跳到正文
我的
热点事件持续更新

佛教瑜伽有声书TTS流水线仓库发布

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

privacyfreak84 发布 Buddhist Yoga PDF-to-Audiobook Pipeline 仓库，用 Chatterbox Multilingual V3 在 Google Colab 处理《Buddhist Yoga: A Comprehensive Course》122 页 PDF，目标是把全书转成忠实的有声书。目前它是可运行的工作台而非成品生成器：已完成手稿准备与发音/旁白实验，批准 48 处跨页拼接并生成 13 个术语发音表；全书分块、可恢复章节合成、验证与导出尚未实现，全书合成被有意锁定。 成本约束是不使用付费推理 API、订阅、托管 GPU 或导出额度。Google Drive 默认关闭，不启用时模型与生成的 WAV/JSON 留在 Colab 临时存储，WAV 可从界面下载；在 setup 单元格设 USE_GOOGLE_DRIVE = True 才会持久保存模型快照和生成文件。第三个 notebook 在同一固定版本的 Chatterbox Multilingual V3 运行时上启动无需登录认证的 Gradio 网页界面。参考档含 6 秒 T3、10 秒 S3Gen 和最长 30 秒 T3 VoiceEncoder 身份样本。

AI 根据报道生成 · 37 分钟前更新

最新进展11月8日 03:36
Buddhist Yoga PDF-to-Audiobook Pipeline：用 Chatterbox Multilingual V3 在 Google Colab 做零成本有声书流水线

报道时间线

沿着报道，了解事件的不同侧面。

11月8日
  1. GitHub · 去对齐工具与仓库
    Buddhist Yoga PDF-to-Audiobook Pipeline：用 Chatterbox Multilingual V3 在 Google Colab 做零成本有声书流水线

    GitHub 项目 Buddhist Yoga PDF-to-Audiobook Pipeline 用 Chatterbox Multilingual V3 在 Google Colab 构建 122 页 PDF 有声书流水线，当前是可运行工作台而非成品生成器。已实现手稿准备与发音/旁白实验，批准 48 处跨页拼接并生成 13 个术语发音表；全书分块、可恢复章节合成、验证与导出尚未实现，全书合成被锁定。推理零付费 API/托管 GPU，参考档含 6 秒 T3/10 秒 S3Gen 和最长 30 秒 T3 VoiceEncoder 身份样本。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。