WEBVTT

00:00:00.000 --> 00:00:25.200
大家好,這裡是Hex電腦核糖。本期要跟大家分享的是一款開源的同聲傳異的神器。那這款工具在我自己使用體驗後呢,我發現它的效果真的很驚艷。它不只是跨平台,支持Windows、Ninogus還有MacOS,並且整個過程是完全免費的。更重要的是它的效果是我覺得是可以跟很多商用必源的去幫忙手腕的。OK,但我們廢話不多說,先給大家直接展示效果。

00:00:25.200 --> 00:00:30.020
人工智能是一项对社会影响非常深远的技术

00:00:30.020 --> 00:00:32.220
它将重塑社会的各行各业

00:00:32.220 --> 00:00:48.300
我们从现在开始就要密切地关注这项技术

00:00:48.300 --> 00:00:51.120
并且保持与时俱进

00:00:51.120 --> 00:01:02.780
所以光注Hex电脑和谈

00:01:02.780 --> 00:01:04.340
并且持续地学习

00:01:04.340 --> 00:01:06.480
让文艺一起在AI时代保持进步

00:01:16.560 --> 00:01:20.560
人工智能是一项对社会发展影响深远的技术

00:01:20.560 --> 00:01:23.380
它将重塑我们社会够行够业

00:01:23.380 --> 00:01:37.780
人工智能

00:01:37.780 --> 00:01:39.540
它是一项对社会发展

00:01:39.540 --> 00:01:40.860
影响深远的技术

00:01:40.860 --> 00:01:43.380
它将重塑我们社会够行够业

00:01:43.380 --> 00:01:59.660
OK 大家可以看到刚才的演示

00:01:59.660 --> 00:02:01.320
是不是它的效果非常好

00:02:01.320 --> 00:02:04.720
那本期呢 我就先带大家手把手了

00:02:04.720 --> 00:02:06.180
来完成这个项目的一个部署

00:02:06.180 --> 00:02:08.940
OK 那首先呢它的系统是有些要求的

00:02:08.940 --> 00:02:10.540
就是你是 W10 W11

00:02:10.540 --> 00:02:11.460
这个都没关系

00:02:11.460 --> 00:02:13.980
然后你的电脑如果没有GPU的话

00:02:13.980 --> 00:02:15.300
也是OK的

00:02:15.300 --> 00:02:16.260
在要素比较低

00:02:16.260 --> 00:02:18.260
但是如果你有GPU

00:02:18.260 --> 00:02:19.700
有音伟达的显感那更好了

00:02:19.700 --> 00:02:22.120
建议显存是大于8G以上

00:02:22.120 --> 00:02:25.780
然后你的内存最低要4G

00:02:25.780 --> 00:02:26.960
这是最低的

00:02:26.960 --> 00:02:28.740
然后你的磁帮空间的话

00:02:28.740 --> 00:02:30.120
是200兆以上

00:02:30.120 --> 00:02:31.720
这个都是很低的条件

00:02:31.720 --> 00:02:33.460
然后你的麦克风和延伸器

00:02:33.460 --> 00:02:34.240
要正常工作

00:02:34.240 --> 00:02:35.980
第一步我们去下载这个终端

00:02:35.980 --> 00:02:37.140
我们来到这个网页

00:02:37.140 --> 00:02:38.520
这是它的光团网页

00:02:38.520 --> 00:02:39.880
我们点击这个下载

00:02:39.880 --> 00:02:41.540
然后点击下载之后

00:02:41.540 --> 00:02:43.640
这个中端就会来下载到

00:02:43.640 --> 00:02:45.500
有这样一个exe的文件

00:02:45.500 --> 00:02:46.380
我们双击它

00:02:46.380 --> 00:02:47.420
然后点击下一步

00:02:47.420 --> 00:02:48.080
下一步安装

00:02:48.080 --> 00:02:50.020
就可以安装到本地了

00:02:50.020 --> 00:02:50.260
OK

00:02:50.260 --> 00:02:51.600
然后顺便提一下

00:02:51.600 --> 00:02:53.140
因为它们两种形式

00:02:53.140 --> 00:02:54.240
我们今天讲的是

00:02:54.240 --> 00:02:55.400
这种中端的形式

00:02:55.400 --> 00:02:56.940
还有一种是它浏览器的

00:02:56.940 --> 00:02:58.360
一个拓展插件的形式

00:02:58.360 --> 00:02:59.540
这个后面有机会

00:02:59.540 --> 00:03:00.300
我再给大家讲

00:03:00.300 --> 00:03:01.100
OK

00:03:01.100 --> 00:03:03.020
你中端穿好之后

00:03:03.020 --> 00:03:03.880
你桌面就会有

00:03:03.880 --> 00:03:04.960
这样一个logo图标

00:03:04.960 --> 00:03:06.480
我们现在双击打开它

00:03:06.480 --> 00:03:07.920
