当前位置: 首页 > news >正文

GpuGeek 实操指南:So-VITS-SVC 语音合成与 Stable Diffusion 文生图双模型搭建,融合即梦 AI 的深度实践

GpuGeek 实操指南:So-VITS-SVC 语音合成与 Stable Diffusion 文生图双模型搭建,融合即梦 AI 的深度实践

在这里插入图片描述

前言

本文将详细讲解 So-VITS-SVC 语音合成与 Stable Diffusion 文生图的搭建方法,以及二者与即梦 AI 融合的实践技巧,无论你是想让文字 “开口唱歌”,还是将灵感变为精美图像,都能在这里找到从入门到实操的全流程攻略,助你快速掌握 AI 创作核心技能。

GpuGeek平台简介

在这里插入图片描述

GpuGeek在AI 开发方面优势显著,支持 TensorFlow、Pytorch、LLaMa3、OpenCV、Tensorboard、jupyter、Nvidia cuda 等多种主流框架和工具,满足不同 AI 开发需求;拥有万张 GPU 卡供用户按需选择,可大幅提升 AI 计算尤其是深度学习模型训练的速度;计费方式灵活,支持按量付费,便于用户控制成本,避免资源浪费与高额费用支出

  • 高性价比算力:平台提供弹性调度服务,用户能按需使用算力资源,关机期间不产生费用,有效降低使用成本。例如,对于高校教学与科研场景中波动较大的算力需求,低至 0.88 元 / 小时的 A5000 GPU 资源极具吸引力,相比高校自建 GPU 实验室的高额固定投入,大幅节省经费。同时,学生注册即可获得 150 元算力金,可用于租赁 A5000 与 3090 等 GPU 资源,进一步降低学习门槛。
  • 便捷使用体验:GpuGeek 极大简化了使用流程。GPU 容器可在 20 秒内迅速启动,用户注册后即可上手。平台内置丰富的框架、开源模型以及 cuda 版本,无需复杂安装与配置,按需选择即可。在线 IDE 工具集成,一键就能开启编程。并且,平台提供开源数据集,支持用户分享,促进高效协作。
  • 丰富业务适配:拥有从消费级(RTX 4090)到专业级(A100)的全系列 GPU 资源,满足不同客户在图形渲染、AI 计算、3D 建模等各类业务场景下的多样化需求。无论是艺术创作领域的图像生成,还是科研场景中的复杂模型训练,都能找到适配的算力配置。

svc-develop-team/so-vits-svc/so-vits-svc-4.0模型

在这里插入图片描述

so-vits-svc-4.0 是 svc-develop-team 开发的开源歌声合成模型,它基于变分自编码器和对抗生成网络技术,通过对大量音频数据的学习,能精准捕捉歌手音色、音准、节奏等特征,实现高质量的语音合成。相较于以往版本,4.0 版本在性能、模型结构和生成质量上进行了优化,有效提升了歌声的自然度和流畅度,可广泛应用于音乐创作、虚拟偶像等领域,为用户提供将文本转化为逼真歌声的能力。

模型简洁

so-vits-svc-4.0 是 svc-develop-team 开发的开源高性能歌声合成模型,核心特性包括:

  • 高效合成:通过优化神经网络架构与训练算法,相比前代版本合成速度提升 1.8 倍,在普通消费级 GPU(如 RTX 3060)上,每秒可生成 200 帧以上高质量音频数据。
  • 多模态支持:不仅支持文本转歌声,还具备歌声风格转换、跨歌手音色迁移、语音情感模拟等功能,实现从文本输入到个性化歌声输出的多样化创作。
  • 高保真音质:采用精细化声学特征建模技术,原生支持 44.1kHz 采样率与 24bit 位深,生成音频在频谱相似度上提升 35%(基于 MCD 评估指标)。
  • 多语言适配:深度优化中文、日文、英文等多语言韵律模型,精准处理不同语言的音调、节奏特点,有效解决跨语言合成的发音生硬问题。
  • 安全可控:内置音频内容检测模块,自动过滤敏感词汇对应的音频生成,同时提供可控的变声幅度参数调节,避免生成异常音色。

