by Rain Chu | 8 月 2, 2024 | AI, 語音辨識
這裡整理了自己試過可以使用的語音指令，當然一定還有很多指令我沒試出來，有試過的可以分享給我，我也會陸續增刪
音樂相關
- 播放藍芽音樂
- 暫停音樂
- 停止播放
- 停掉音樂
- 上一首歌
- 下一首歌
- 切換音樂來源成USB
- 切換音樂來源
- 打開廣播
- 啟動廣播
- 調到FM91.7
- 上一個頻道
- 上一個電台
- 切換下一個電台
- 播放下一個電台
- 暫停收音機
- 播放收音機
- 把電台加入我的收藏
- 把電台從我的收藏裡刪除
- 從收藏中移除電台
- 降低音量
- 音量調高
- 音量靜音
- 取消靜音
導航指令
系統控制類型
- 打開藍芽
- 關閉藍芽
- 增加螢幕亮度
- 設定螢幕亮度為最高
- 降低螢幕亮度
- 開啟頭燈
- 關上大燈
- 打開360度攝像機
- 關閉360度攝像頭
門窗控制
- 打開窗戶
- 窗戶開一半
- 關閉窗戶
- 車窗開四分之一
- 開一點車窗
- 解鎖車門
- 解鎖後門
- 鎖上車門
- 鎖上後面的門
詢問資訊
- 剩餘里程?
- 電池還有多少電?
- 胎壓是多少?
- 我能開多遠?
- 現在幾點?
- 今天幾號?
- 我的駕駛模式是?
通訊方法
空調控制
- 打開冷氣
- 冷氣調到25度
- 關閉冷氣
- 加大冷氣的風量
- 減少冷氣的風量
- 冷氣風量設置為5
TURING 用 Stable Diffusion 畫 EV 概念車 – 雨 (rain.tips)
by Rain Chu | 3 月 24, 2024 | AI, 語音辨識
Whisper 是一種由 OpenAI 開發的先進語音識別系統，Whisper 的獨特之處在於其能夠處理多種語言和方言，以及在各種噪音環境下保持高水準的準確率。這一技術的開發代表了語音識別領域的一個重要進步，為多種應用場景提供了強大的支持，從自動字幕生成到語音指令的處理，再到多語言溝通的促進。
Large 3 更新
2023年末的更新版本，Large 3，來到了3.1GB，測試後，中文的理解能力已經來到了大學生等級，相當的實用，但也相當吃硬體資源
Whisper JAX
https://huggingface.co/spaces/sanchit-gandhi/whisper-jax
如果不想安裝，只想立即使用的話，可以先點選線上版本的，直接可以測試他的效果如何，再來想應用或是考慮是否要在本地端架設一套起來
技術背景
Whisper 基於深度學習模型，特別是利用了大規模語音數據集來訓練其識別算法。這使得 Whisper 不僅能夠識別標準發音的話語，還能識別口音、方言以及非正式或口語化的表達。OpenAI 通過分析大量的語音數據，使 Whisper 能夠理解和處理語速變化、背景噪音干擾以及講話者間的交談。
功能與應用
Whisper 的應用範圍廣泛，從提高輔助聽力設備的性能到增強虛擬助理的理解能力，再到改善自動翻譯系統的質量。在教育領域，它可以幫助創建更加無障礙的學習材料，為聽障學生提供即時字幕。在媒體行業，Whisper 可以用於自動生成新聞報導或視頻內容的字幕，大大提高生產效率並擴大觀眾範圍。
性能與準確性
OpenAI 對 Whisper 的測試表明，其在多種語言和口音的識別上達到了極高的準確性。此外，Whisper 能夠辨識並適當處理專有名詞、術語以及其他複雜的語言結構。這種高水平的準確性不僅對於提供質量高的轉錄服務至關重要，也是使語音交互系統更加可靠和實用的關鍵。
下載資源
OpenAI Whisper
編譯好可以直接使用的程式
CPU版本Whisper，Buzz 適合沒有GPU的情景使用
文章內整理了編譯版本，可以離線下載使用
by Rain Chu | 10 月 9, 2023 | AI, 語音辨識
Good Tape：每位記者的最佳助手
新聞記者同仁，是時候給你的筆記和錄音機進行一次升級了！我們都知道，在報導新聞的過程中，進行深度的訪談以獲得第一手資料是不可或缺的。但是，錄下來的訪談音檔真的有足夠的時間逐字逐句去轉錄嗎？對大多數的記者來說，轉錄不僅是時間消耗的過程，還可能會有遺漏或誤解的風險。