它就会来到这样一页面

00:03:07.920 --> 00:03:08.620
我们可以看到

00:03:08.620 --> 00:03:09.620
右上角有登录

00:03:09.620 --> 00:03:11.380
有字幕有设置等按钮

00:03:11.380 --> 00:03:13.600
我们这里的点击设置

00:03:13.600 --> 00:03:15.440
我们这里可以选的

00:03:15.440 --> 00:03:16.680
我说什么语言

00:03:16.680 --> 00:03:17.560
我这里选中文

00:03:17.560 --> 00:03:18.940
然后对方听到什么语言

00:03:18.940 --> 00:03:19.700
你可以去选的

00:03:19.700 --> 00:03:21.020
就是这里选英语

00:03:21.020 --> 00:03:22.820
你一开始进来

00:03:22.820 --> 00:03:24.100
这里都是没有什么东西的

00:03:24.100 --> 00:03:24.840
你要自己去选

00:03:24.840 --> 00:03:26.060
然后这些选的话

00:03:26.060 --> 00:03:27.660
也不是你可以任意去选的

00:03:27.660 --> 00:03:29.280
要根据你自己去配置的模型

00:03:29.280 --> 00:03:30.900
模型具体怎么配置

00:03:30.900 --> 00:03:31.820
我给大家说一下

00:03:31.820 --> 00:03:33.460
比如大家可以看到

00:03:33.460 --> 00:03:36.080
它这里总共是包括了三个模块

00:03:36.080 --> 00:03:38.340
这里比如说有语音识别

00:03:38.340 --> 00:03:40.780
有语音的文本的翻译

00:03:40.780 --> 00:03:41.740
还有语音的合成

00:03:41.740 --> 00:03:44.380
这几个模型是我自己下载的

00:03:44.380 --> 00:03:46.040
我为什么选择下载自己的模型

00:03:46.040 --> 00:03:48.180
我给大家说一下原因

00:03:48.180 --> 00:03:50.360
因为我自己做了很多的一些测试

00:03:50.360 --> 00:03:52.160
这第二步的话

00:03:52.160 --> 00:03:53.240
我们本期先不讲

00:03:53.240 --> 00:03:55.420
因为这个东西是跟插件相关的

00:03:55.420 --> 00:03:57.800
跟我们这一次内容不是很相关

00:03:57.800 --> 00:03:58.760
所以我们这边先过

00:03:58.760 --> 00:04:00.860
然后我们先看到第三步

00:04:00.860 --> 00:04:02.140
就是模型下载这里

00:04:02.140 --> 00:04:03.360
模型下载这里

00:04:03.360 --> 00:04:04.900
首先它分的三个模型

00:04:04.900 --> 00:04:06.240
刚刚给大家提过了

00:04:06.240 --> 00:04:08.140
然后我建议大家去下载哪个模型

00:04:08.140 --> 00:04:09.980
去下载这一个模型

00:04:09.980 --> 00:04:12.440
这个mini 4B的

00:04:12.440 --> 00:04:13.380
你可以看到为什么

00:04:13.380 --> 00:04:14.520
因为这个模型

00:04:14.520 --> 00:04:17.280
它的整体的效果是最好的

00:04:17.280 --> 00:04:18.480
在这个地方你可以看到

00:04:18.480 --> 00:04:20.980
它不管是它精度还是速度

00:04:20.980 --> 00:04:22.060
它都是五颗星

00:04:22.060 --> 00:04:22.940
是满星的

00:04:22.940 --> 00:04:25.440
所以我这边是用这个模型

00:04:25.440 --> 00:04:26.200
给大家去演示

00:04:26.200 --> 00:04:27.560
然后我等一下会教大家

00:04:27.560 --> 00:04:28.220
怎么去下载

00:04:28.220 --> 00:04:28.760
对

00:04:28.760 --> 00:04:30.800
然后我顺便给大家提一下

00:04:30.800 --> 00:04:32.260
它这里有提到一个概念

00:04:32.260 --> 00:04:34.160
就是什么web GPU

00:04:34.160 --> 00:04:36.380
这个东西就是相当于是用GPU

00:04:36.380 --> 00:04:38.740
去做网页端的一个渲染加速的

00:04:38.740 --> 00:04:39.760
你网都是CPU

00:04:39.760 --> 00:04:41.340
所以你选它的话会更好

00:04:41.340 --> 00:04:42.100
速度更快

00:04:42.100 --> 00:04:42.920
第二步的话

00:04:42.920 --> 00:04:44.820
就下载机器发音的模型

00:04:44.820 --> 00:04:45.800
那机器发音的模型

00:04:45.800 --> 00:04:46.700
官方这边推荐