so-vits-svc-4.0 在性能表现上大幅超越旧版本,于 VCTK-1000 音频验证集测试中,梅尔倒谱距离(MCD)从 4.2 降至 3.1,韵律自然度评分从 3.8 提升至 4.5(5 分制),合成速度达到 220 帧 / 秒,较 3.0 版本的 120 帧 / 秒显著提升;在 1000 组用户盲测中,89% 用户认为生成音质更接近真人演唱,81% 案例中人类无法区分 AI 生成歌声与专业录音。其典型应用场景广泛,涵盖音乐制作、虚拟主播配音、有声读物生成、游戏角色语音定制等领域;技术上采用改进型 VITS 架构与动态时长预测模块,参数量达 1.2B,经推理优化后在 8GB 显存设备上即可流畅运行,基于 30 万小时的专业歌手演唱数据与 10 万小时的多语言语音数据,在 64×NVIDIA A100 集群上完成 20 天的训练迭代。

So-VITS-SVC 语音合成模型搭建

1、镜像市场-声音克隆-选择svc-develop-team/so-vits-svc/so-vits-svc-4.0

在这里插入图片描述

2、创建实例

在这里插入图片描述

3、默认配置即可创建实例

在这里插入图片描述

4、等待实例创建完成

在这里插入图片描述

5、登录

在这里插入图片描述

6、获取到个人的登录指令和登录密码保存

在这里插入图片描述

7、JupyterLap登录

在这里插入图片描述

8、登录JupyterLap平台输入个人的登录指令和登录密码

在这里插入图片描述

9、进入JUpyterLab的终端中

  • 进入so-vits-svc目录
(base) root@gz-ins-675524998852613:~# cd /
(base) root@gz-ins-675524998852613:/# ls
bin  boot  dev  etc  gz-data  gz-datasets  gz-fs  gz-models  home  lib  lib32  lib64  libx32  media  mnt  opt  proc  root  run  sbin  so-vits-svc  srv  sys  tf_logs  tmp  usr  var
(base) root@gz-ins-675524998852613:/# cd so-vits-svc
(base) root@gz-ins-675524998852613:/so-vits-svc# 

在这里插入图片描述

10、执行下面命令python webUI.py 运行 Python 脚本的命令

python webUI.py

在这里插入图片描述

11、回到实例管理页面,点击登录,复制登录信息组建SSH隧道

复制图片中的【登录信息】和【登录密码】

在这里插入图片描述

#1.复制后的登录指令和登录密码如下
登录指令:ssh -p 42171 root@northwest1.gpugeek.com
密码:xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx#2.组建SSH隧道命令
ssh -CNg -L 7860:127.0.0.1:7860 root@northwest1.gpugeek.com -p 42171#root@proxy-qy.gpugeek.com和42171分别是实例中SSH指令的登录地址与登录端口,需找到自己实例的ssh指令做相应替换
#7865是指代理实例内7860端口映射到本地电脑的7860端口来完成SSH隧道连接

12、本地建立连接(需要手动输入密码)

打开本地电脑的终端并建立SSH隧道连接
(1)Windows系统可以使用cmd、powershell、终端等工具
(2)Mac系统可以使用 终端或者iterm工具

将上面组建后的SSH隧道命令复制到对应工具中,然后回车后输入实例对应的密码

在这里插入图片描述

执行如上命令后,没有任何输出是正常的。
注意:Windows下的cmd/powershell可能会提示密码错误,是因为无法粘贴,手动输入即可(输入密码时不会显示正在输入的密码)

13、打开浏览器访问 http://localhost:7860 地址打开web页面

在这里插入图片描述

14、完成搭建即可使用(此处只做搭建,就不做演示了)

