总之就是读一下 vits（原论文标题：Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech）。vits， “Variational Inference with adversarial learning for end-to-end Text-to-Speech”，一个

今天试着完善交错战线机器人，两个目标： 通过星火大模型 API ，补全空白标题 上传图片并使用 补全空白标题使用讯飞星火提供的官方 API 例程即可。 123456def generate_title(content=""): text.clear question = getText("user", content) SparkApi

又开学了。时间真快。 需要开始准备考研的基础复习了：数学，英语，专业课；四门课里面只有政治可以晚一点开始。 实习我认为我需要、且必需实习经历。 学校安排的那个实验课一样的实习不算。 一来是需要是成都本地：实习需要三个月以上，我希望能协调时间，不耽误学业。 二是它得要我。最现实的问题。这就涉及到我的专业水平、厂商要求门槛、以及是否对口。 投递简历的话，大厂或许成功概率比较低，小厂也可以考虑。 大厂

定时发饼思路继承之前方舟饼搬运思路，使用github的workflow实现免费的定时执行python程序；程序功能如下： 通过api获取官方动态，原始形式为json 进行筛选： 不需要已经搬运过的动态 不需要动态抽奖动态 论坛帖子发布： 设置action为new 设置对应fid（上线游戏讨论区）、stid（交错战线板块）。 更新 “ 已发布 ” 动态列表 在github的action部

django 的 runserver 仅仅是用于测试，正式部署还是需要正经的服务器软件，例如 apache，nginx。如果不正式部署，服务可能会不稳定，且无法通过 80、443 等端口通信，而且处理并发问题和异常处理也可能会出问题。另外，静态文件也是需要交给服务器软件掌管，django 并没有提供可靠的相应的组件。总之就是，专业的事情，还是要交给专业的软件完成。 基本结构我选择的是 nginx，

整体使用 django，配合 mysql 搭建的数据库、单独运行的测评打分模型，放在同一台服务器上跑。 django 前后端django 有 app 的概念，一个 app 里不同文件需要配置。主要是 admin, urls, models, views。而项目的文件在 app 之间共享，需要配置的工程文件有 settings, urls。 另外，还有 statics 静态文件，templates

正在学习 Django，和半吊子 mysql。 顺便练习键盘盲打……之前一直是一指禅野路子，现在眼睛也离不开键盘。 命令行里面使用就是 django-admin，注意不是django。python包是django （正在看网课 前端+MySQL+Django） 顺带一提，Windows快速切换桌面是 win+ctrl+方向 各个文件分工asgi 和 wsgi涉及请求，一个同步一个异步，一般来说不需

VITS 本质是一个以最大化变分下界为目标的条件VAE. 这个变分下界表达式为 \log p_{\theta}(x \mid c) \geq \mathbb{E}_{q_{\phi}(z \mid x)}\left[\log p_{\theta}(x \mid z)-\log \frac{q_{\phi}(z \mid x)}{p_{\theta}(z \mid c)}\right]={似然函数}

方法所提出的方法主要在前三小节中描述： 条件VAE公式（a conditional VAE formulation） 基于变分推理的对准估计（alignment estimation derived from variational inference） 提高合成质量的对抗性训练（adversarial training for improving synthesis quality） 图1a

累死我了。昨天下午到今天中午。 累不累不要紧，主要是这是期末复习周。分秒寸金的复习周。 吐槽两句调试：vivado，verilog的开发方式和其他语言不太一样。调试的话，要么仿真，要么建立一个debug core调试核，要么下板。一开始，觉得很快就能做完；觉得编写仿真文件，或者现学调试不合算，我选择直接下板。然后被这个反复下板浪费的时间折磨到了。 而且三阶段，一个是分析，一个是硬件，一个是比特流，