00:04:46.700 --> 00:04:47.640
我们是用这个模型

00:04:47.640 --> 00:04:50.640
就是这个叫做Translate Gemma

00:04:50.640 --> 00:04:52.580
它的速度和质量整体也是最好的

00:04:52.580 --> 00:04:53.940
所以我们就选它

00:04:53.940 --> 00:04:55.860
然后这边下载的好了之后

00:04:55.860 --> 00:04:58.060
这个模型大概是有将近3G左右

00:04:58.060 --> 00:04:58.840
然后你也看到

00:04:58.840 --> 00:05:00.640
它这边支持了各种各样的语言

00:05:00.640 --> 00:05:01.820
语种也比较丰富

00:05:01.820 --> 00:05:02.340
OK

00:05:02.340 --> 00:05:05.080
然后TTS模型就是语音合成

00:05:05.080 --> 00:05:06.140
这是那个波音的

00:05:06.140 --> 00:05:08.920
这个的话我这边是选的是这个

00:05:08.920 --> 00:05:09.740
Super Sonic

00:05:09.740 --> 00:05:11.260
这个模型我们可以看到

00:05:11.260 --> 00:05:12.980
它只有380多兆

00:05:12.980 --> 00:05:13.780
对吧

00:05:13.780 --> 00:05:14.480
它比较小

00:05:14.480 --> 00:05:16.440
然后它支持的语种也很丰富

00:05:16.440 --> 00:05:18.520
这样的话就是你

00:05:18.520 --> 00:05:21.120
组合起来就会非常的丰富了

00:05:21.120 --> 00:05:23.000
你语音识别跟语音合成

00:05:23.000 --> 00:05:24.060
包括翻译

00:05:24.060 --> 00:05:26.100
语种的范围就很丰富了

00:05:26.100 --> 00:05:27.840
你的那种可拓展性就很强了

00:05:27.840 --> 00:05:28.160
对吧

00:05:28.160 --> 00:05:28.580
OK

00:05:28.580 --> 00:05:29.820
那它怎么样配呢

00:05:29.820 --> 00:05:30.800
来我教大家

00:05:30.800 --> 00:05:32.600
首先我们来到语音识别这里

00:05:32.600 --> 00:05:33.500
你默认的话

00:05:33.500 --> 00:05:34.040
它是会

00:05:34.040 --> 00:05:35.340
这里有一个叫做

00:05:35.340 --> 00:05:37.000
浏览模型库

00:05:37.000 --> 00:05:37.900
我们点击一下

00:05:37.900 --> 00:05:39.680
然后这边有很多的模型

00:05:39.680 --> 00:05:40.300
大家可以看到

00:05:40.300 --> 00:05:43.100
这边我们就选择刚才已经下好的

00:05:43.100 --> 00:05:43.860
我这边已经下好了

00:05:43.860 --> 00:05:45.340
它就会显示使用中

00:05:45.340 --> 00:05:46.600
你没有下载好的

00:05:46.600 --> 00:05:47.560
我举个例子

00:05:47.560 --> 00:05:48.920
你就点一下下载按钮

00:05:48.920 --> 00:05:50.200
你点一下下载

00:05:50.200 --> 00:05:52.180
它就会给你开始在本地去下载了

00:05:52.180 --> 00:05:54.320
然后你就只要等了几分钟就好了

00:05:54.320 --> 00:05:56.220
这里的话需要注意的

00:05:56.220 --> 00:05:58.540
就是你的网络一定保持全局模式

00:05:58.540 --> 00:05:59.580
网络要稳定

00:05:59.580 --> 00:06:01.260
你看它就现在已经开始下载了

00:06:01.260 --> 00:06:01.500
OK

00:06:01.500 --> 00:06:02.960
我这边暂时不用给它下

00:06:02.960 --> 00:06:03.640
我就给它插掉

00:06:03.640 --> 00:06:05.300
我还是依然用我们的这个

00:06:05.300 --> 00:06:07.020
mini的4B的这个模型

00:06:07.020 --> 00:06:07.460
OK

00:06:07.460 --> 00:06:08.320
然后呢

00:06:08.320 --> 00:06:09.860
我们再接着去找

00:06:09.860 --> 00:06:11.220
刚才另外几个模型

00:06:11.220 --> 00:06:12.020
比如说

00:06:12.020 --> 00:06:13.860
语音那个翻译的模型呢

00:06:13.860 --> 00:06:14.700
这边也有啊

00:06:14.700 --> 00:06:16.740
这里我们点击这个浏览模型库

00:06:16.740 --> 00:06:17.620
都是一样的

00:06:17.620 --> 00:06:18.980
很努力操作啊