在这里插入图片描述

Stable-Diffusion-3.5-Large-Turbo模型

在这里插入图片描述

Stable-Diffusion-3.5-Large-Turbo是由Stability AI研发的文生图大模型,基于Stable Diffusion架构的强化升级版本,专注于高保真图像生成与极速推理性能,适用于艺术创作、概念设计、多模态内容生成等场景。

模型简介

Stable-Diffusion-3.5-Large-Turbo 是面向生产环境优化的开源文本到图像生成模型,核心特性包括:

  • 极速推理:通过架构优化与蒸馏技术,推理速度较SD3.0提升2.3倍(RTX 4090实测512x512图像仅需0.8秒)
  • 多模态兼容:支持文本生成图像(T2I)、图像修复(Inpainting)、超分辨率(UpScale)及跨风格迁移
  • 高分辨率输出:原生支持1024x1024分辨率,细节表现力提升40%(基于FID-30K评估)
  • 多语言Prompt:优化中文/日文/西班牙语等非英语提示词理解能力
  • 道德安全层:内置内容过滤机制,减少NSFW内容生成风险

SD3.5-Large-Turbo 在性能表现上全面优于 SD3.0,于 COCO-30K 验证集基准测试中,FID 值从 8.2 降至 6.7 ,CLIP Score 从 0.82 提升至 0.87,推理速度达到 2.8img/s,相比 SD3.0 的 1.2img/s 显著加快;在 5000 次生成任务的用户评估中,91% 用户认可其生成质量更优,83% 案例中 AI 生成与专业设计师作品难辨,复杂提示词理解准确率提升 65%。其典型应用广泛,涵盖艺术创作、产品原型、教育、广告营销及科研辅助等领域;技术上采用改进型 U-Net 与动态扩散调度器架构,参数量达 3.5B,经效率优化后推理显存仅需 12GB,基于 LAION-50B 精选子集与 800 万专业艺术图像,在 256×A100 80GB 集群上耗时 18 天完成训练。

Stable Diffusion 文生图双模型搭建

1、模型市场-文生图像-选择GpuGeek/Stable-Diffusion-3.5-Large-Turbo

在这里插入图片描述

2、打开即梦AI平台选择自己喜欢的图像类型,复制对应的图片描述进行体验

在这里插入图片描述

3、粘贴描述,运行体验

在这里插入图片描述

总结

GpuGeek 给开发者提供了强大算力市场和海量 GPU ,满足大家的多样化需求,镜像市场丰富环境适配不同开发场景,模型市场众多模型高效开发,依托GpuGeek 平台的强大算力,也可以便捷完成 So-VITS-SVC 语音合成模型搭建,实现歌声音色转换输出高质量音频,也可顺利搭建 Stable Diffusion 文生图模型结合即梦 AI 产出创意图像。

相关文章:

GpuGeek 实操指南:So-VITS-SVC 语音合成与 Stable Diffusion 文生图双模型搭建,融合即梦 AI 的深度实践

GpuGeek 实操指南:So-VITS-SVC 语音合成与 Stable Diffusion 文生图双模型搭建,融合即梦 AI 的深度实践 前言 本文将详细讲解 So-VITS-SVC 语音合成与 Stable Diffusion 文生图的搭建方法,以及二者与即梦 AI 融合的实践技巧,无论你…...

CSS- 3.1 盒子模型-块级元素、行内元素、行内块级元素和display属性

本系列可作为前端学习系列的笔记,代码的运行环境是在HBuilder中,小编会将代码复制下来,大家复制下来就可以练习了,方便大家学习。 HTML系列文章 已经收录在前端专栏,有需要的宝宝们可以点击前端专栏查看! 点…...

使用exceljs将excel文件转化为html预览最佳实践(完整源码)

前言 在企业应用中,我们时常会遇到需要上传并展示 Excel 文件的需求,以实现文件内容的在线预览。经过一番探索与尝试,笔者最终借助 exceljs 这一库成功实现了该功能。本文将以 Vue 3 为例,演示如何实现该功能,代码示例…...

