- 综合排序
- 最热优先
- 最新优先
- 来自专栏bunny的专栏
【玩转Lighthouse】轻松搭建视频配音工具晓晓配音
今天我们将给大家介绍如何使用Lighthouse轻量服务器搭建一个属于自己的在线视频配音工具，可以将文案制作为mp3文件并且生成对应的字幕视频，以便大家在制作视频的过程中方便地为自己的视频添加自然逼真的配音 推荐同学们买一台作为学习使用，用来部署晓晓配音完全绰绰有余 image.png 购买完成后我们可以在控制台重置其系统为Ubunut+Docker专版，由于此系统自带了Docker环境，我们上手就能立刻开始部署 我们需要在防火墙放行对应的端口，推荐一次性开一个范围的端口，这样我们在部署服务的时候就可以不用每次都到控制台编辑规则了 20220414190405.png 登录我们的轻量服务器，然后在任意目录克隆晓晓配音的源代码 ，因此晓晓配音的链接有效期并不长，生成的mp4和mp3文件都是定时过期的 mkdir /tts_storage 然后，我们可以使用-v 参数将此目录作为缓存挂载到容器内部，同时使用-e 传递可用的端口号给容器服务使用 然后使用docker logs查看容器服务是否正常开启 docker logs ms_tts 当看到服务顺利监听到8019端口后，部署就完成了 run.png 最后我们就可以通过ip端口的方式访问晓晓配音服务了
2K100编辑于 2022-04-14 - 来自专栏专知
谷歌上线机器学习速成课程：中文配音+中文字幕+完全免费！
值得一提的是，该课程有专门的中文版网址，其中机器翻译和中文字幕不要太溜！ 如果您是机器学习爱好者或想要从事机器学习工作，这是一个不可多得的自学福利！ ? ▌MLCC中文版课程 ---- ---- 令人震惊的是，点击MLCC课程，进去竟然基本上是中文讲课。 据Google称，“此视频讲座的配音是使用机器学习技术生成的。” ，这点我们也可以听出课程的中文配音有明显的机器口音，但是其吐字是非常清晰的，配合中文字幕，对于我们来说听讲毫无压力，不得不说是对我们学习机器学习是一个巨大的福音（有个别机器翻译可能有错，在学习的时候还需要稍加注意 下面我们从课程《机器学习简介》来体验一下其机器翻译和语音合成技术的成果：（视频贴上来，链接如下） https://v.qq.com/x/page/g0562fdcy50.html MLCC中文版链接：
2.7K90发布于 2018-04-16 Edge TTS 语音合成助手 v1.4.0：把普通配音、逐页配音、逐行配音一次做好
三种模式，按你的工作方式生成普通模式适合最简单的全文配音。把文章、脚本或旁白粘贴到左侧输入框，点击生成即可得到一个完整音频，不要求分页，也不会因为普通换行就强制拆成多个文件。 Edge TTS 语音合成助手支持丰富的 Edge TTS 音色，提供中文和 English 界面，不需要填写 API Key。 它适合视频旁白、影视解说、短视频脚本、播客文稿、课程配音、语言学习和批量音频素材制作。 如果你正在寻找“TXT 每行生成一个 MP3”“逐页生成配音”“句间停顿加 SRT 字幕”的 Windows 工具，欢迎试试 v1.4.0。 #EdgeTTS #语音合成 #AI配音 #视频旁白 #批量配音 #SRT字幕 #开源软件 #Windows工具 #Python项目
16700编辑于 2026-09-19- 来自专栏AI机器学习与深度学习算法
学习分类 2-3 感知机
要如何求出权重向量呢？基本做法和回归时相同，将权重向量用作参数，创建更新表达式来更新参数。这就需要一个被称为感知机的模型。
72310编辑于 2022-11-08 - 来自专栏我是攻城师
什么是2-3树
2-3树 VS 二叉搜索树 同样的一组数据，在2-3树和二叉搜索树里面的对比如下： ? 可以看到2-3树的节点分布非常均匀，且叶子节点的高度一致，并且如果这里即使是AVL树，那么树的高度也比2-3树高，而高度的降低则可以提升增删改的效率。 2-3树的插入 为了保持平衡性，2-3树的插入如果破坏了平衡性，那么树本身会产生分裂和合并，然后调整结构以维持平衡性，这一点和AVL树为了保持平衡而产生的节点旋转的作用一样，2-3树的插入分裂有几种情况如下 2-3树的删除 2-3树节点的删除也会破坏平衡性，同样树本身也会产生分裂和合并，如下： ? 总结 本篇文章，主要介绍了2-3树相关的知识，2-3树，2-3-4树以及B树都不是二叉树，但与二叉树的大致特点是类似的，它们是一种平衡的多路查找树，节点的孩子个数可以允许多于2个，虽然高度降低了，但编码相对复杂
