1.阴阳决指标公式源码如何
2.段富超获奖信息
3.文字转语音软件工具有哪些推荐?配音
4.废墟图书馆安吉拉模型来啦！附详细微调思路和体验地址
阴阳决指标公式源码如何
下载地址：/azyx/jsby/yinyangjueshouyouv.html
类型：安卓游戏-角色扮演
版本：阴阳决手游v1.2.7
大小：.M
语言：中文
平台：安卓APK
推荐星级（评分）：★★★★★
游戏标签: 阴阳决 rpg手游 阴阳决是源音网一款非常有趣的rpg手游，游戏画面精美细腻，码配码各路英雄人物齐相聚，站源造型炫酷，配音服饰华丽变幻无穷，源音网字体侵权图片源码众多萌宠灵兽悉数登场，码配码众人跨服同台pk，站源喜爱的配音朋友赶快到墨鱼下载站下载体验吧！
官方介绍用心打造游戏代表大作，源音网带你进入MMO游戏新纪元，码配码各界英雄萌宠穿越时空，站源各种传说招式齐聚一堂。配音『知名声优配音』& 『代言人Cosplay』联手打造游戏新境界。源音网
阴阳决手游特色1.英雄尘缘 传说招式继承
打破时空生死界限，码配码各界英雄相聚。萧炎、星矢等动漫小说传奇人物穿越阴阳而来，如来神掌、飞龙探云手、隐遁之术等传说招式待你继承。
2.颜值爆表 数百外观搭配
华丽和服、朴素唐装、绅士燕尾，锦绣旗袍，不同异域文化，风情十足的时装打扮，等你慢慢品味，待你细细思量。
3.无双杀戮 跨服同屏PK
千人同屏开启无双杀戮模式，极限火力爆杀百人，百人斩、千人斩等称号你挑战，你的朔源码企业标时刻将被终结，亦或无限延续。
4.魔力灵宠 一秒战力狂飙
七大魔力灵宠，数十种变化形态，宝贝皮卡丘，金蝉唐三藏，动漫小说人物为你集结，打造你的专属灵宠。
5.声控福音 顶级声效配音
各具特色的声线和倾注心力的演绎，赋予了每一位角色鲜活的魅力。战斗声效，背景音乐由顶级配乐大师谱写，让你身临其境，热血战斗，畅快打击。
综上所述，墨鱼下载站是您寻找安卓游戏和角色扮演解决方案的理想之选。无论是安卓游戏角色扮演爱好者还是专业人士，我们推荐安卓游戏角色扮演的相关内容都能满足您的需求。立即下载或体验阴阳决手游，享受安卓游戏角色扮演带来的无尽乐趣！此外，我们还提供阴阳决手游的详细信息，包括功能介绍、用户评价以及官方下载链接/azyx/jsby/yinyangjueshouyouv.html 。让您的下载过程更加轻松快捷！
段富超获奖信息
段富超在演艺道路上取得了多项荣誉。在年7月，他参加了第十一届全国推新人大赛，并在影视表演组赢得了江苏省十佳的称号。同年月，他在三星电子视频大赛中凭借出色的创意表现获得了“最佳创意表现奖”。紧接着，年7月，rocketmq顺序消费源码他在英特尔纳米视频大赛中脱颖而出，赢得了人气冠军的桂冠。 在同一年的8月，段富超在瑞星卡卡视频大赛中斩获一等奖，展示了其在视频制作方面的才华。接着，他在月的比亚迪F0“just cool”视频征集大赛中获得了三等奖。年，他的公益事业也得到了认可，他在“迎国庆讲文明树新风”主题公益广告大赛中荣获优秀奖。 同年月，段富超在“美好江苏 青春故事”江苏省青年DV大赛中赢得了三等奖，进一步证明了他的艺术实力。紧接着，他在年月的常州龙城原创**节上，凭借精湛的表演获得了年度最佳男演员的称号，并在1月赢得了最佳人气奖，显示出他在影视领域的广泛认可。 年，段富超的影响力进一步提升，他参与的“创新工场，助跑计划”中，他的作品凭借人气赢得了奖项。同年的6月，他在搜狐畅游的“配音鹿鼎记 过把星爷瘾”配音活动中，以第一名的成绩展示了其独特的配音才华。扩展资料
段富超，后，江苏徐州人，新锐才艺达人，SOHO配音人，擅长模仿，参加过多家卫视综艺节目录制，Nft区块链源码是周星驰国语配音模仿第一人，喜欢**与配音，做过报刊编辑、网媒编辑，导演的网络短片多次获奖，播客综合访问量达数千万次，编写的web程序被各大源码网站收录，深受网友喜爱，下载量巨大。文字转语音软件工具有哪些推荐?