7. 进程控制-进程替换

目录 1. 进程替换 1.1 单进程版: 1.2 进程替换的原理 1.3 多进程版-验证各种程序替换接口 2. 进程替换的各种接口 2.1 execl 2.2 execlp 2.3 execv 2.4 execvp 2.5 execle 1. 进程替换 上图为程序替换的接口,之后会详细介绍。 1.1 单进程版&am…...

关于计算机系统和数据原子性的联系

目录 1、计算机架构 1.1、处理器架构 1.2、内存寻址能力 1.3、性能差异 1.4、软件兼容性 1.5、指令集 1.6、开发和维护 2.、基本数据类型 3、原子类型 3.1、基本概念 3.2、基本数据类型的原子性 3.3、原子操作的解释 3.4、不保证原子性 3.5、解决方案 4、原子性…...

Armijo rule

非精线搜索步长规则Armijo规则&Goldstein规则&Wolfe规则_armijo rule-CSDN博客 [原创]用“人话”解释不精确线搜索中的Armijo-Goldstein准则及Wolfe-Powell准则 – 编码无悔 / Intent & Focused...

从数据包到可靠性:UDP/TCP协议的工作原理分析

之前我们已经使用udp/tcp的相关接口写了一些简单的客户端与服务端代码。也了解了协议是什么,包括自定义协议和知名协议比如http/https和ssh等。现在我们再回到传输层,对udp和tcp这两传输层巨头协议做更深一步的分析。 一.UDP UDP相关内容很简单&#xf…...

Prometheus实战教程:k8s平台-Mysql监控案例

配置文件优化后的 Prometheus 自动发现 MySQL 实例的完整 YAML 文件。该配置包括: MySQL Exporter 部署:使用 ConfigMap 提供 MySQL 连接信息。Prometheus 自动发现:通过 Kubernetes 服务发现自动抓取 MySQL 实例。 1、mysql 配置文件 &…...

执行apt-get update 报错ModuleNotFoundError: No module named ‘apt_pkg‘的解决方案汇总

Ubuntu版本ubuntu18.04 报错内容&#xff1a; //执行apt-get upgrade报错&#xff1a; Traceback :File “/usr/lib/cnf-update-db”, line 8, in <module>from CommandNotFound.db.creator import DbcreatorFile “/usr/lib/python3/dist-packages/CommandNotFound/db…...

QT6 源(101)篇一:阅读与注释 QPlainTextEdit,其继承于QAbstractScrollArea,属性学习与测试

&#xff08;1&#xff09; &#xff08;2&#xff09; &#xff08;3&#xff09;属性学习与测试 &#xff1a; &#xff08;4&#xff09; &#xff08;5&#xff09; 谢谢...

Redis(2):Redis + Lua为什么可以实现原子性

Redis 作为一款高性能的键值对存储数据库&#xff0c;与 Lua 脚本相结合&#xff0c;为实现原子性操作提供了强大的解决方案&#xff0c;本文将深入探讨 Redis Lua 实现原子性的相关知识 原子性概念的厘清 在探讨 Redis Lua 的原子性之前&#xff0c;我们需要明确原子性的概念…...

ios打包ipa获取证书和打包创建经验分享

在云打包或本地打包ios应用&#xff0c;打包成ipa格式的app文件的过程中&#xff0c;私钥证书和profile文件是必须的。 其实打包的过程并不难&#xff0c;因为像hbuilderx这些打包工具&#xff0c;只要你输入的是正确的证书&#xff0c;打包就肯定会成功。因此&#xff0c;证书…...

Python生成器:高效处理大数据的秘密武器

生成器概述 生成器是 Python 中的一种特殊迭代器&#xff0c;通过普通函数的语法实现&#xff0c;但使用 yield 语句返回数据。生成器自动实现了 __iter__() 和 __next__() 方法&#xff0c;因此可以直接用于迭代。生成器的核心特点是延迟计算&#xff08;lazy evaluation&…...

