<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Pika]]></title><description><![CDATA[自由&热爱]]></description><link>https://blog.youkuaiyun.com/Ephemeroptera</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Ephemeroptera]]></copyright><item><title><![CDATA[CosyVoice3Pro：把官方 CosyVoice3 变成可直接接入业务的语音服务]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/163303581</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/163303581</guid><author>Ephemeroptera</author><pubDate>Wed, 29 Jul 2026 14:05:15 +0800</pubDate><description><![CDATA[摘要： CosyVoice3Pro 是基于官方 CosyVoice3 语音模型的增强服务，提供面向业务的生产级能力。它通过声纹复用（注册后仅需 speakerId + text 即可合成）、REST API 接口、多格式音频交付和 Web 管理后台，简化了语音服务的集成与运维。支持默认声纹画像与临时 Prompt 覆盖，并优化了 A100 上的并发性能，实测系统 RTF 降低 15.8%，吞吐提升 18.8%。开发者可通过 Docker 快速部署，实现长文本分段、语速/音量调节及 9 种音频格式输出，适合直]]></description><category></category></item><item><title><![CDATA[导出BERT句子模型为ONNX并推理]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/143239399</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/143239399</guid><author>Ephemeroptera</author><pubDate>Fri, 25 Oct 2024 17:16:42 +0800</pubDate><description><![CDATA[ONNX 是一种开放的神经网络交换格式，旨在促进深度学习模型在不同平台和工具之间的共享和移植。它支持包括PyTorch、TensorFlow等多种主流框架，可以通过ONNX Runtime库高效推理。通过将模型转换为ONNX格式，我们可以获得跨平台部署的优势，并利用ONNX Runtime加速推理过程。通过将BERT模型导出为ONNX并使用ONNX Runtime进行推理，我们可以大幅度提升推理速度，同时保持了高精度的句子嵌入计算。]]></description><category></category></item><item><title><![CDATA[聚类算法的代码解析与实现]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/143060870</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/143060870</guid><author>Ephemeroptera</author><pubDate>Mon, 21 Oct 2024 11:09:17 +0800</pubDate><description><![CDATA[以下是"""return Melse:return AL = D - Mreturn Lelse:self.min_num_spks = min_num_spks # 最小聚类数（最小说话者数目）self.max_num_spks = max_num_spks # 最大聚类数（最大说话者数目）self.pval = pval # p值，用于p-剪枝（p-pruning）作用：定义了一个类，用于执行谱聚类算法。参数：最小聚类数量，默认为1。：最大聚类数量，默认为15。pval。]]></description><category></category></item><item><title><![CDATA[通过python-api使用openai的gpt]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/142634719</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/142634719</guid><author>Ephemeroptera</author><pubDate>Sun, 29 Sep 2024 14:29:26 +0800</pubDate><description><![CDATA[目前，OpenAI 提供的 GPT 模型可以通过其提供的 API 进行访问。]]></description><category></category></item><item><title><![CDATA[Funsound 跨语言语音翻译]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/142591771</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/142591771</guid><author>Ephemeroptera</author><pubDate>Fri, 27 Sep 2024 14:01:25 +0800</pubDate><description><![CDATA[对任意语言的音视频识别得到目标语言文字结果，支持100种语言互译，视频支持在线添加字幕。实现原理由whisper进行多语言语音识别，ChatGPT对识别结果进行润色翻译。]]></description><category></category></item><item><title><![CDATA[Seamless:Facebook推出的跨语言语音识别/翻译/合成大模型]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/142496788</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/142496788</guid><author>Ephemeroptera</author><pubDate>Tue, 24 Sep 2024 18:21:05 +0800</pubDate><description><![CDATA[Seamless 是一系列 AI 模型，旨在实现更自然和真实的跨语言沟通。SeamlessM4T 是一个支持约 100 种语言的大规模多语言多模态机器翻译模型。SeamlessM4T 是 SeamlessExpressive 的基础，后者能够在不同语言间保留语调和声音风格的元素，同时 SeamlessStreaming 则支持同时翻译和流式语音识别（ASR）。]]