Good Tape 是一個線上工具，能夠將你的錄音文件快速且精確地轉為文字檔，大幅縮短你的工作時間，提高工作效率。不僅如此，其使用 OpenAI 的先進技術，確保每句話的準確性和細節都不會遺失。
不管你是在前線採訪還是在辦公室整理稿件，Good Tape 都能成為你的得力助手。現在，再也不用擔心漏掉訪談中的任何重要細節，只需一鍵，你的訪談內容就能完整地展現在眼前。
1. 🔧 功能強大：
Good Tape 是一款線上工具，自動將錄音轉為文字檔的逐字稿。過去，這樣的技術經常受到語言和準確性的限制，但現在不再是問題！Good Tape 運用 OpenAI 的 Whisper 技術，支援包括英文、中文、日文等超過40種語言！
2. ⏰ 省時又精準：
只要簡單上傳錄音，Good Tape 不僅能產生文字檔，還可以提供標記時間的字幕檔（.SRT格式）。還有一個加分點，可以自訂逐字稿的時間間距，讓你的報導更加完善！
3. 🌐 背後的力量：
Good Tape 的推出背後，是由丹麥知名數位報紙 Zetland 創建。他們之所以推出這項服務，是因為看見市場上昂貴、且多只專精於英文的轉錄服務。他們選擇使用了 API 方式串接 Whisper，將這項音訊轉文字檔的強大工具帶給我們。
4. 🛡 安全第一：
Good Tape 保證了每位使用者資料的安全和隱私。傳輸過程已完全加密，而資料將不會離開受GDPR保護的歐盟範疇。更令人安心的是，若你沒有進行註冊，上傳的檔案僅會保存三天，這減少了任何潛在風險。
5. 💰 關於價格：
當然，如此高效的工具會有成本。Good Tape 計劃在不久的將來推出付費方案，但相信與其提供的價值相比，絕對物超所值！
結語：
各位記者朋友，Good Tape 無疑是我們日常工作的一大革新。從今以後，轉錄錄音再也不是煩惱，我們可以專注於最重要的事情 – 報導新聞！
Good Tape
https://www.mygoodtape.com/
延伸閱讀
by Rain Chu | 9 月 4, 2022 | AI, Tool, 人臉辨識, 圖型處理, 語音分離, 語音辨識
一家很有趣的南韓AI公司，秉持著南韓娛樂產業的基底，在北京、加州以及東京都設有分公司，專注再利用AI解決虛擬真人溝通的解決方案，我想有別於日本的二次元文化，南韓更專注於解決真實偶像翅膀硬了就會飛的問題，我想這會是公司的一個大痛點，常常董事會中的討論是為何我要花大錢捧一個人?我想這會是解方。
DeepBrian AI 官網
https://www.deepbrainai.io/
官網有三個主要的解決方案
- AI Human
- AI Studios
- AI Kiosk
AI Human – 從建立自己的偶像開始
https://www.deepbrainai.io/product/ai-human
可以把多個虛擬人放於你的教育、Youtube、FB上，自由使用
AI Studio – 輸入文字就可以讓虛擬主播替你代言
https://www.deepbrainai.io/product/ai-studios
可以試用看看，https://aistudios.com/demo，目前預設都是南韓人的臉
AI Studio 的收費方式
AI Kiosk – 把虛擬人放到自助機器中
https://www.deepbrainai.io/product/ai-kiosk
by Rain Chu | 3 月 17, 2022 | AI, Tool, 人臉辨識, 語音辨識
還記得 2013 年，我用圖形演算法寫了一個跟電視裡面的 Show Girl 玩剪刀、石頭、布，贏的就拿到 Candy ，是真的會從螢幕後面跑出一粒糖果的那種遊戲，靈感來源自於 Candy Crush ，只是我的是真實版本，不能線上玩得，2013 年寫這樣的軟體應該是很厲害的那種，2022 年居然不需要再寫程式碼就可以自己訓練模型，只要在短短的程式碼去呼叫就可以使用它了，What!