00:06:18.980 --> 00:06:20.640
这边我已经下载好了

00:06:20.640 --> 00:06:21.760
这个Translator Gemma

00:06:21.760 --> 00:06:22.880
刚才那个4B模型

00:06:22.880 --> 00:06:24.880
那其他模型你要下载也是一样的

00:06:24.880 --> 00:06:26.360
在这地方点下载按钮就好了

00:06:26.360 --> 00:06:27.120
很简单

00:06:27.120 --> 00:06:29.700
然后最后一个这个模型

00:06:29.700 --> 00:06:31.580
就是那个语音合成的这个模型

00:06:31.580 --> 00:06:33.480
同样还是在这里点浏览模型库

00:06:33.480 --> 00:06:34.660
可以看到

00:06:34.660 --> 00:06:35.920
这里就有很多代选的

00:06:35.920 --> 00:06:37.100
你根据自己的叙述来选

00:06:37.100 --> 00:06:38.760
它这边会有一些标签

00:06:38.760 --> 00:06:39.280
就是什么

00:06:39.280 --> 00:06:40.900
EN F AER这些

00:06:40.900 --> 00:06:43.420
这边是代表你语音的模型

00:06:43.420 --> 00:06:44.600
它支持哪些语种

00:06:44.600 --> 00:06:46.200
我这里选择一个很多的

00:06:46.200 --> 00:06:46.840
大家可以看到

00:06:46.840 --> 00:06:48.220
它也下载好了

00:06:48.220 --> 00:06:49.200
下载好之后

00:06:49.200 --> 00:06:50.480
这三个模型都配好了

00:06:50.480 --> 00:06:50.980
OK

00:06:50.980 --> 00:06:52.940
我们现在要把它选中

00:06:52.940 --> 00:06:54.500
就是你已经把它都选好了

00:06:54.500 --> 00:06:56.860
然后这里有语音合成的一个速度

00:06:56.860 --> 00:06:58.720
这个东西它默认是1.0

00:06:58.720 --> 00:06:59.980
我这里给它改成了1.2

00:06:59.980 --> 00:07:02.020
可能我觉得稍微速度会快一点

00:07:02.020 --> 00:07:04.020
根据个人的一个需求

00:07:04.020 --> 00:07:05.740
都没有一个绝对的标准

00:07:05.740 --> 00:07:07.380
然后底下这几个参数

00:07:07.380 --> 00:07:08.660
我要给大家稍微提一下

00:07:08.660 --> 00:07:10.460
这些都是默认已经配好的

00:07:10.460 --> 00:07:12.280
它都是一个比较成熟的参数

00:07:12.280 --> 00:07:13.800
你不用一般不用去改的

00:07:13.800 --> 00:07:14.800
像什么

00:07:14.800 --> 00:07:17.020
比如说最小的静音时长

00:07:17.020 --> 00:07:19.440
这一项它一般是设置为1.4秒

00:07:19.440 --> 00:07:20.120
是什么意思呢

00:07:20.120 --> 00:07:21.260
就是我们说话的时候

00:07:21.260 --> 00:07:23.620
如果两句话间隔超过了1.4秒的话

00:07:23.620 --> 00:07:26.580
那么它都会把这里切割开

00:07:26.580 --> 00:07:27.660
分成两句话

00:07:27.660 --> 00:07:28.220
就这意思

00:07:28.220 --> 00:07:29.780
然后最小的语音时长

00:07:29.780 --> 00:07:31.800
它这里默认写的是0.4秒

00:07:31.800 --> 00:07:32.880
你就是说

00:07:32.880 --> 00:07:34.440
如果你说话有一些那种

00:07:34.440 --> 00:07:35.840
声音比较零碎

00:07:35.840 --> 00:07:37.660
那个声音的片的小于0的4秒

00:07:37.660 --> 00:07:38.860
它都不会给你去识别

00:07:38.860 --> 00:07:40.000
这生的意思是杂音

00:07:40.000 --> 00:07:40.400
对吧

00:07:40.400 --> 00:07:42.120
这也是比较节省算力的一种方法

00:07:42.120 --> 00:07:42.720
OK

00:07:42.720 --> 00:07:43.720
这个都弄好之后

00:07:43.720 --> 00:07:45.000
我们这里还有一个音频

00:07:45.000 --> 00:07:46.760
这一家也是你的

00:07:46.760 --> 00:07:48.400
就是你的物理的外设

00:07:48.400 --> 00:07:49.360
我们要选什么呢

00:07:49.360 --> 00:07:50.140
首先你的麦克风

00:07:50.140 --> 00:07:52.400
你要选你的实际的物理的外设

00:07:52.400 --> 00:07:53.620
你不要选其他的