></description><category></category></item><item><title><![CDATA[Funsound: 快速为你的视频加上字幕]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141859702</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141859702</guid><author>Ephemeroptera</author><pubDate>Tue, 03 Sep 2024 14:09:10 +0800</pubDate><description><![CDATA[是基于阿里达摩院funasr开发的中文语音识别工具，其paraformer非自回归解码速度超快，同时预训练模型识别精度业界领先。本文将简要介绍funsound下如何快速为你的视频添加字幕，十分简单方便。]]></description><category></category></item><item><title><![CDATA[Funsound语音识别技术之 语音识别多路并发转写]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141400318</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141400318</guid><author>Ephemeroptera</author><pubDate>Wed, 21 Aug 2024 18:44:35 +0800</pubDate><description><![CDATA[本文主要介绍一种简单的多路语音识别转写部署方案，基于多线程开发实现后台同时转写多个音频文件，这里给出简易实现思路，具体构建服务端/客户端 离线语音转写请参考Funsound工具包代码，本文以部署多个whisper语音转写引擎为例。]]></description><category></category></item><item><title><![CDATA[Funsound语音识别技术之 基于paraformer的自定义命令（唤醒）词识别]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141362235</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141362235</guid><author>Ephemeroptera</author><pubDate>Tue, 20 Aug 2024 16:45:34 +0800</pubDate><description><![CDATA[Paraformer在声学后验上通过greedy search得到语音识别结果，对于自定义命令（唤醒）词识别，肯定还得走asr模型。对此我们可以在paraformer上为每个命令词构建模板进行命令匹配，最终结果远远优于科大讯飞语音控制sdk结果。]]></description><category></category></item><item><title><![CDATA[Funsound语音识别技术之 制作指定领域的语音数据集: 爬取B站音视频 + 基于whisper/funasr 语音识别预标注 + 人工纠正UI]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141360744</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141360744</guid><author>Ephemeroptera</author><pubDate>Tue, 20 Aug 2024 16:03:04 +0800</pubDate><description><![CDATA[funsound项目下制作某个领域的语音数据：爬取音视频数据，并使用whisper进行标注，人工快速纠正UI]]></description><category></category></item><item><title><![CDATA[python下麦克风设备选择和录音]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141257968</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141257968</guid><author>Ephemeroptera</author><pubDate>Fri, 16 Aug 2024 13:54:33 +0800</pubDate><description><![CDATA[python下麦克风设备选择和录音]]></description><category></category></item><item><title><![CDATA[基于TTS模型快速生成大规模语音数据教程]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141031942</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141031942</guid><author>Ephemeroptera</author><pubDate>Thu, 08 Aug 2024 17:22:17 +0800</pubDate><description><![CDATA[Worker类是整个代码的核心部分，每个Worker都是一个独立的进程，用于处理文本到语音的转换任务。在__init__方法中，我们初始化了Workerwid: worker 的 ID，用于标识不同的进程。model_id: 模型的 ID，这里使用的是。tasks: 一个Queue对象，用于存储需要处理的任务。outdir: 输出目录，用于存储生成的音频文件。speaker: 声音库，内置了多个情感发音的选项。run方法是Worker的核心逻辑所在，每个Worker。]]></description><category></category></item><item><title><![CDATA[中文字符串中阿拉伯数字-中文互转]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141027736</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/141027736</guid><author>Ephemeroptera</author><pubDate>Thu, 08 Aug 2024 15:15:53 +0800</pubDate><description><![CDATA[是一个快速转化 `中文数字` 和 `阿拉伯数字` 的工具包！]]