ASR模型罗列，不做进一步展开

处理完后的 msg 应该是[{"role":"user","content":""},{"role":"assistant","content":""}] 类似的，可以让chat_template解析，同时带有回复答案的。data_path = "模型训练数据路径，注意格式"基于llama_factory的训练环境，安装量化,quant_path = "模型量化保存路径"model_path =

基于T5模型实现多任务训练

【代码】elasticsearch 遍历索引数据。

文本相似性模型总结

list 可以使用 + 运算符直接合并listset不可以使用+ 运算法合并set()，也不可以通过+运算符混合list和set

1、虚拟人物下载（fbx）:Mixamo2、虚拟人物设计：可以下载makehuman，然后导出为obj或fbx格式，并且在Mixamo上面进行绑定骨架3、骨架绑定（需要带有界面的GPU机器）自动完成骨架绑定：https://github.com/zhan-xu/RigNet4、也可以利用 :Mixamo上传对应的模型进行骨架绑定5、代码操作部分（相机跟拍、人物动作混合、声音轨道和动作轨道混合）：6

方式1：from elasticsearch import Elasticsearchconn = Elasticsearch([{'host': host, 'port': ES_PORT, "http_auth": "%s:%s" % (ES_USER, ES_PASSWORD)} for host in ES_HOST])方式2：from elasticsearch import Elast

要求：tensorflow>2.6.0from typing import Dict, Textimport keras.layersimport tensorflow as tffrom keras import Modelimport tensorflow_recommenders as tfrs###############################模型编写###########

论文：https://arxiv.org/pdf/2008.10010.pdf训练源码：https://github.com/Rudrabha/Wav2Lip训练配置：首先必须依赖GPU下载源码，下载专家判别系统：Sign in to your account并将模型放到checkpoints文件目录下第一步：准备视频数据，爬取可以通过硕鼠爬取想要的人物说话风格数据第二步：执行preprocess