00:07:53.620 --> 00:07:54.880
不然它老实上连不通的

00:07:54.880 --> 00:07:56.960
然后这个东西

00:07:56.960 --> 00:07:58.100
其他一般就不用管

00:07:58.100 --> 00:08:00.140
然后还有提供商

00:08:00.140 --> 00:08:01.440
这个刚刚我们已经说过了

00:08:01.440 --> 00:08:03.540
对然后就是常规这里

00:08:03.540 --> 00:08:04.860
然后你要说什么

00:08:04.860 --> 00:08:05.600
你要说中文

00:08:05.600 --> 00:08:07.900
然后你希望对方听到什么

00:08:07.900 --> 00:08:08.620
我选英文

00:08:08.620 --> 00:08:09.960
那你这里的语言

00:08:09.960 --> 00:08:10.500
你要注意

00:08:10.500 --> 00:08:12.520
因为我刚才选的那些模型

00:08:12.520 --> 00:08:13.660
它支持了很多种语种

00:08:13.660 --> 00:08:15.480
所以我这里才有的这么多选

00:08:29.397 --> 00:08:32.457
我们目前主要是用我挣动Planet就好了

00:08:32.457 --> 00:08:33.457
如果是对方的话

00:08:33.457 --> 00:08:34.357
那就是另外一种

00:08:34.357 --> 00:08:35.237
挣后面的奶肉

00:08:35.237 --> 00:08:36.117
我们今天不演示了

00:08:36.117 --> 00:08:36.397
OK

00:08:36.397 --> 00:08:37.797
我们点击开始绘画

00:08:37.797 --> 00:08:39.577
这里加的好了之后

00:08:39.577 --> 00:08:40.857
我们现在就可以说话了

00:08:40.857 --> 00:08:41.697
然后你可以看到

00:08:41.697 --> 00:08:44.477
左上角它正在识别我们讲的话

00:08:44.477 --> 00:08:46.617
然后它这个是实时的

00:08:46.617 --> 00:08:47.537
是牛式的

00:08:47.537 --> 00:08:48.597
这个字有点小

00:08:48.597 --> 00:08:49.937
我们可以点一下右上角

00:08:49.937 --> 00:08:50.797
这里有一个字幕

00:08:50.797 --> 00:08:51.917
把它放大一些

00:08:51.917 --> 00:08:54.797
OK

00:08:54.797 --> 00:08:55.857
所以你结束了

00:08:55.857 --> 00:08:57.777
我们可以开始谈谈

00:08:57.777 --> 00:09:00.577
你会看到它在最后的角度

00:09:00.577 --> 00:09:02.137
它在认识我们的意思

00:09:02.137 --> 00:09:04.137
而且因为它在实现时

00:09:04.137 --> 00:09:05.397
的角度是小的

00:09:05.397 --> 00:09:07.877
你可以在最后的角度

00:09:07.877 --> 00:09:10.317
有一个下方的选择选择选择

00:09:10.317 --> 00:09:12.777
对 整体汉塘基特的效果还可以

00:09:12.777 --> 00:09:14.437
虽然说有时候可能识别的

00:09:14.437 --> 00:09:15.377
个别字不再精准

00:09:15.377 --> 00:09:17.037
当然这可能也是我个人

00:09:17.037 --> 00:09:18.317
有时候普通话不再标读

00:09:18.317 --> 00:09:19.497
所以它识别起来

00:09:19.497 --> 00:09:21.297
可能会有一些点点误差

00:09:21.297 --> 00:09:22.857
但是也不影响它的一个翻译

00:09:22.857 --> 00:09:24.057
我目一看到和整体

00:09:24.057 --> 00:09:26.217
我觉得效果还是不错的

00:09:27.777 --> 00:09:31.297
Overall, it seems like it performs reasonably well.

00:09:32.077 --> 00:09:36.177
Although sometimes it might not recognize individual characters with perfect accuracy,

00:09:36.657 --> 00:09:40.597
Of course, that could also be due to my occasional inconsistencies in Mandarin.

00:09:41.677 --> 00:09:44.677
As a result, there might be minor errors in the translation,

00:09:45.157 --> 00:09:47.597
But it still provides a useful translation overall,

00:09:47.937 --> 00:09:49.637
And I think the results are quite good.