></description><category></category></item><item><title><![CDATA[给本地设备搭建一个云端语音助手]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140875922</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140875922</guid><author>Ephemeroptera</author><pubDate>Fri, 02 Aug 2024 17:21:02 +0800</pubDate><description><![CDATA[本语音助手实现了从关键词唤醒 (KWS) 到语音识别 (ASR) 再到自然语言理解 (NLU) 的完整流程。该系统可以通过监听用户的音频输入，检测指定的关键词，并将用户的语音转换为文本，最后与预设的命令进行匹配，执行相应的操作（具体实现请参考main.py），为你的设备配置远程语音助手。]]></description><category></category></item><item><title><![CDATA[理解基频和谐波：傅里叶变换中的正交性]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140344916</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140344916</guid><author>Ephemeroptera</author><pubDate>Thu, 11 Jul 2024 10:39:32 +0800</pubDate><description><![CDATA[基频是信号的最基本频率成分。它是周期性信号中每个周期的重复频率。基频是信号中频率最低的成分，通常表示为 F0。基频决定了信号的整体周期长度，例如，如果一个信号的基频是 100 Hz，那么该信号每秒重复 100 次，每个周期的时长为 1/100 秒。谐波是基频的整数倍频率成分，它们构成了信号的频率谱，反映了信号的复杂性和音质特性。谐波包括基频（第一个谐波）和其整数倍频率的成分。例如，如果基频是 F0，第二谐波是 2F0，第三谐波是 3F0，依此类推。]]></description><category></category></item><item><title><![CDATA[基于KV Cache构建流式帧级别Transformer实现自回归解码]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140327980</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140327980</guid><author>Ephemeroptera</author><pubDate>Wed, 10 Jul 2024 16:41:55 +0800</pubDate><description><![CDATA[流式帧级别Transformer是一种特殊的Transformer变体，设计用于流式输入处理。这种模型可以在序列的每个时间步处理输入，并且利用KV Cache存储历史的键和值，避免重复计算，从而提高效率。自回归解码则意味着模型在生成下一个输出时依赖于之前的输出。]]></description><category></category></item><item><title><![CDATA[开源项目的机遇与挑战]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140323239</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140323239</guid><author>Ephemeroptera</author><pubDate>Wed, 10 Jul 2024 14:33:43 +0800</pubDate><description><![CDATA[随着全球经济和科技环境的快速变化，开源软件项目的蓬勃发展成为了开发者社区的热门话题。越来越多的开发者和企业选择参与开源项目，以推动技术创新和实现协作共赢。在这篇博客中，我们将探讨当前开源项目的发展趋势、参与开源的经验分享以及开源项目面临的挑战。]]></description><category></category></item><item><title><![CDATA[基于 KV Cache 实现流式 Self-Attention 序列解码]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140323157</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140323157</guid><author>Ephemeroptera</author><pubDate>Wed, 10 Jul 2024 14:28:58 +0800</pubDate><description><![CDATA[接下来，我们定义一个流式Self-Attention的类。该类继承自nn.Module在构造函数中，我们初始化了模型维度（model_dim）和注意力窗口大小（），并定义了投影层用于生成查询（Q）、键（K）、值（V）向量。我们还定义了用于存储KV缓存的成员变量k_cache和v_cache。]]></description><category></category></item><item><title><![CDATA[生成式人工智能：开发者的得力助手还是职业威胁？]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140275677</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140275677</guid><author>Ephemeroptera</author><pubDate>Mon, 08 Jul 2024 18:06:28 +0800</pubDate><description><![CDATA[在过去的几年里，生成式人工智能（AIGC）在软件开发领域引发了广泛关注。AI工具在代码生成、错误检测、自动化测试等方面的应用，正在迅速改变开发者的工作方式。AI究竟是在帮助开发者提高效率，还是在逐渐取代他们？这是一个值得深入探讨的问题。]]></description><category></category></item><item><title><![CDATA[IT专业入门，高考假期预习指南]]></title><link>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140118372</link><guid>https://blog.youkuaiyun.com/Ephemeroptera/article/details/140118372</guid><author>Ephemeroptera</author><pubDate>Tue, 02 Jul 2024 09:56:44 +0800</pubDate><description><![CDATA[希望这份IT专业入门的预习指南能帮助你在高考假期中充分利用时间，打下坚实的基础。记住，学习是一个长期的过程，保持好奇心和坚持不懈的努力是成功的关键。祝你在未来的IT学习和职业生涯中取得辉煌的成就！]]></description><category></category></item></channel></rss>