2.5K20发布于 2019-04-28 - 来自专栏算法无遗策
动画 | 什么是2-3树？
2-3树正是一种绝对平衡的树，任意节点到它所有的叶子节点的深度都是相等的。 2-3树的数字代表一个节点有2到3个子树。它也满足二分搜索树的基本性质，但它不属于二分搜索树。 2-3树查找元素 2-3树的查找类似二分搜索树的查找，根据元素的大小来决定查找的方向。 动画：2-3树插入 2-3树删除元素 2-3树删除元素相对比较复杂，删除元素也和插入元素一样先进行命中查找，查找成功才进行删除操作。 2-3树为满二叉树时，删除叶子节点 2-3树满二叉树的情况下，删除叶子节点是比较简单的。 动画：2-3树删除 -----END---
1.1K10发布于 2020-01-02 短剧出海AI翻译vs人工翻译实测：完播率与播放数据到底差多少？
传统人工的优势：每个环节都有人工把关，质量上限高；但成本和周期（2-3周/部剧）限制了规模。AI译制的价值主张：用可量化指标压缩技术链路，以远低于人工的成本和时间完成相同工作。 组件二：翻译压缩——解决语言密度差异导致配音语速过快核心问题：中文信息密度高，翻译成英语、日语等语言后，同等信息量的字符数通常是中文的1.5-2倍。 图2：语速监控「语速稍慢·0.7X」——翻译压缩技术的可视化输出，解决中文精练→目标语言冗长导致的音画失同步问题具体案例：· "俞家" → 竞品系统翻译为 "Yoga"（发音相似但语义错误），智马翻译输出 多音字误读率<0.1‰极低（人工校对）字幕识别率99%100%（人工逐字打轴）说话人识别准确率95%100%（人工标注）时间戳对齐精度1毫秒依赖打轴精度（秒级）人声SDR17—全流程速度约3分钟/分钟视频2- ；唯一仍有差距的是极高要求的精品剧配音，需要人工精修补全。
49710编辑于 2026-06-24- 来自专栏刷题笔记
2-3 链表拼接 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101050371 2-3 链表拼接 (20 分) 本题要求实现一个合并两个有序链表的简单函数
80440发布于 2019-11-08 - 来自专栏全栈开发日记
自动批量真人配音软件
工具名称：自动批量配音软件 运行系统：Windows 工具大小：6.5MB 工具截图： 使用方法： 需要设置阿里参数或腾讯参数，点击相应参数后的【获取】，可自动跳转到相应的获取页面（免费）。
2.1K20编辑于 2022-05-13 - 来自专栏python3
2-3 T-SQL函数
2-3 T-SQL函数 学习系统函数、行集函数和Ranking函数；重点掌握字符串函数、日期时间函数和数学函数的使用参数以及使用技巧 重点掌握用户定义的标量函数以及自定义函数的执行方法 掌握用户定义的内嵌表值函数以及与用户定义的标量函数的主要区别 我们首先运行一段SQL查询：select tno,name , salary From teacher，查询后的基本结构如图2-3所示。我们看见，分别有三位教师的薪水是一样高的。 图2-3 薪酬排序基本情况 图2-4 row_number函数排序 图2-5 row_number另一使用 我们可以使用Row_number函数来实现查询表中指定范围的记录，一般将其应用到Web应用程序的分页功能上
2.4K10发布于 2020-01-08 - 来自专栏python3
2-3 选项卡控件
2-3 选项卡控件 u本节学习目标： n了解选项卡控件的基本属性 n掌握如何设置选项卡控件的属性 n掌握统计页面选项卡控件页面基本信息 n掌握选项卡控件的功能操作控制 2-3-1 简介 在 Windows 一般选项卡在Windows操作系统中的表现样式如图2-3所示。 ? 图2-3 图片框控件的属性及方法 2-3-2 选项卡控件的基本属性 图片框控件是使用频度最高的控件，主要用以显示窗体文本信息。 其基本的属性和方法定义如表2-3所示： 属性 说明 MultiLine 指定是否可以显示多行选项卡。如果可以显示多行选项卡，该值应为 True，否则为 False。 使用这个集合可以添加和删除TabPage对象 表2-3 选项卡控件的属性 2-3-3 选项卡控件实践操作 1．