00:09:51.697 --> 00:09:53.877
OK,我们退出的话,我们就点下ESC,

00:09:54.257 --> 00:09:55.317
然后呢,这些字幕的话,

00:09:55.417 --> 00:09:57.657
我们才有一个删除的小按钮啊,

00:09:57.657 --> 00:09:58.417
点一下

00:09:58.417 --> 00:10:00.017
给清空

00:10:00.017 --> 00:10:01.017
然后我们要结束的话

00:10:01.017 --> 00:10:03.297
我们点击下方结束绘画

00:10:03.297 --> 00:10:04.657
这就结束了

00:10:04.657 --> 00:10:05.297
OK

00:10:05.297 --> 00:10:07.417
如果你希望对方听到了

00:10:07.417 --> 00:10:09.497
就刚刚给大家演示到不同的语种

00:10:09.497 --> 00:10:10.057
这个一般

00:10:10.057 --> 00:10:12.217
比如说你想要他听到西班牙语

00:10:12.217 --> 00:10:14.217
或者是你想要他听到日本语

00:10:14.217 --> 00:10:15.857
你这个地方切换你就好了

00:10:15.857 --> 00:10:17.897
然后我们点击开始绘画

00:10:18.697 --> 00:10:19.257
你好啊

00:10:19.257 --> 00:10:20.497
可以听到我声音吗

00:10:24.897 --> 00:10:25.777
你好

00:10:25.777 --> 00:10:28.337
我想现在跟你分享一些事情

00:10:28.337 --> 00:10:30.537
こんにちは

00:10:30.537 --> 00:10:33.517
今私がお話したいことがあります

00:10:33.517 --> 00:10:34.557
你可以看到

00:10:34.557 --> 00:10:37.637
他这个字幕还是就是逐步的播放去的

00:10:37.637 --> 00:10:39.837
这个我觉得效果是非常好的

00:10:39.837 --> 00:10:42.337
就是有你讲话

00:10:42.337 --> 00:10:45.177
然后你可以看到这个字幕是这样流动的

00:10:45.177 --> 00:11:04.957
然后我们把它结束

00:11:04.957 --> 00:11:07.617
然后我们可以再喜欢其他的这种语言

00:11:07.617 --> 00:11:08.797
那这些都是类似的

00:11:08.797 --> 00:11:10.417
我就不给大家一一去演示了

00:11:10.417 --> 00:11:11.517
然后呢

00:11:11.517 --> 00:11:13.017
这上面有一些东西

00:11:13.017 --> 00:11:14.037
我再给大家讲一下

00:11:14.037 --> 00:11:15.437
就是提供商

00:11:16.597 --> 00:11:17.517
因为本地的

00:11:17.517 --> 00:11:19.397
其实我已经试过了这几个模型

00:11:19.397 --> 00:11:20.437
它都是在本地

00:11:20.437 --> 00:11:22.757
就没有去走任何在线的API

00:11:22.757 --> 00:11:23.757
如果有些小伙伴

00:11:23.757 --> 00:11:25.517
他说我有在线的这种API的话

00:11:25.517 --> 00:11:26.197
你也可以去用

00:11:26.357 --> 00:11:26.957
这个都行

00:11:26.957 --> 00:11:27.837
因为我觉得

00:11:27.917 --> 00:11:29.317
其实本地的效果就很棒了

00:11:29.477 --> 00:11:30.237
这里可以看到

00:11:30.677 --> 00:11:31.397
这边怎么选

00:11:31.597 --> 00:11:32.157
你可以看到

00:11:32.157 --> 00:11:33.997
首先在这个地方点常规

00:11:34.117 --> 00:11:36.037
然后这里有个AI服务提供商

00:11:36.037 --> 00:11:36.717
我们点一下

00:11:37.077 --> 00:11:38.317
这里有OpenAI

00:11:38.637 --> 00:11:39.717
有一些其他的

00:11:39.717 --> 00:11:40.997
比如说什么豆包

00:11:40.997 --> 00:11:41.997
还有谷歌

00:11:41.997 --> 00:11:43.677
Gemini等等的这些

00:11:43.677 --> 00:11:45.117
你用买哪个API

00:11:45.117 --> 00:11:46.757
你就给它对应的输入

00:11:46.757 --> 00:11:47.917
比如我点openAI的

00:11:47.917 --> 00:11:49.237
你看你点进openAI的

00:11:49.237 --> 00:11:50.557
这个地方提用你的密钥

00:11:50.557 --> 00:11:51.957
然后这里音频的话

00:11:51.957 --> 00:11:53.277
这个保守不动

00:11:53.277 --> 00:11:54.517
提供商这一块的话

00:11:54.517 --> 00:11:56.397
你非在这里选择

00:11:56.397 --> 00:11:58.277
就是openAI那个语音的模型

00:11:58.277 --> 00:12:00.637
对应的角色的发音的角色

00:12:00.637 --> 00:12:00.977
对吧

00:12:00.977 --> 00:12:01.677
你自己去选

00:12:01.677 --> 00:12:02.557
然后这些东西

00:12:02.557 --> 00:12:04.517