C++11(2)

文章目录 右值引用和移动语义在传参中的提效list容器push_back & insert右值版本的模拟实现类型分类 (了解即可&#xff09;引用折叠万能引用 完美转发&#xff08;跟引用折叠有关&#xff09; 简介&#xff1a;这篇文章是继续介绍C11的一些新语法知识点&#xff0c;也是对…...

unity terrain 在生成草,树,石头等地形障碍的时候,无法触发碰撞导致人物穿过模型

1.terrain地形的草&#xff0c;石头之类要选择模型预制体 2.在人物身上挂碰撞器和刚体&#xff0c;或者单挂一个character controller组件也行 3.在预制体上挂碰撞盒就好了&#xff0c;挂载meshcollider会导致碰撞无效...

以项目的方式学QT开发C++(二)——超详细讲解(120000多字详细讲解,涵盖qt大量知识)逐步更新!

API 描述 函数原型 参数说明 push_back() 在 list 尾部 添加一个元素 void push_back(const T& value); value &#xff1a;要添 加到尾部的元 素 这个示例演示了如何创建 std::list 容器&#xff0c;并对其进行插入、删除和迭代操作。在实际应用中&am…...

养生:健康生活的极简攻略

在追求高效生活的当下&#xff0c;养生也能化繁为简。通过饮食、运动、睡眠与心态的精准调节&#xff0c;就能轻松为健康续航。 饮食上&#xff0c;遵循 “均衡、节制” 原则。早餐用一杯热豆浆搭配水煮蛋和半个苹果&#xff0c;唤醒肠胃活力&#xff1b;午餐以糙米饭为主食&am…...

C语言-8.数组

8.1数组 8.1.1初试数组 如何写一个程序计算用户输入的数字的平均数? #include<stdio.h> int main() {int digit;//输入要求平均数的数字double sum=0;//记录输入数字的和int count=0;//记录输入数字的个数printf("请输入一组数字,用来求平均数,以-1结束\n&quo…...

代码随想录算法训练营第四十一天

LeetCode题目: 739. 每日温度496. 下一个更大元素 I503. 下一个更大元素 II 其他: 今日总结 往期打卡 739. 每日温度 跳转: 739. 每日温度 学习: 代码随想录公开讲解 问题: 给定一个整数数组 temperatures &#xff0c;表示每天的温度&#xff0c;返回一个数组 answer &…...

c++,windows,多线程编程详细介绍

目录 一、C11 标准库 <thread> 实现多线程编程1. 基本线程创建2. 线程管理3. 线程传参4. 同步机制5. 异步编程 二、Windows API 实现多线程编程1. 基本线程创建2. 线程管理3. 线程传参 三、两种方法的对比 在 Windows 平台上使用 C 进行多线程编程&#xff0c;可以通过 C…...

Python多线程

Python多线程 作为一名Python开发者&#xff0c;你是否遇到过这样的场景&#xff1a;程序需要同时处理多个任务&#xff0c;但单线程执行效率太低&#xff1f;这时候&#xff0c;多线程技术就能派上用场了。本文将带你深入浅出地理解Python多线程&#xff0c;并通过丰富的示例…...

VisionPro斑点寻找工具Blob

斑点寻找工具Blob 斑点概述 斑点分析 探测并且分析图像中的二维形状Blob是先根据用户设定好的灰阶范围对图像进行分割&#xff0c;然后对目标进行查找和分析。斑点报告多种属性&#xff1a; 面积质心周长主轴…….. 应用场景 Blob分析非常适合以下场合的应用&#xff1a; 对…...

