以下是关于语音转文字的相关信息： 推荐使用 OpenAI 的 wishper，相关链接：https://huggingface.co/openai/whisperlargev2 。一分钟搞定 23 分钟的音频，相关链接：https://huggingface.co/spaces/sanchitgandhi/whisperjax 。该项目在 JAX 上运行，后端支持 TPU v48，与 A100 GPU 上的 PyTorch 相比，快 70 多倍，是目前最快的 Whisper API。 语音转文本 API 提供转录和翻译两个端点，基于开源大型v2 Whisper 模型。可用于将音频转录为任何语言，将音频翻译并转录成英语。目前文件上传限制为 25MB，支持 mp3、mp4、mpeg、mpga、m4a、wav 和 webm 等输入文件类型。 转录 API 的输入是音频文件及所需输出格式的音频文字稿，默认响应类型为包含原始文本的 JSON，可添加更多带有相关选项的form 行设置其他参数。 翻译 API 输入为任何支持语言的音频文件，输出为英文文本，目前仅支持英语翻译。 对于默认情况下 Whisper API 仅支持小于 25MB 的文件，若有更长音频文件，需分成小于 25MB 的块或使用压缩后格式，可使用 PyDub 开源 Python 软件包来拆分声频文件，但 OpenAI 对其可用性或安全性不作保证。 可以使用提示提高 Whisper API 生成的转录质量，如改善特定单词或缩略语的识别、保留分段文件的上下文、避免标点符号的省略、保留填充词汇、处理不同书写风格等。

以下是一些可以让旧照片动起来的工具和相关信息： Dreamina： 网址：https://dreamina.jianying.com/aitool/home?subTab 优点：不需要?，每天有免费额度。 注册：抖音号或手机号。 时间：5min 体验：上传一张离谱村的图片，即使不加提示词也能让图片有一些动态。父母上传风景照片后，有的水面动起来效果不错，有的画面扭曲。还引发了关于肖像权、版权、信息安全及技术意义的探讨。对于能否在扣子里一起用的问题，有插件的情况下应该可以，否则直接去官网更方便快捷。 Sora： 网址：https://openai.com/sora 优点：发布的成果好，集成在 openai 一套里可用。 限制：需要?，需要 gmail 注册，需要订阅后才能使用。 时间：30 60min 价格：GPT 4 20$一个月

以下为一些与照片相关的 AI 软件信息： 在 100 个 AI 应用中，涉及照片的有： AI 摄影参数调整助手，使用图像识别、数据分析技术，常见于摄影 APP 中，能根据场景自动调整摄影参数，市场规模达数亿美元。 全球 AI APP 增长榜图像类中： Retake AI，6 月 APP 下载量为 795，相对 5 月变化为 0.159。 DaVinci，6 月 APP 下载量为 751，相对 5 月变化为 0.049。 Viggle AI，6 月 APP 下载量为 741，相对 5 月变化为 822.333。 PhotoApp AI Photo Enhancer，6 月 APP 下载量为 688，相对 5 月变化为 0.186。 AI Mirror，6 月 APP 下载量为 676，相对 5 月变化为 0.432。 ToonMe，6 月 APP 下载量为 640，相对 5 月变化为 0.042。 图片增强 Top10 中： Cutout pro，4 月访问量为 1608 万，相对 3 月变化为 0.023。 Upscale media，4 月访问量为 432 万，相对 3 月变化为 0.073。 ZMO AI，4 月访问量为 338 万，相对 3 月变化为 0.161。 Neural.love Art，4 月访问量为 283 万，相对 3 月变化为 0.072。 Topaz Photo AI，4 月访问量为 247 万，相对 3 月变化为 0.047。 VanceAI，4 月访问量为 247 万，相对 3 月变化为 0.078。 bigjpgAI 图片无损放大，4 月访问量为 203 万，相对 3 月变化为 0.06。 Img Upscaler，4 月访问量为 203 万，相对 3 月变化为 0.042。 Let's Enhance，4 月访问量为 167 万，相对 3 月变化为 0.046。 Akool，4 月访问量为 122 万，相对 3 月变化为 0.173。

AI（人工智能）是一门令人兴奋的科学，它是指某种模仿人类思维，可以理解自然语言并输出自然语言的东西。 对于没有理工科背景的人来说，可将其当成一个黑箱，只需要知道它能理解自然语言就行。AI 技术再发展，其生态位仍是似人而非人的存在。 从历史角度看，最初计算机由查尔斯·巴贝奇发明，用于按明确程序运算。现代计算机虽先进，但仍遵循相同受控计算理念。有些任务无法明确编程让计算机完成，比如根据照片判断人的年龄，而这类任务正是 AI 感兴趣的。 在应用方面，AI 健身是利用 AI 技术辅助或改善健身训练和健康管理的方法，能为用户提供个性化指导。例如 Keep、Fiture、Fitness AI、Planfit 等都是不错的 AI 健身工具。

在国内进行 AI 方面的创业，以下是一些建议： 1. 数据处理方面： 认识到高质量数据处理服务的稀缺性，数据质量对于模型效果至关重要。 避免单纯依赖开源数据，谨慎考虑购买优质数据的投入风险。 2. 模型选择方面： 训练底层世界大模型需要巨大投入，除大厂外对其他公司较困难。 大多数国内公司往往先推出产品，而非集中精力专攻大模型。 3. 创业方向方面： 可以选择“唯快不破”的策略，尽量低成本、高速度地在小赛道中尝试。 例如辅助创作与学习（如 AI 智能写作助手、语言学习助手等）、推荐与规划（如商品推荐、行程规划等）、监控与预警（如健康监测、安全监控等）、优化与管理（如办公自动化、物流优化等）、销售与交易（如艺术作品生成与销售平台等）等细分领域。 需要注意的是，在这轮 AI 大潮中，新技术加速迭代是常态，不能期望在“技术稳定”时再出手。