你可以把它参数对应的填过去

00:12:04.517 --> 00:12:06.477
它就可以调在线的API了

00:12:06.477 --> 00:12:06.757
对

00:12:06.757 --> 00:12:07.997
原理是一样的

00:12:07.997 --> 00:12:09.357
但是我自己是觉得

00:12:09.357 --> 00:12:11.257
其实我们免费的

00:12:11.257 --> 00:12:12.437
我今天给大家展示的

00:12:12.437 --> 00:12:13.177
主要是免费的

00:12:13.177 --> 00:12:14.517
你已经够用了

00:12:14.517 --> 00:12:14.937
对

00:12:14.937 --> 00:12:17.617
所以整体实际下来这个效果是

00:12:17.617 --> 00:12:19.177
我觉得是在我目前

00:12:19.177 --> 00:12:21.057
就是看过的所有开源的这种

00:12:21.057 --> 00:12:22.057
童真传映的项目里面

00:12:22.057 --> 00:12:22.917
应该是最好的了

00:12:22.917 --> 00:12:24.217
所以我强烈建议大家

00:12:24.217 --> 00:12:25.997
尤其是很多小伙伴经常需要

00:12:25.997 --> 00:12:28.737
用到外语去交流

00:12:28.737 --> 00:12:29.997
但是自己可能外语水平

00:12:29.997 --> 00:12:30.897
可能还没那么好

00:12:30.897 --> 00:12:31.897
用这些工具

00:12:31.897 --> 00:12:33.457
我觉得是对你有很大的帮助的

00:12:33.457 --> 00:12:33.777
OK

00:12:33.777 --> 00:12:35.697
本期的这些课程资源

00:12:35.697 --> 00:12:36.377
其实比较少

00:12:36.377 --> 00:12:37.677
但是我会放到评论区

00:12:37.677 --> 00:12:38.677
大家直接可以去用

00:12:38.677 --> 00:12:40.817
我最后还要提到一个注意点

00:12:40.817 --> 00:12:42.517
就是我在实际使用步骤中

00:12:42.517 --> 00:12:44.877
很多小伙伴使用的时候会报错

00:12:44.877 --> 00:12:46.977
这个报错是什么原因造成的

00:12:46.977 --> 00:12:48.937
我们一定要注意

00:12:48.937 --> 00:12:50.757
我们用到的这三个模型

00:12:50.757 --> 00:12:53.077
它支持的语语种范围是什么

00:12:53.077 --> 00:12:54.377
举个例子

00:12:54.377 --> 00:12:56.077
比如说我这里的语语种

00:12:56.077 --> 00:12:57.317
它有一个粤语

00:12:57.317 --> 00:12:58.377
这也是支持的

00:12:58.377 --> 00:12:59.597
我们可以看到这有粤语

00:12:59.597 --> 00:13:02.257
但是我这里说话的话

00:13:02.257 --> 00:13:03.437
我说的是普通话

00:13:03.437 --> 00:13:04.957
然后我语音识别

00:13:04.957 --> 00:13:06.237
可能它这个模型

00:13:06.237 --> 00:13:07.697
它能够识别普通话

00:13:07.697 --> 00:13:10.117
但是它语音合成的模型

00:13:10.117 --> 00:13:11.837
它不支持播放粤语

00:13:11.837 --> 00:13:12.877
那么它就会报错

00:13:12.877 --> 00:13:13.957
你的三个模型

00:13:13.957 --> 00:13:16.777
大家可以看到吧

00:13:16.777 --> 00:13:17.937
就是你的三个模型

00:13:17.937 --> 00:13:19.237
它们支持的与种

00:13:19.237 --> 00:13:20.617
一定要有共同的

00:13:20.617 --> 00:13:22.917
那么这个念路才是通的

00:13:22.917 --> 00:13:24.717
有一个不支持的

00:13:24.717 --> 00:13:25.997
那么你这个念路就通不了

00:13:25.997 --> 00:13:27.677
小伙伴可能遇到的这些

00:13:27.677 --> 00:13:28.557
下部分可能是

00:13:28.557 --> 00:13:29.717
这一方面的一个问题

00:13:29.717 --> 00:13:31.317
还有就是你网络不好

00:13:31.317 --> 00:13:32.897
你网络如果有问题的话

00:13:32.897 --> 00:13:34.157
你没开全局模式的话

00:13:34.157 --> 00:13:35.997
你这些模型是下载不到你本地的

00:13:35.997 --> 00:13:36.877
还有一个细节就是

00:13:36.877 --> 00:13:37.877
关明这里有个登录

00:13:37.877 --> 00:13:39.497
这里刚才跟大家有讲过

00:13:39.497 --> 00:13:40.817
你看这个登录这里

00:13:40.817 --> 00:13:42.057
你可以点击去注册

00:13:42.057 --> 00:13:44.537
或者是就已经有账号就登陆进去

00:13:44.537 --> 00:13:45.677
那它本质上呢

00:13:45.677 --> 00:13:47.777
它会用到它云端的这个Sirculture

00:13:47.777 --> 00:13:49.317
它自己的翻译服务

00:13:49.317 --> 00:13:51.737
