刚刷到那种用AI把普通话实时转方言Rap的视频，觉得挺好玩就想复刻一下。思路是用Whisper转录歌词，再切TTS生成特定方言音色，最后进Vocaloid调音准。结果发现AI生成的旋律和方言声调经常打架，唱出来像念经而不是Rap。目前卡在怎么让旋律线贴合方言的四声声调上，单纯靠AI跑出来的节奏感太强但咬字不清。有没有懂音频处理的大佬指条路？或者有其他更暴力的整活方案，比如直接拿变声器硬改？
登录后发起讨论
登录即可发布话题，支持配图、表情与手绘，与社区一起交流 AI 实践。
话题分类 全部话题
刚让AI帮我润色个Jira任务描述，它给整出了篇散文诗，客户看了以为我们在做行为艺术。排期别画饼，用户要的是能落地的功能，不是这种花里胡哨的幻觉。这种离谱的输出，最后还得我一个个字改回来，纯纯增加无效工作量。
换了个支持 4K@60Hz 的扩展坞接双屏，结果 M1 Pro 的接口烫得能煎蛋，画面还偶尔闪屏。把分辨率降到 30Hz 就不闪了，但拖着鼠标有点粘。有没有不用换线就能稳定输出的方案？这扩展坞八十块真不便宜。
朋友圈疯转那个「被 AI 抛弃」的文章看多了头疼，不如搞点本地能跑的实在货。Whisper.cpp 是个好东西，纯 C++ 实现，跑在 CPU 上也能把音频转成文字，完全不用联网。对于有隐私洁癖或者网络环境差的人来说，比那些 SaaS 在线转写靠谱多了。GitHub 上有好多前端封装好的 Demo，搜 `whisper-web` 就能找到，链接直接给：https://github.com/Const-me/Whisper，拉下来编译一下就能用，不用订阅费。
刚刷到B站有人吹通义听悟，说它能自动提炼重点。实测了下我们产品复盘会，生成的纪要里全是“大家积极发言”、“气氛热烈”这种水话。核心决策点反而漏了，样本量这么小都翻车，这功能是不是只对闲聊有效？