【Python】【面试凉经】Fastapi为什么Fast

核心的关键词&#xff1a;ASGI、原生异步、协程、uvloop、异步生态、Pydantic编译时生成校验代码、DI system预计算依赖树 interviewer 00:32:49 FastAPI 它优越于其他一些主流web框架像 django或 flask 的这个点在哪里&#xff1f; 我 00:33:00fastapi 就是说它的 fast 性能高…...

LocalDateTime类型的时间在前端页面不显示或者修改数据时因为LocalDateTime导致无法修改,解决方案

1.数据库中的时间数据&#xff0c;在控制台可以正常返回&#xff0c;在前端无法返回&#xff0c;即显示空白&#xff0c;如下图所示: 2.这种问题一般时由于数据库和我们实体类的名称不一致引起的&#xff0c;我们数据库一般采用_的方式命名&#xff0c;但是在Java中我们一般采用…...

【Linux】gcc从源码编译安装,修改源码,验证修改的源码

前阵子电脑使用的win10&#xff0c;win10过几天就让升级&#xff0c;烦得不行。 然后把操作系统切换到ubuntu24的样子,然后也是让升级&#xff0c;又烦的不行&#xff0c;然后切换到ubuntu server版本&#xff0c;感觉用起来要舒服些了&#xff0c;至少不会天天让升级。 回到标…...

牛客网NC22157:牛牛学数列2

牛客网NC22157:牛牛学数列2 &#x1f4dd; 题目描述 &#x1f50d; 输入输出说明 输入描述&#xff1a; 输入一个整数 N&#xff0c;范围在 0 到 1000 输出描述&#xff1a; 输出一个保留6位小数的浮点数 示例&#xff1a; 输入&#xff1a;2输出&#xff1a;1.500000 …...

智能手表集成测试报告(Integration Test Report)

&#x1f4c4; 智能手表集成测试报告&#xff08;Integration Test Report&#xff09; 项目名称&#xff1a;Aurora Watch S1 测试阶段&#xff1a;系统集成测试 测试周期&#xff1a;2025年xx月xx日 – 2025年xx月xx日 报告编号&#xff1a;AW-S1-ITR-2025-001 版本&#xf…...

1C:ENTERPRISE 8.3 实用开发者指南-示例和标准技术(Session1-Session3)

1C:ENTERPRISE 8.3&#xff08;1课-3课&#xff09; 本博客是全网首个关于1C:Enterprice的中文指南&#xff0c;支持快速吸收使用 1C:Enterprise 8.3 软件开发和调整应用程序的技术 在这篇博客中我会基于实际应用示例&#xff0c;演示各种系统对象的结构、功能和用法。使用内…...

AgenticSeek开源的完全本地的 Manus AI。无需 API,享受一个自主代理,它可以思考、浏览 Web 和编码,只需支付电费。

​一、软件介绍 文末提供程序和源码下载 AgenticSeek开源的完全本地的 Manus AI。无需 API&#xff0c;享受一个自主代理&#xff0c;它可以思考、浏览 Web 和编码&#xff0c;只需支付电费。这款支持语音的 AI 助手是 Manus AI 的 100% 本地替代品 &#xff0c;可自主浏览网页…...

Java类一文分解:JavaBean,工具类,测试类的深度剖析

解锁Java类的神秘面纱&#xff1a;从JavaBean到测试类的深度剖析 前言一、JavaBean 类&#xff1a;数据的守护者&#xff08;一&#xff09;JavaBean 类是什么&#xff08;二&#xff09;JavaBean 类的特征&#xff08;三&#xff09;JavaBean 类的使用场景&#xff08;四&…...

2025认证杯数学建模第二阶段C题:化工厂生产流程的预测和控制,思路+模型+代码

2025认证杯数学建模第二阶段思路模型代码&#xff0c;详细内容见文末名片 一、探秘化工世界&#xff1a;问题背景大揭秘 在 2025 年 “认证杯”数学中国数学建模网络挑战赛第二阶段 C 题中&#xff0c;我们一头扎进了神秘又复杂的化工厂生产流程预测与控制领域。想象一下&…...

day 17 无监督学习之聚类算法

一、聚类流程 1. 利用聚类发现数据模式 无监督算法中的聚类&#xff0c;目的就是将数据点划分成不同的组或 “簇”&#xff0c;使得同一簇内的数据点相似度较高&#xff0c;而不同簇的数据点相似度较低&#xff0c;从而发现数据中隐藏的模式。 2. 对聚类后的类别特征进行可视…...