那对于有些小伙伴不想去折腾

00:13:51.737 --> 00:13:52.697
你可以去用它

00:13:52.697 --> 00:13:53.417
那这样的话

00:13:53.417 --> 00:13:55.177
也不用去本地下载模型了

00:13:55.177 --> 00:13:55.657
但是呢

00:13:55.657 --> 00:13:56.797
要提醒一下大家就是

00:13:56.797 --> 00:13:57.597
你这样的话

00:13:57.597 --> 00:13:59.457
你的数据是会经过它的服务器的

00:13:59.457 --> 00:14:00.977
就是说数据的隐私性

00:14:00.977 --> 00:14:01.857
找找没那么好嘛

00:14:01.857 --> 00:14:02.737
根据自己的叙手来

00:14:02.737 --> 00:14:04.057
如果你全都想让数据

00:14:04.057 --> 00:14:05.497
不出自己的本地的电脑

00:14:05.497 --> 00:14:07.357
那么你就用我刚刚给大家讲的方大

00:14:07.357 --> 00:14:08.257
还有一点呢

00:14:08.257 --> 00:14:09.677
也是我个人使用的一个经验

00:14:09.677 --> 00:14:11.977
这个东西对大家应该很有帮助

00:14:11.977 --> 00:14:13.557
同声传译这个东西

00:14:13.557 --> 00:14:14.097
首先呢

00:14:14.097 --> 00:14:15.737
大家要知道它最看重的是什么

00:14:15.737 --> 00:14:17.637
就是一个是翻译的准确性

00:14:17.637 --> 00:14:19.417
一个是它的一个实言

00:14:19.417 --> 00:14:21.697
就是我们那个翻译的那个时间

00:14:21.697 --> 00:14:22.517
不能太久了

00:14:22.517 --> 00:14:24.217
这样的话就做不到同声了

00:14:24.217 --> 00:14:26.717
那我们要想在这个项目中

00:14:26.717 --> 00:14:29.457
要尽量的去把它实言占低

00:14:29.457 --> 00:14:31.037
让大家的用户体验更好

00:14:31.037 --> 00:14:32.197
应该怎么去做呢

00:14:32.197 --> 00:14:33.997
首先刚才我跟大家是讲了

00:14:33.997 --> 00:14:35.237
它里面有很多模型

00:14:35.237 --> 00:14:35.577
对吧

00:14:35.577 --> 00:14:37.797
大家可以看到这模型是有一大堆的

00:14:37.797 --> 00:14:40.137
那么我们应该怎么去选模型的

00:14:40.137 --> 00:14:40.837
大家要记住

00:14:40.837 --> 00:14:41.797
你要选

00:14:41.797 --> 00:14:43.077
可能要去选牛式的

00:14:43.077 --> 00:14:44.077
也就是说

00:14:44.077 --> 00:14:45.437
不要选非牛式的模型

00:14:45.437 --> 00:14:46.597
牛式的模型一般

00:14:46.597 --> 00:14:47.297
会带上一个叫

00:14:47.297 --> 00:14:48.477
real time的字段

00:14:48.477 --> 00:14:51.537
然后有webGPU的

00:14:51.537 --> 00:14:52.757
你就进来就选它

00:14:52.757 --> 00:14:53.117
对

00:14:53.117 --> 00:14:54.897
这个是一个细节

00:14:54.897 --> 00:14:55.517
很重要的

00:14:55.517 --> 00:14:57.197
就是你选那种非牛式的

00:14:57.197 --> 00:14:57.977
它推你的话

00:14:57.977 --> 00:14:59.377
那整个内容就会很慢了

00:14:59.377 --> 00:15:00.497
所以等于说

00:15:00.497 --> 00:15:01.797
你说完半句话以后

00:15:01.797 --> 00:15:03.437
别人都已经说完

00:15:03.437 --> 00:15:04.017
下一句了

00:15:04.017 --> 00:15:05.077
这还没翻译完

00:15:05.077 --> 00:15:06.757
当然那体验就很不好

00:15:06.757 --> 00:15:07.157
对吧

00:15:07.157 --> 00:15:08.617
所以大家一定要记住

00:15:08.617 --> 00:15:10.297
这是要近代选牛逝的模型

00:15:10.297 --> 00:15:11.837
不管是语音识别

00:15:11.837 --> 00:15:12.957
还是翻译

00:15:12.957 --> 00:15:14.377
或者是语音合成

00:15:14.377 --> 00:15:15.437
都要去选牛逝的

00:15:15.437 --> 00:15:16.837
然后有GPU的话

00:15:16.837 --> 00:15:19.717
就要去把webGPU也选好

00:15:19.717 --> 00:15:21.977
本期视频我就跟大家分享到这了

00:15:21.977 --> 00:15:23.177
大家如果觉得我的视频

00:15:23.177 --> 00:15:24.057
对你有帮助的话

00:15:24.057 --> 00:15:25.877
也请支持一下我的创作

00:15:25.877 --> 00:15:27.277
帮我点赞 关注 转发

00:15:27.277 --> 00:15:28.917
我们本期内容到此结束

00:15:28.917 --> 00:15:29.857
我们下期再会