2013年版本的圖形辨識手部完玩剪刀、石頭、布
來看看年輕版本的我
Teachable Machine 介紹
- Images，圖像分類器，https://medium.com/@warronbebster/4bfffa765866
- Sounds，聲音分類器，https://medium.com/@warronbebster/4212fd7f3555
- Poses，人體的姿勢分辨器，https://medium.com/@warronbebster/f4f6116f491
Teachable Machine Images
Images 可以很快速且簡易的製作圖像分類器，比起 Microsoft Azure Custom vision 要來的簡單些，但功能要來的少一些，最大的好處是支援 tensorflow 以及 https://www.tensorflow.org/js，這樣可以很快速且方便的讓我把模型放在 Edge 端。
Teachable Machine Sounds
聲音分類器比較難懂，可以看看強者學弟林智源它們公司的產品，簡單的說明，他是可以讓記者在訪問火箭升空的現場時，還可以分離人聲以及火箭的噪音的服務，如果你也想要自行訓練模型的話，就是要用到這個功能了。
迪威智能，https://dwave.cc/
Teachable Machine Poses
一個跟 Processing 、 Kinect 、 OpenNI 類似功能的應用服務，回想在 2011 年拿下微軟的 kinect for windows 第一屆的無限可能獎，說起會拿這個獎也很意外，那天比賽時後其實只取前三名，我在等到第一名公布後都沒有自己的名字後，突然間評審說還有一個跟第一名實在無法區分的獎項，是由評審們討論出來要加開的，叫做無限可能獎，才又找我原本失落的心，不枉費我前一天沒睡覺在開發這套看電子結婚照，還可以虛空把照片抓到自己手機的軟體。
我在 2:19 秒，Motion Welcome
Kinect MotionWelcome Demo
Teachable Machine 的輸出
這是最關鍵的一環，可以輸出各種模型給各種市面上的終端設備使用，Android、Coral、Raspberry Pi、Intel Vino等，這也是我覺得最強大的部分，也是最能說服我採用 Teachable Machine 的功能
Teachable Machine 應用
Teachable Machine 官網
https://teachablemachine.withgoogle.com/
寫在最後，下一次要示範一下如何在 raspberry pi 中，如果大家有想看的題目可以留言給我
by Rain Chu | 3 月 17, 2022 | AI, 語音辨識
官網：https://voicefilter.com.tw/
AI聲音濾鏡主攻 podcast 市場以及 Youtuber 和會議的需求，這個市場定位跟以前我們做 Safey 一樣，功能也都是一樣的，但有一個強項是他有對台灣人的台灣國語做精準訓練，相當大的程度地符合台灣市場，只是價格定位方面讓有需求的人會考慮比較多，但有需求的人還是可以先進行註冊，會送30分鐘免費體驗，可以先測試是否符合自己的需求。
AI聲音濾鏡完整的使用說明
https://m.eprice.com.tw/tech/talk/1190/5705774/1/
下載說明書
https://voicefilter.com.tw/doc/AI_voice_filter_operation_manual.pdf
價格參考雲端市集，年費約NT7,200元
https://www.tcloud.gov.tw/solution/C91CCCC7228F2111E0531512620A3891#block3
官方影片完整介紹
近期留言