@helone 嗯嗯，明白啦，感谢。我去咨询下细节

@maggch97 这种方案有在作，还是想尝试下垂类模型这块。毕竟我们自己的数据还是多的。希望有自己的壁垒

@frandy 明白，除了模型产出的成本，还得要维护更新，应该分两个阶段的成本统计。感谢回复。

@xmumiffy 明白，直接就驻场了是吧。那费用呢，比如说半年内要个可用的模型，应该报价多少呢？您了解嘛

@chy2v 能充当一个 AI 教辅的职责，下面那个哥们说的，口语打分，纠音，实时陪练，写作批改这些都希望有。是不是又得在这些里面细分更垂类的模型呢。专家小模型？

@KenThompson1729 语言教学，预算不限，1kw rmb 左右都可以接受。这个价格只是随口一报，如果效果好，预算也可以提

没太明白你的需求啊。从标题看你需要学习分布式系统的理论和实践，那你看看这本书《数据密集型应用系统设计》，然后将这些理论知识引用到这些组件中(zookeeper 、thrift 、dubbo)去体会就好啦。
但是看你的具体描述，好像得先胜任工作吧。那就去学 java ，spring 这些。找点小项目自己跑跑看，然后写一个小模块，完成个增删改查啥的。把那些组件接入进来，先用起来呗。

@loveaeen 哈哈哈 转人工实在是没绷住

真刑啊

@Raynard 为什么不推荐 ocbc 啊 大佬

听博士的。

战略性插眼，学习方案

节日快乐

@spotsung 就这一整套逻辑来说，目前模型+python 可以完成(已经实验过)，成本不会很高。但是有几个问题哈。
1.提出的音频质量如何，这个很影响转文字的质量，据我实验中文视频的错误率比英文会高很多，比如中文名，多音字。所以你可能需要些技术，降噪？去回音？
2.大模型的翻译（中--》英，韩，日）质量都不高，google 的付费翻译接口，也只是个平均值的效果。
3.目前 tts 的效果确实不错，声音效果不错。chattts,cosyvoice,gptsovits 都可以试试看。
4.我尝试过音轨合并，然后合成到原来的视频上，这一部很难，效果不好。主要是 1.换语言后，句子发音长短不一样。2.整体合并的效果很不好，听起来很别扭。(我使用 python 包搞的,如果你的效果好的话，也可以分享下。)

基本我经历的就这么几个问题，你可以试试看。毕竟不动手，啥问题也没有。动手了，问题和我也不一定一样。

@vacuitym 音频转文字吗？开源的模型有试过吗？

人家问问题，你会就解答，不会就闭嘴。最烦 10 楼的，讲了一堆 pi 话，来显示自己来了？