AI教程

通过原始字节定位 UnicodeDecodeError，区别编码不匹配、UTF-8 BOM 和坏字节，保留输入与诊断记录，避免 ignore 隐藏缺损。

用 OpenCC 纯 Python 实现对比 t2s 与 tw2sp，保存原文和转换配置，验证地区词汇差异、往返不可逆与实体位置风险。

用 Jinja2 将固定任务要求与事实变量分开，检查顶层和嵌套缺项，生成可保存的提示词，并说明格式遵守与真实性仍需核对。

按 SpeechBrain 模型卡试跑语音情绪分类，回听验证标签、模型迁移边界和智能体使用风险。

用 Silero VAD 找出录音的讲话时间段，保存秒数并回听弱语音，与能量非静音切片区分。

用 YAMNet 对 16 kHz 单声道 WAV 列出声音事件候选，回听核对类别和短事件漏检。

按同一中文录音比较 Vosk 与 Whisper 的安装、模型、输入格式和转写错误，给出依场景选型的方法。

用 SpeechBrain 声纹模型比较两段获授权录音，以同人与异人对照核查分数和误判边界。

用 DeepFilterNet 处理 48 kHz WAV 并保留独立输出，回听噪声、辅音与失真，再决定是否用于转写。

用 Label Studio 给获授权语音录音标记时间区域，导出 JSON 后核对时间与标签，再决定是否扩展为训练集。