elron 最近的时间轴更新 elron 最近的时间轴更新 |
elronV2EX 第 552156 号会员，加入于 2021-07-30 21:15:32 +08:00 |
elron 最近回复了
157 天前 回复了 ShaoLongFei 创建的主题 › 健康 › 咽口水好像吞刀片一样，我是不是复阳了 |
猛喝热水，但不要太烫
158 天前 回复了 loganovo 创建的主题 › 问与答 › 有注册 claude 的好路子吗? 邮箱被 ban 了 |
买张国外卡
158 天前 回复了 raullf 创建的主题 › Python › 服务 10 多秒才返回是什么情况 |
最基础的 debug 技能
158 天前 回复了 NanoApe 创建的主题 › 宽带症候群 › 如何绕过黑名单刷爆七牛云？只需一点 XFF 魔法！ |
赚黑心钱
158 天前 回复了 weishao666 创建的主题 › 问与答 › 支持实时交互的数字人训练有开源项目么？ |
前端时间正好研究过，模型方面综合下来腾讯的 musetalk 效果最好，也支持实时流式推理，推理速度也挺快，但是比较吃资源。实测下来 4070 也只能达到 25fps 。如果效果不满意，可以基于腾讯公布的数据集+自己的素材再训练一套。
也可以用 er-nerf 模型训练，这个效果上我觉得不如腾讯，但是推理起来不吃什么资源。
另外，如果有声音克隆方面的需求，可以上 gpt-Sovit 或者最新的 fish-speech 也可以，声音方面没要求的话直接上 edge-tts 完事。
关于推流，直接考虑 webrtc 即可，搭建一个 srs 推流服务器，推理过程可以流式传输给 srs ，再由客户端通过 ws 拉取。如果想做到数字人和 LLM 实时问答对话，你要考虑一下文本切割了。
也可以用 er-nerf 模型训练，这个效果上我觉得不如腾讯，但是推理起来不吃什么资源。
另外，如果有声音克隆方面的需求，可以上 gpt-Sovit 或者最新的 fish-speech 也可以，声音方面没要求的话直接上 edge-tts 完事。
关于推流，直接考虑 webrtc 即可，搭建一个 srs 推流服务器，推理过程可以流式传输给 srs ，再由客户端通过 ws 拉取。如果想做到数字人和 LLM 实时问答对话，你要考虑一下文本切割了。
161 天前 回复了 RaftingPoint 创建的主题 › 程序员 › 请问哪个大模型 api 能支持输出标准严谨的 json 格式 |
kimi 可以 response_format 参数
168 天前 回复了 antiblahblah 创建的主题 › OpenAI › 求助：如何让微软 GraphRAG 的 Solution Accelerator 不调用 OpenAI 的 API？ |
op 目前对这个方向的研究有进展吗
168 天前 回复了 amon 创建的主题 › Python › 2024 年 Python 实现定时任务和延时任务，性价比较高的方案是什么？ |
celery 和 apscheduler 都能满足，而且 apscheduler 支持动态添加周期任务，celery 更偏向生产-消费模型
169 天前 回复了 rustnj 创建的主题 › 职场话题 › 去年毕业，要连续加班 3 个多月，该不该跑？ |
这还不跑吗
Select Language