本次任务主要是微调Gemma 4模型，使其可以在emotion数据集上经过微调会对这部分数据会有更好的表现，变成“专家”。定义Lora后，使用SFT训练器，对大模型进行微调。这部分定义Lora模块，做好对模型微调的准备。

本次任务主要是微调Gemma 4模型，使其可以在emotion数据集上经过微调会对这部分数据会有更好的表现，变成“专家”。定义Lora后，使用SFT训练器，对大模型进行微调。这部分定义Lora模块，做好对模型微调的准备。

虽然图像也是对真实世界的采样, 但是不同的人、动物, 对于图像中提取的信息是不同的, 我们从图像中获取的信息都是根据一种强"先验"知识学习到的, 其他动物的理解也是基于它们的"先验"学习到的问题 2. 语言是一种人类或物种创造出来描述世界的, 本身会有一种强结构性, 更容易通过概率模型经过大量的学习根据前因后果进行预测(扯远了…, 随着模型参数量的提升, 模型的性能显著增强, 远远超出人们的预料.

指的一提的是, 我上面提到了一些err_idx, 这部分用index-tts生成会有error, 是因为index-tts对于这些长文本不支持, 需要用ffmpeg进行截断, 我这里图省事直接用示例语音了, 结果也还不错, 可以获得79分的成绩。我这里的问题是, 我是实用的cli去进行生成的, 可能生成的速度比较慢, 可以按照小仿老师的思路, 扒一下index-tts的类初始化方式, 做一次初始化