文字转语音技术如今已经相当成熟，众多工具在生成语音的过程中日益自然、流畅，部分音质甚至难辨真伪。对于视频剪辑等场景，这类工具成为不可或缺的辅助。我在此分享几款试用后认为表现优秀的文字转语音工具。
首先是配音工厂，一款简洁易用的文字转语音工具，特别适合生成配音音频。用户只需输入文本或导入文档，便能生成自然流畅的语音。它支持多种音色，参数调整丰富，涵盖停顿、多音字、音量、语速、语调等，适应多种需求。
tts-vue是一款基于微软语音合成技术的开源、免费工具，使用Electron + Vue + ElementPlus + Vite实现。用户可直接在GitHub和Gitee获取源代码，商品溯源码蚂蚁学习或二次开发。这为爱好者提供了实践机会。
偷懒工具是一款网页版工具，无需安装，网页操作即刻可用。它提供男声、女声、童声选择，支持快读、慢读、普通语速，转化迅速，生成的语音可直接下载。
AI配音专家源自吾爱破解论坛，使用阿里语音合成引擎，提供全面的语言种类，效果逼真，适合追求高质量语音合成的用户。
TTSMaker是一款全面的文字转语音工具，语言支持广泛，包含中文、英语、日语、德语等，并能灵活调整语速、音量、分段落停顿等参数。输出格式多样，包括MP3、wav、aac等，功能齐全。
Text-to-Speech是一款功能强大的文字转语音工具，支持中文、英文、日语、德语等语言，并提供方言支持，如河南话、上海话、粤语等。它提供多种音色、情感选择，支持语音调整，甚至具备模仿功能，能生成接近真实语音。
微软听听是一款由微软官方提供的微信小程序，支持导入文章、公众号链接、上传文档，甚至OCR识别生成语音。它提供了丰富的语音类型和语言选择，语音效果自然，适合各种应用场景。值得注意的是，微软听听完全免费使用。
废墟图书馆安吉拉模型来啦！附详细微调思路和体验地址
项目介绍
本项目是书生·浦语大模型实战营的一个大作业，旨在使用大模型微调技术实现角色扮演。目前项目已迭代第一个版本，实现了利用《废墟图书馆》对话语料微调模型，从而对角色“安吉拉”进行角色扮演，在对话风格上模仿的十分贴合人物。
更多示例见github仓库主页。已开源模型权重和Demo体验地址。项目基于书生·浦语全工具链进行开发，并在internstudio平台完成微调，具体可参考如下流程图，可以作为微调任意游戏角色的一个SOP。
角色语料搜集
游戏这种载体在搜集语料上有天然的优势。最开始搜集数据有想过对《废墟图书馆》进行解包，后面发现Wiki已经有大神把所有剧情对话都整理好了，简直感动。首先观察Wiki，可以发现每个对应一个剧情对话超链接，链接对应一个剧情场景。点进去并查看网页源码可以发现对话是包含在div中嵌套的span块里的文本，针对这些组织形式写出对应的爬虫语句即可（也可以交给GPT4）。其他游戏的Wiki应该也是相似的（例如原神、明日方舟等），因此可以总结出以下SOP：根据以上逻辑，代码如下（完整代码见github仓库）。由于以前做经济实证收集数据对Xpath比较熟所以使用该方法，也可以换成bs4或是其他解析库。
数据格式统一
这块就怎么方便怎么来，只要体现是“什么角色说了什么话”，因此存为表格型数据是比较理想的，也方便加入更多字段（例如命运石之门这种时间跳跃的作品，可能需要加入一个世界线字段）。对于小规模数据可以直接存CSV文件，如果数据量过大（比如上千了）可以考虑使用sqlite、MySQL这类数据库进行管理，最后只要方便存取即可。
构建数据集
在构建微调数据集这块，借鉴了凉宫春日计划[1]和一位国外教授实现自己数字分身的案例[2]，主要思路为寻找安吉拉两次对话之间的内容，拼接为一个大 Input。[3]但若是安吉拉第一次出现，则将前面 n 条语料拼接（n过大会被去除，避免超出token数）。例如：拼接为：优点：缺点：对于如何切分多轮对话：需要寻找话题的断开点，可以使用gpt（但个人感觉难度很大）或者人工筛选。但就目前来说，单轮模式已经可以很好的学到人物的说话风格。数据量需要多少：根据LIMA: Less Is More for Alignment[4]中的结论，高质量的条左右的数据就能达到不错的效果，本项目目前使用条对话数据进行微调。
算力平台与环境配置
一般云服务器是带有torch、transformers等库的，其他环境配置可以参考xtuner[5]仓库给出的教程。
模型选型
现在大模型层出不穷，对于如何选择用于微调角色扮演的模型，个人认为有两种思路（假设已经根据算力资源选择了对应的参数量）：
大模型中文榜单