2.4K10发布于 2020-01-07 短剧译制成本占比拆解：翻译配音字幕擦除工程各花多少钱？
· 文化适配处理：霸总剧、宫斗剧中的文化特定表达（"下跪认错"、"摄政王"、"龙颜"）需要额外的语境理解和适配翻译，而非字面直译· 多音字识别：中文多音字（行/的/为/了）在不同语境的读音不同，识别错误会影响后续 工序2：AI配音（情绪TTS）计算类型：GPU密集型神经网络推理成本驱动：配音音频时长 × 每秒TTS推理成本典型比例：全流程成本的45-55%为什么配音是最重的成本环节：配音（情绪TTS）是自回归序列生成任务 以情绪特征向量为生成条件注入TTS解码器，使输出携带原片演员的情绪特征· 音色克隆预处理：从≥2秒的参考音频建立说话人音色向量，每个角色首次出现时执行一次这三个步骤的额外计算，是情绪TTS成本高于基础TTS 2- 四、多语种出海的成本分摊模型多语种出海时，部分成本可以分摊，部分不能：工序是否倍增说明字幕识别（ASR）否（×1）原片只有一个中文版本，只识别一次字幕擦除否（×1）干净视频只需生成一次，所有语种复用字幕翻译是 A：价格上情绪TTS约是基础TTS的2-3倍。对高情绪密度内容（霸总剧、宫斗剧），完播率的差距会更直接地体现在投流效率上。
45510编辑于 2026-06-30- 来自专栏翩翩白衣少年
一键实现语音识别+翻译+配音+声音克隆！
虽然很多平台有自动翻译字幕，但要么翻译质量一般，要么没有配音，看着还是费劲。如果能把外文视频一键翻译成中文，还能配上自然的中文语音，那就太完美了。 你可以给不同的说话人分配不同的 AI 配音角色，处理对话类视频时特别实用，不会出现所有人都用同一种声音的尴尬情况。 在语音识别、字幕翻译、配音的每个阶段，你都可以暂停下来，手动校对和修改，确保最终效果完全符合你的要求。识别不准的地方可以改，翻译不对的地方可以调，不满意的配音可以换。 解压：将压缩文件解压到一个路径，比如 D:\pyVideoTrans（注意：路径不要包含中文、空格或特殊符号，也不要放在 C:\Program Files 等系统文件夹） 3. 运行：双击文件夹内的 sp.exe 启动软件 首次启动可能需要几十秒甚至 2-3 分钟，请耐心等待。
2K11编辑于 2026-05-29 零基础用 WorkBuddy 制作5集仙侠短剧
涵盖 AI 场景绘图、视频生成、edge-tts 中文配音、字幕叠加、ffmpeg 后期合成等环节，包含可复用的 Python 框架代码和踩坑经验。一、项目概述什么是 WorkBuddy？ depth of field, 8K detail关键参数· input_fidelity=high：当需要保持参考图面部特征时使用· watermark=false：生成图片不需要水印生成的10张场景图每集2- setpts=PTS/speed_factor 会将视频放慢— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — 五、阶段三：edge-tts 中文配音为什么选 edge-tts 是微软 Edge 浏览器的 TTS 引擎，免费、中文质量高、支持多角色声音。 2. ffmpeg concat demuxer 不支持中文路径问题：concat demuxer 的文件列表中包含中文路径时失败。
87520编辑于 2026-08-02- 来自专栏机器学习入门
算法原理系列：2-3查找树
