AI

大家都知道字节的豆包模型非常非常便宜，但还不知道5月15日至8月30日期间，字节赠送5亿token免费用量，不仅有豆包模型，还有月之暗面模型，相当大方了属于是，白嫖谁不嫖，不嫖白不嫖，简单说下白嫖流程

ChatTTS火出圈了，然而文档语焉不详，尤其在语气、韵律、发音人具体控制方面，经过反复实测和踩坑，终于明白一点，记录如下。

最近几天，ChatTTS挺火，号称是专门为对话场景设计的文本转语音模型，拉下来玩了玩，开源版效果距离宣传视频还有不少差距，据说是故意限制。 马马虎虎至少能用，先来搭个web界面和懒人包，使用方便点。

ffmpeg是一款强大的音频视频处理工具，使用非常广泛，几乎所有市面上常见的影音类 剪辑类软件都会集成该工具，同样视频翻译配音软件中也将其集成在内。

openai-whisper是流行的语音识别解决方案，支持数十种语言，对中文支持效果也不错，不过在使用低于large尺寸的模型时，效果仍是略差。相比而言，国内阿里系专注于中文识别的模型效果就好了不少。

借助ffmpeg的wasm版本，可以实现本地网页处理视频、预览非mp4格式的视频等，最近用到了视频中分离音频、预览视频、截取分割等功能，简单记录下。 获取 ffmpeg.wasm 首先需要执行npm以

根据输入文字和选项，组装 ssml 格式数据，然后创建websocket连接edge TTS服务器，得到返回音频数据后，合并创建mp3下载到本地。

OpenAI的chatGPT是公认最强的大模型，国内的文心一言、通义千问还只是追赶者，相比有不小差距。最近国内又冒出来一个挺厉害的AI工具：  Moonshot  中文名为 “月之暗面”，听着有点怪异

视频翻译配音软件中，支持使用ChatGPT和DeepLx作为翻译渠道，这两个翻译均需要额外设置，虽然已有几篇相关教程，但很多用户还是不会设置，本文再次讲述下如何使用。 使用ChatGPT，分两种情况

这两天马斯克在 GitHub 上开源了 Grok-1 大模型：一个GPT-4强有力的竞争者。 开源地址：https://github.com/xai-org/grok-1 开源一天就暴涨23k sta

有很多开源大模型都可以本地部署，用于替代 chatGPT 实现本地执行各种任务，比如国内较好的 通义千问Qwen1.5 全尺寸模型。在一般的翻译、文案创作、辅助编码等任务上，基本达到了ChatGPT3

声音、画面、字幕不同步 首先解释原因： 不同语言相互翻译后，字符长度数量是不同的，发音也是不同的，因此翻译前后的配音必然是有时长差异的，比如原中文配音是2秒，翻译为英文后配音可能是3s，定然导致声音、

本文主要介绍下如何在cloudflare后台搭建一个可用的免费翻译api，使用 m2m100-1.2B 模型

自从OpenAI推出GPT3以后，各种AI就层出不穷，然而到目前为止，最好用最强大的还得是GPT4。

在腾讯云平台上使用免费的云函数部署DeepLx。通过利用云函数动态IP的特性，能有效避免IP检测出现异常并被封锁的问题。

本文简单说下如何使用OpenAI(openai.com)官方获取自己的api信息，以及如何使用第三方api中转服务，并填写到软件中使用(以视频翻译配音软件和沉浸式翻译为例)。

在进行声音训练任务时，需要搜集一定数量的声音样本，比如自己的录音、从影音文件中截取的片段，而这些文件总避免不了存在背景噪声或者音乐伴奏等，如果不提前去除，会极大影响训练效果。 有的声音训练项目会自带背

本文主要介绍下“视频翻译配音软件”有哪些功能，以及界面中各个选项和按钮的涵义及设置。 软件介绍见：视频翻译与配音 该软件能实现将一种语言的视频，翻译为另一种语言的视频，处理后的新视频中的字幕和人类说话

在使用“视频翻译配音工具VideoTrans”中，经常有用户抱怨翻译质量过差，本文讲一下提高翻译质量的技巧。 如果你还没有安装，可查看上篇文章。# 一文搞懂“视频翻译与配音工具”！ 整个视频翻译配音软

OpenAI最近又向公众展示了他们武器库里的一款新武器，仅凭一段文字即刻生成效果惊艳逼真视频的Sora。真不知道他们还藏着多少宝贝。 这款被命名为Sora的新工具，在日语中的意思是“天空”，标志着这家