渗透测试流程-上篇

#作者&#xff1a;允砸儿 #日期&#xff1a;乙巳青蛇年 四月十八 本期就开始进入到网安的内容了笔者会和大家一起开始实操练习。在此之前笔者的老师和我说要知己知彼&#xff0c;胆大心细。笔者也把他的理念传出去&#xff0c;网安的知识比较复杂且使用的工具很多。笔者看过…...

Ubuntu离线安装Minio

MinIO 支持在 Linux 环境下离线安装&#xff0c;非常适合内网或无法联网的服务器环境。下面是详细的 Linux 离线安装 MinIO 服务端 的步骤&#xff1a; ✅ 一、准备工作 1. 创建安装目录&#xff08;可选&#xff09; mkdir -p /opt/minio cd /opt/minio2. 下载 MinIO 可执行…...

2025年山东省数学建模F题思路

2025年山东省数学建模F题思路 一、问题背景 在现代金融市场中&#xff0c;资产价格波动呈现出非线性、高噪声、强跨市场联动性等复杂动态特征。例如&#xff0c;2020年新冠疫情期间&#xff0c;美股数次熔断事件引发全球股市剧烈震荡&#xff1b;而2023年美元加息周期&#x…...

C++核心编程--3 函数提高

函数的一些高级用法。 3.1 函数形参默认值 C中&#xff0c;函数的形参可以有默认值&#xff0c;调用函数时&#xff0c;未进行赋值的形参会使用默认值 void func(int f_var1 10, int f_var2 20); // 声明 ​ void func(int f_var1, int f_var2) // 定义 {std::cout <&l…...

AI Agent开发第67课-彻底消除RAG知识库幻觉(1)-文档分块全技巧

开篇 在上篇《AI Agent开发第66课-彻底消除RAG知识库幻觉-带推理的RAG》放出后,网友们反响很大。有得告诉我:原来还有Rewrite这么一招?早知道这一招很多之前的一些遗留问题都能解决了。不过在上一篇结尾我已经提到了,要真正解决一个AI Agent在响应时产生的幻觉我们用提示语…...

c++多态面试题之(析构函数与虚函数)

有以下问题展开 析构函数要不要定义成虚函数&#xff1f;基类的析构函数要不要定义成虚函数&#xff1f;如果不定义会有什么问题&#xff0c;定义了在什么场景下起作用。 1. 基类析构函数何时必须定义为虚函数&#xff1f; 当且仅当通过基类指针&#xff08;或引用&#xff09;…...

buildroot使用外部编译链编译bluez蓝牙工具

buildroot使用外部编译链编译bluez蓝牙工具 主要参见这个csdn buildroot使用外部编译链编译bluez蓝牙工具_bluez编译-CSDN博客 设置交叉编译工具路径时&#xff0c;设置到bin目录之前 如果menuconfig不能改路径&#xff0c;就去 .config下去改 这样才能编译过...

自定义类型:结构体

1.结构体类型的声明 1.1.1结构的声明 struct tag {member-list; }variable-list; 描述一个学生&#xff1a;只包含了学生的名字、年龄、性别、学号 struct Stu {char name[20];//名字int age;//年龄char sex[5];//性别char id[20];//学号 }; 1.1.2 结构体变量的创建和初始…...

以项目的方式学QT开发C++(一)——超详细讲解(120000多字详细讲解,涵盖qt大量知识)逐步更新!