目前在微信中，Coze 平台是一个 AI 智能体创作平台，可以根据需求构建 AI 机器人并发布到多种社交平台。微信的不同功能在与 AI 对接上有所差异： 1. 个人微信/微信群：Coze AI 平台之前不支持直接对接，但国内版正式发布 API 接口功能后，直接对接已成为可能。 2. 微信公众号：Coze AI 平台支持对接，能让 AI 机器人自动回复用户消息。 3. 微信服务号：同样支持对接，可帮助企业提升服务效率。 4. 微信客服：Coze AI 平台支持对接，使 AI 机器人能够自动回答用户咨询，提高客服响应速度。 在把 AI 大模型能力接入微信后，对于类似客服的应用场景，存在模型幻觉导致胡乱回答的问题。对于非技术从业者，落地场景存在困难。一个问答机器人的界面配置包括 AI 模型、提示词、知识库。

要实现一个微信 AI 客服，您可以参考以下两种方法： 方法一： 1. 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告诉您如何白嫖大模型接口。 2. 搭建，这是一个知识库问答系统，将知识文件放入其中，并接入上面的大模型作为分析知识库的大脑，最后回答您的问题。如果不想接到微信，自己使用，搭建完此系统即可，它也有问答界面。 3. 搭建，其中的 cow 插件能进行文件总结、MJ 绘画等。 方法二： 1. 确定功能范围： 支持用户发送“关键字”，自助获取您分享的“AI 相关资料链接”。 能够回答 AI 相关知识，优先以“您的知识库”中的内容进行回答，若知识库内容不足，则调用 AI 大模型回复，并在答案末尾加上“更多 AI 相关信息，请链接作者：jinxia1859”。 “AI 前线”能发布在您的微信公众号上，作为微信客服助手。 2. 准备以下内容： 根据 Bot 的目的、核心能力，编写 prompt 提示词。 整理“关键字”与“AI 相关资料链接”的对应关系，可用 word、txt、excel 整理。 创建一个自己的【知识库】，用于回答 AI 相关知识。 由于“AI 前线”要按照一定规则处理知识，创建一个【工作流】，控制 AI 按要求处理信息。 准备好自己的微信公众号，以便将机器人发布在微信公众号上。 以上就是实现微信 AI 客服的两种方式及具体步骤。

自己制作 AI 可以参考以下步骤： 1. 对于写作相关的 AI 应用，我们可以从人类驱动开始，使用 AI 来修改完善，比如先手动撰写博客文章，再利用自动填充和语法反馈工具改进。有时也可以先让 AI 生成写作内容，然后根据自己的需求和风格进行修改。 2. 若要打造微信 AI 机器人，比如“AI 前线”Bot： 确定功能范围，如支持用户发送“关键字”获取“AI 相关资料链接”，能回答 AI 相关知识（优先以自己的知识库回答，不足时调用 AI 大模型并在答案末尾添加相关信息），能发布在微信公众号上作为客服助手。 准备实现所需的内容，包括根据目的和核心能力编写 prompt 提示词，整理“关键字”与“AI 相关资料链接”的对应关系（可用 word、txt、excel 等），创建自己的知识库，创建工作流来控制 AI 按要求处理信息，准备好微信公众号。 设计详细步骤，先展示最终效果界面。

以下是一些通过提示词提高模型数据对比和筛选能力的方法： 1. 选择自定义提示词或预定义话题，在网站上使用如 Llama3.1 8B Instruct 模型时，输入对话内容等待内容生成，若右边分析未刷新可在相关按钮间切换。由于归因聚类使用大模型，需稍作等待，最终结果可能因模型使用的温度等因素而不同。 2. 在写提示词时不能依赖直觉和偷懒，要实话实说，补充详细信息以避免模型在边缘情况上犯错，这样也能提高数据质量。 3. 在分类问题中，提示中的每个输入应分类到预定义类别之一。在提示末尾使用分隔符如“\n\n\n\n”，选择映射到单个 token 的类，推理时指定 max_tokens=1，确保提示加完成不超过 2048 个 token，每班至少有 100 个例子，可指定 logprobs=5 获得类日志概率，用于微调的数据集应在结构和任务类型上与模型使用的数据集相似。例如在确保网站广告文字正确的案例中，可微调分类器，使用合适的分隔符和模型。

Flux 和 SDXL 出图主要有以下区别： 1. 生成人物外观：Flux 存在女生脸油光满面、下巴等相同外观问题，而 SDXL 相对在这方面有改进。 2. 模型构成：SDXL 由 base 基础模型和 refiner 优化模型两个模型构成，能更有针对性地优化出图质量；Flux 中 Dev/Schnell 是从专业版中提取出来，导致多样性丧失。 3. 处理方式：在低显存运行时，可采用先使用 Flux 模型进行初始生成，再用 SDXL 放大的分阶段处理方式，有效控制显存使用。 4. 模型参数和分辨率：SDXL 的 base 模型参数数量为 35 亿，refiner 模型参数数量为 66 亿，总容量达 13G 之多，基于 10241024 的图片进行训练，可直接生成 1000 分辨率以上的图片，拥有更清晰的图像和更丰富的细节；而 Flux 在这方面相对较弱。