，结合lora-scripts工具实现自动化风格一致性校验。系统可量化新设计与历史风格的关联度，支持断层预警、跨媒介统一和复古复刻，将生成式AI从内容创造拓展为品牌视觉治理的决策工具。
2026-01-02 12:58:55
712
原创 Qwen3-VL中医舌诊辅助：舌苔颜色与形态特征提取
借助Qwen3-VL多模态大模型，实现舌苔颜色、厚薄、裂纹等特征的精准提取与中医术语描述，结合视觉与语义理解，支持动态辨证与结构化输出，推动舌诊客观化、数字化。模型具备细粒度识别、光照纠偏和推理可解释性，已在实际辅助诊断中展现高准确率。
2026-01-02 12:49:40
443
原创 一位全加器传播延迟解析：关键性能指标
深入分析一位全加器的传播延迟，探讨其在数字电路中的关键性能表现，结合门级延迟与信号传输路径，揭示影响运算速度的核心因素，并提出可行的优化方向。
2026-01-02 12:14:02
571
原创 清华镜像站离线备份策略：保障lora-scripts长期可用性
清华大学开源镜像站通过离线备份策略，确保关键AI工具`lora-scripts`在断网或资源失效时仍可稳定运行。该方案实现本地化归档源码、依赖与模型，支持私有部署与长期复现，提升AIGC工具链的可维护性与生态韧性，为科研和企业应用提供基础设施级保障。
2026-01-02 11:47:41
564
原创 Qwen3-VL与Three.js联动：从单张图片生成三维场景原型
通过Qwen3-VL视觉语言模型与Three.js的结合，实现从单张图片自动生成可交互的三维场景原型。该方案利用AI的空间理解与代码生成能力，快速输出浏览器可运行的3D代码，适用于设计预览、电商展示、教育等多个场景，大幅降低3D内容创作门槛。
2026-01-02 11:41:23
678
原创 低成本高精度OCR方案：HunyuanOCR仅需1B参数即可达到SOTA水平
腾讯推出的HunyuanOCR以仅约10亿参数，在多项任务中达到业界领先水平，支持端到端文本识别与结构化提取。通过统一建模、提示驱动和轻量化设计，实现在消费级硬件高效运行，兼顾多语言识别与真实场景鲁棒性，显著降低企业部署成本。
2026-01-02 11:10:14
546
原创 lora-scripts自动标注功能实测：提升metadata生成效率
通过lora-scripts的auto_label功能，可快速为训练图生成高质量prompt，大幅提升LoRA模型定制效率。结合BLIP等多模态模型，实现从图像到文本的自动化标注，并支持低配显卡友好训练，让个人开发者也能轻松打造专属风格模型。
2026-01-02 11:02:09
531
原创 Qwen3-VL解析网盘直链下载助手加密机制：安全性评估报告
Qwen3-VL通过视觉-语言融合技术，实现对网盘直链下载页面的智能解析与操作决策。模型具备精准UI识别、动态行为理解与多模态安全判断能力，可在本地完成提取码输入、防钓鱼识别和定时链接捕获，兼顾效率与隐私安全。
2026-01-02 10:48:40
503
原创 Sonic如何处理不同肤色、年龄、性别的人像输入？
Sonic通过高多样性训练数据和自适应机制，实现对不同肤色、年龄、性别人群的稳定说话视频生成。模型结合语音特征与关键点先验，利用动态参数调节和容错设计，在深肤色、老年或儿童等场景下仍保持自然口型与动作连贯，支持零样本跨群体泛化。
2026-01-02 10:28:49
181
原创 Qwen3-VL与Dify深度整合：可视化编排多步AI工作流
通过Qwen3-VL的多模态理解与Dify的可视化编排，非技术人员也能快速搭建自动化AI流程。系统可识别图像、提取语义、调用数据库并生成报告，已在客服、售后等场景实现分钟级响应，显著降低人工负担。
2026-01-02 10:28:04
752
原创 Qwen3-VL模型深度解析：视觉代理与空间感知能力全面升级
Qwen3-VL模型实现了视觉代理、空间感知与OCR能力的深度融合，使AI不仅能理解图像内容，还能基于指令执行操作。通过端到端多模态架构，它可精准识别UI元素、推断物体位置关系，并在复杂场景下稳定提取多语言文本，适用于自动化、无障碍交互与数字文档处理等真实任务。
2026-01-02 09:59:17
474
原创 Qwen3-VL原生支持256K上下文，长文档处理更高效
Qwen3-VL原生支持256K上下文，可扩展至百万级token，实现长文档、多小时视频的完整理解。通过稀疏注意力、增强位置编码与KV缓存复用，兼顾效率与记忆完整性。其端到端多模态架构能解析图文布局，支持视觉代理、GUI操作与跨页语义关联，适用于法律、教育、医疗等复杂场景。
2026-01-02 09:29:21
385
原创 Dify变量赋值传递文本给CosyVoice3进行语音合成
通过Dify的变量系统与CosyVoice3语音合成引擎结合，构建自动化文本转语音流程。利用Dify进行文本清洗与变量传递，再调用CosyVoice3实现零样本声音克隆和情感化语音输出，支持方言、多音字标注与API集成，适用于有声书、客服、教育等多种场景。
2026-01-01 16:22:33
757
Excel VBA金融与保险应用
2025-03-18
运动心理训练计划：提升表现与管理障碍
2025-02-26
DASH饮食：健康生活与降压食谱
2025-02-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人