结构缘由 首先，搞清楚2-3查找树为什么会出来，它要解决什么样的问题？假设我们对它的基本已经有所了解了。先给它来个简单的定义： 2-3查找树： 一种保持有序结构的查找树。 而2-3树就是为了规避上述问题而设计发明出来的模型。现在请思考该如何设计它呢？ 这里我们从BST遇到的实际问题出发，提出设计指标，再去思考利用些潜在的性质来构建2-3树。 这部分内容，没有什么理论根据，而是我自己尝试去抓些字典的性质来构建，而2-3树的诞生过程并非真的如此，所以仅供参考。 构建2-3树 字典的两个主要操作为：查找和插入。 我就不卖关子了，直接给出2-3树的其中一个基本定义： 一棵2-3查找树或为一颗空树，或由以下节点组成： 2-节点：含有一个键和两条链接，左链接指向的2-3树中的键都小于该节点，右链接指向的2-3树中的键都大于该节点 3-节点：含有两个键和三条链接，左链接指向的2-3树中的键都小于该节点，中链接指向的2-3树中的键都位于该节点的两个键之间，右链接指向的2-3树中的键都大于该节点。 ！！！
1.2K20发布于 2019-05-26 - 来自专栏五分钟学算法
数据结构与算法——2-3树
因此，引入了 2-3 树来提升效率。2-3 树本质也是一种平衡搜索树，但 2-3 树已经不是一棵二叉树了，因为 2-3 树允许存在 3 这种节点，3- 节点中可以存放两个元素，并且可以有三个子节点。 2-3 树定义 2-3 树的定义如下： （1）2-3 树要么为空要么具有以下性质： （2）对于 2- 节点，和普通的 BST 节点一样，有一个数据域和两个子节点指针，两个子节点要么为空，要么也是一个2 例如图 2.1 所示的树为一棵 2-3 树： ? 图2.1 2-3 树性质 性质： （1）对于每一个结点有 1 或者 2 个关键码。 （2）当节点有一个关键码的时，节点有 2 个子树。 2-3树查找 2-3 树的查找类似二叉搜索树的查找过程，根据键值的比较来决定查找的方向。 例如在图 2.1 所示的 2-3 树中查找键为H的节点： ? img 2-3树为满二叉树，删除叶子节点 操作步骤：若2-3树是一颗满二叉树，将2-3树层树减少，并将当前删除节点的兄弟节点合并到父节点中，同时将父节点的所有兄弟节点合并到父节点的父节点中，如果生成了4
91910发布于 2019-09-03 - 来自专栏育种数据分析之放飞自我
笔记GWAS 操作流程2-3：MAF过滤
因为这里是人的数据，所以染色体只需要去1~22的常染色体，提取它的家系ID和个体ID，后面用于提取。
6.3K20发布于 2020-04-14 短剧全自动化翻译到底快多少？实测倍数曝光
实测数据：人工全流程2-3周，AI全自动1小时，按最保守口径换算约112-168倍，计算方式一次说清楚。 一、硬数据对比：2-3周 vs 1小时短剧翻译的人工全流程，从字幕提取、翻译、配音到审核校对，一部剧通常要花2-3周时间，这里面包含了大量顺序推进的等待耗时——字幕要先框选完才能翻译，翻译校对完才能配音 图2：项目管理与配音抽卡界面，支持团队协作管理多部剧集的译制进度，提升整体处理吞吐量。 四、不同规模场景下的体现方式不一样单部剧场景：效率优势体现在耗时压缩上——原本2-3周才能上线的一部剧，现在1小时左右就能完成核心译制流程，对追热点、赶同步上线节奏的跟播剧尤其关键。 1小时是核心处理环节高度集成后的耗时，不包含素材准备、上传排队、人工抽查复核这些外围环节，全部算进去实际周期会更长，但依然远低于人工全流程的2-3周。误区2：认为倍数是固定不变的常数。
12200编辑于 2026-07-23- 来自专栏算法无遗策
（基于2-3树）
学习过2-3树之后就知道应怎样去理解红黑树了，如果直接看「算法导论」里的红黑树的性质，是看不出所以然。 此时我们借着2-3树去理解基本的红黑树，当然我会在后几篇文章介绍2-3-4树以及基于2-3-4树的红黑树。 红黑是指被指向节点的链接颜色，对于一颗2-3树，因为3-节点的存在有很多不同的二叉树的表示，所以我们只考虑左倾的情况。 （和2-3树等价的，任意节点到其叶子节点的高度都是相同的）。 因为2-3树不存在永久的4-节点，4-节点终归要分解的（在2-3-4树中，为了更好地插入和删除，4-节点可存在于叶子节点和非叶子节点）2-3树一样不行，所以在2-3树中没有任何一个节点能同时和两条红链接相连
1.2K20发布于 2020-01-02 - 来自专栏静之森
记录折腾路上用到的教程 自2-3开始
netdata: Real-time performance monitoring
80520编辑于 2021-12-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号