以项目的方式学QT开发 以项目的方式学QT开发 P1 QT介绍 1.1 QT简介 1.2 QT安装 1.2.1 Windows QT安装 1.2.2 QT Creator 使用基本介绍 P2 C基础 2.1 命名空间 2.1.1 命名空间作用 2.1.2 自定义命名空间 2.2 从C语言快速入门 2.2.1 输入输出 2.2.2 基…...

Spring框架的事务管理

引言 在企业级应用开发中&#xff0c;事务管理是一个至关重要的环节&#xff0c;它确保了数据的一致性和完整性。Spring 框架为我们提供了强大而灵活的事务管理功能&#xff0c;能够帮助开发者更轻松地处理复杂的事务场景。本文将深入探讨 Spring 框架的事务管理&#xff0c;包…...

TypeScript:类

一、基本概念 TypeScript 类是基于 ES6 类的语法扩展&#xff0c;增加了类型注解和访问修饰符等特性&#xff0c;提供了更强大的面向对象编程能力。 二、基本语法 class Person {name: string;age: number;constructor(name: string, age: number) {this.name name;this.ag…...

Python继承

在Python编程中&#xff0c;继承是一个让新手又爱又怕的概念。今天我们就来聊聊这个看似高深实则简单的特性&#xff0c;保证让你看完后能拍着胸脯说&#xff1a;“继承嘛&#xff0c;小菜一碟&#xff01;” 一、什么是继承&#xff1f; 想象一下你正在玩一个养成游戏。你创…...

浏览器宝塔访问不了给的面板地址

注意你们的端口&#xff0c;服务器的端口开放了没&#xff01;&#xff01;&#xff01;宝塔给的端口是否在范围之内&#xff01;&#xff01; 我的当时是1000/10000 &#xff08;阿里云服务器&#xff09; 但是宝塔给的是 4W多 对不上&#xff01;&#xff01; 更换安全组…...

强化学习入门:马尔科夫奖励过程

文章目录 前言1、组成部分2、应用例子3、马尔科夫奖励过程总结 前言 最近想开一个关于强化学习专栏&#xff0c;因为DeepSeek-R1很火&#xff0c;但本人对于LLM连门都没入。因此&#xff0c;只是记录一些类似的读书笔记&#xff0c;内容不深&#xff0c;大多数只是一些概念的东…...

RHCE实验:通过脚本判断用户是否存在

一、实验要求 1、 写一个脚本&#xff0c;使用函数完成 1 、函数能够接受一个参数&#xff0c;参数为用户名&#xff1b; 判断一个用户是否存在 如果存在&#xff0c; 就返回此用户的 shell 和 UID &#xff1b;并返回正常状态值&#xff1b; 如果不存在&#xff0c;就说此用…...

Windows软件插件-音视频捕获

下载本插件 音视频捕获就是获取电脑外接的话筒&#xff0c;摄像头&#xff0c;或线路输入的音频和视频。 本插件捕获电脑外接的音频和视频。最多可以同时获取4个视频源和4个音频源。插件可以在win32和MFC程序中使用。 使用方法 首先&#xff0c;加载本“捕获”DLL&#xff0c…...

每日算法 - 【Swift 算法】Two Sum 问题:从暴力解法到最优解法的演进

【Swift 算法】Two Sum 问题&#xff1a;从暴力解法到最优解法的演进 本文通过“Two Sum”问题&#xff0c;带你了解如何从最直观的暴力解法&#xff0c;逐步优化到高效的哈希表解法&#xff0c;并对两者进行对比&#xff0c;适合算法入门和面试准备。 &#x1f4a1; 问题描述 …...

2025年,如何制作并部署一个完整的个人博客网站

欢迎访问我的个人博客网站&#xff1a;欢迎来到Turnin的个人博客 github开源地址&#xff1a;https://github.com/Re-restart/my_website 前言 2024年年初&#xff0c;从dji实习回来之后&#xff0c;我一直想着拓宽自己的知识边界。在那里我发现虽然大家不用java&#xff0c;…...