可以根据文本生成相关的参数，在HuggingFace LLM Leaderboard[6]这类评测结果榜单上搜索模型。当然这里推荐一个国内的模型评测网站OpenCompass[7]，可以直观看出各种模型的评测结果。
业界口碑
当然有时也不能迷信榜单，因为不排除模型可能针对榜单进行过优化。这时候就可以搜索对应模型，查看相关从业者在业务上对各种模型的评价，并且越火的模型对应的教程也越多，有效避免踩坑！
模型下载
2. 对于国外服务器，HuggingFace是最佳选择，感受风一般的下载速度吧！
模型微调
如何微调模型以及微调一个多大的模型取决于持有的算力资源。1.8B模型可以全量微调，7B模型往上可以使用QLoRA。这块微调可以使用xtuner，主要思路如下：
模型部署与量化
先总结一下，到目前为止，我们已经有了微调后的模型，该模型已经相当于从HuggingFace上直接下载好的模型了，随后就可以使用HuggingFace的AutoModel系列读取并进行chat。当然这里也可以使用LMDeploy的模型部署服务，其支持开箱即用的命令行对话、Gradio Demo展示和Api服务，思路主要如下：其会在同路径下生成一个workspace 文件夹，随后就可以直接进行对话了。命令行对话：lmdeploy chat turbomind ./workspaceGradio Demo:lmdeploy serve gradio ./workspace API服务：
关于模型量化，之前尝试对7B模型进行int4量化，效果非常不理想，基本是在胡言乱语。或许是对更大参数量如B模型进行量化，效果才会更好。
关于部署和量化，具体可以见我之前写的笔记：
模型评测
角色扮演的要求自然是要贴合角色表现，不能ooc，下面给出几种参考的评测自己微调后的模型表现方法：
人工评测：拿给熟悉该人物或作品的人试试，聊几轮就知道像不像（最直接的方法）
大模型评测：例如在RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models[]这篇论文中，作者使用了GPT模型来评测不同模型的表现，参考prompt如下
论文指标评测：目前也有一些研究角色扮演的论文，里面的实验阶段会提出一些参考评测指标。例如在论文CharacterGLM: Customizing Chinese Conversational AI Characters with Large Language Models []中，就提出了以下指标
不足之处
1. 客观事实不清晰：由于只使用了对话记录进行微调，模型欠缺对整体世界观、人际关系网的把握（L公司即脑叶公司，是安吉拉以前工作的地方）
2. 模型幻觉依然存在，虽然大部分时候不会出现严重幻觉，但模型对实体的认知还是有一定问题
3. 多轮对话能力不足：主要源于构建数据集时仅考虑了单轮对话，没有加入一定的多轮对话数据，理想的话应该是1:1左右的比例？
项目前瞻
1. 加入RAG：针对缺乏客观事实，可以考虑将Wiki内容和设定集内容作为知识库，在每次对话时进行一次检索，保证模型不会出现一问三不知的情况。
2. 加入配音：《废墟图书馆》原作中每个角色是有配音的（韩语），其中安吉拉的配音为李多恩[]老师（配过崩铁的佩拉），可以考虑使用其游戏语音训练一个text2video模型，增加角色扮演的沉浸感
3. 变为跑团，多角色聊天：针对安吉拉的角色扮演SOP也同样适用其他模型，后续可以考虑做成一个pipeline把其他角色也微调好，最后做成一个聊天室的架构。当前考虑聊天室结构如下，若采用RAG+system_prompt的zero-shot角色扮演，则可以只用一个大模型，则可使用一个统一的类管理所有的对话记录，每次集成之前的n个角色对话作为prompt，并将对应的system_prompt和history发给第n+1个人物。
但针对需要微调的模型，只能对每个角色加载对应的模型，这样n个角色（不包括自己）的聊天室需要消耗加载n个模型的显存。考虑算力约束，或许得用1.8B模型代替7B模型。
最后
很高兴书生·浦语团队丰富的教学文档和友善的团队，让大家能够实现各种各样的角色扮演计划。作为从年一直看Project Moon成长到现在的月计人，看到模型效果时实在是有一种由衷的感动。如果你喜欢本项目可以来Github点一个star哦，当然目前国内也有不少优秀的角色扮演项目，例如“凉宫春日计划”就做的相当厉害。本篇也是开学伊始对寒假末尾做的一些事情的总结，也希望在新学期也能坚持下去吧。
