获得徽章 0
【调研记录】绘本对话类音频怎么生成好呢
记录最近生成绘本项目做的一些调研（图片 + 对话音频 + 字幕）
1. 图片：
目前只搞单张图片AI生成还比较好解决，多张图片保证画风人物一致性 等到时候再去解决
2. 对话音频： 当前使用了 minimax的TTS服务 也调研了11lab的音频服务。
目标：文字能够按照角色生成对应音色的音频 + 字幕（比如女儿和父亲对话，需要生成时分别使用小女孩 + 成年男性的音色轮流生成， 如果再优化还需要考虑旁白音色）
Minimax：
优势：支持返回字幕 subtitle_enable❌ 劣势：目前API只支持单个音色，多个音色目前只能笨办法，拼接音频 和 字幕
11lab
目前有对话 API, 一个接口搞定对话音频生成❌ 劣势：不支持返回字幕
最终还是继续使用minimax，让用户录入时手动去选择音色, 后续可以考虑使用一些AI识别的手段提升效率。
展开
评论
点赞
Cursor开启年度会员后，开始频繁高强度使用Cursor，最近对使用Cursor的使用做了一些总结
1. 排查问题
1.1 明确问题
在写提示词的时候，详细描述问题，除了提供报错信息外，可以把预期和实际表现明确表述出来
预期：输出字段为XXX
实际：表现字段为YYY
1.2 提供更多参考信息
代码片段 + 更多文件 + 错误信息(代码+图片+日志等等)
本周遇到了一个引起缓存引起的问题，一直采用后置主动清空缓存的方式解决，后面让Cursor分析整个文件夹，定位到时一个缓存配置引起，调整配置 从根本上解决问题
2. 开发类似的功能
开发了A功能后，B页面需要实现类似的功能，
之前：从0到1 逐步描述我想要的功能，在B页面实现
现在：添加A功能做为参考代码，希望在B上面实现这个功能，同时列出差异点（最好结合实例数据做参考）
1. 排查问题
1.1 明确问题
在写提示词的时候，详细描述问题，除了提供报错信息外，可以把预期和实际表现明确表述出来
预期：输出字段为XXX
实际：表现字段为YYY
1.2 提供更多参考信息
代码片段 + 更多文件 + 错误信息(代码+图片+日志等等)
本周遇到了一个引起缓存引起的问题，一直采用后置主动清空缓存的方式解决，后面让Cursor分析整个文件夹，定位到时一个缓存配置引起，调整配置 从根本上解决问题
2. 开发类似的功能
开发了A功能后，B页面需要实现类似的功能，
之前：从0到1 逐步描述我想要的功能，在B页面实现
现在：添加A功能做为参考代码，希望在B上面实现这个功能，同时列出差异点（最好结合实例数据做参考）
展开
评论
1
作为小白，本周在业余时间学习了一些web3的基础知识，做了一点整理和分析。
1. 账号体系
web2:依赖中心化的平台管理账户(用户名、密码等信息)
🌰：一个大V去带货赚钱，需要小红书、抖音和B站都注册一遍，才能从各大平台赚钱。
web3:
用户自己手动创建账户(两个字符串)
私钥（密码）：，普遍用12个单词形式的助记词便于记忆
公钥（账户）：账户，便于在各个平台上使用，比如收款和付款。
🌰：一个大V求打赏，把账户发出来，粉丝们可以各种网络(以太坊网络、币安网络等等)给这个账户打钱
2. 数据互通
web2 用户的数据很难在各大平台上切换
web3 用户的数字货币可以从太坊网络、币安网络等各种网络切换(跨网络 需要gas费，类似转账手续费)
1. 账号体系
web2:依赖中心化的平台管理账户(用户名、密码等信息)
🌰：一个大V去带货赚钱，需要小红书、抖音和B站都注册一遍，才能从各大平台赚钱。
web3:
用户自己手动创建账户(两个字符串)
私钥（密码）：，普遍用12个单词形式的助记词便于记忆
公钥（账户）：账户，便于在各个平台上使用，比如收款和付款。
🌰：一个大V求打赏，把账户发出来，粉丝们可以各种网络(以太坊网络、币安网络等等)给这个账户打钱
2. 数据互通
web2 用户的数据很难在各大平台上切换
web3 用户的数字货币可以从太坊网络、币安网络等各种网络切换(跨网络 需要gas费，类似转账手续费)
展开
评论
1