【ChatGPT】柯南的"变声蝴蝶结"

大家好，我是千寻哥，在咱们编程导航里面，我一共有开设了三个专栏目，《简单好玩的AI算法》，《计算机前言知识科普》，至于第三个专栏的内容，哈哈哈，先卖个关子，留个彩蛋！

现在ChatGPT大模型的火爆程度，我相信不必我多言，随着人工智能大模型的兴起，属实也给工业界带来了不少的“冲击”，其实行业冲击是一个中性词，冲击既会带来“生机”但也有可能带来“危机”。

“生机”在于随着ChatGPT大模型的兴起，方便了我们的生活，而“危机”则是，ChatGPT大模型的便利也会在一定程度上，取代程序员的工作，那么怎么办呢？我的老东家阿里有过一句名言：唯一不变的是变化，所以程序员需要拥抱变化！

我个人猜测，未来程序员的招聘要求，可能要加上这样一条要求：

“熟练使用ChatGPT等大模型AIGC生成工具，进而提高代码工程开发效率。”

所以站在风口上，也是为了增加我们的不可取代性，我们要将ChatGPT的效率工具实际融入到我们的开发工作，甚至在日常生活中去，做到为我们所用！

今天以一个实际的算法项目为例，和大家介绍一个ChatGPT的应用实践。这个项目对于语音算法工程师，可能会使用的起来更加的方便，并且对后续的算法研究更有研究意义。

ChatGPT属于大模型的文字对话模型。真没想不到，在语音音频领域，ChatGPT都没有放过，ChatGPT真的是开始影响各行各业。相信大家都看过名侦探柯南，千寻以前就特别羡慕“蝴蝶结型变声器”。

而今天和大家介绍的大模型应用是OpenAI公司推出的AudioGPT模型应用，那效果，简直就是一个现实版本柯南的“变声蝴蝶结”。

与ChatGPT的自然语言生成模型的明显区别在于AudioGPT的应用是针对于语音算法的领域。AudioGPT模型可实现的功能有以下几点，都很有意思，给大家总结一下。

另外大家需要注意的是AudioGPT的使用是需要基于ChatGPT账号为基础的，为什么这么说呢？原因在于需要我们通过使用OpenAI的API key进访问权限的验证，如图为OpenAI key的获取示意图，需要进行手动生成。

所以大家如果还没有OpenAI的ChatGPT账号的，自己去申请一下，然后将这个API Key放到这个AudioGPT的输入框中，即可进行运行程序。

以下是AudioGPT程序的Github社区地址:

以下跟大家演示一下如何在自己的Windows电脑上去运行AudioGPT的代码程序，以及如何学会正确运用AudioGPT实现对应的功能？

首先需要实现搭建模型运行环境，然后安装requirements文件列表里面的这安装依赖项，以及怎么实现在我们本地的客户端去运行AudioGPT的程序。

1. 创建运行程序新的conda环境

2. 安装环境运行所需依赖，以及下载模型文件

3. 导入你的OpenAI Key字符串进入代码文件

4. 开始运行AudioGPT程序

至此我们可以实际检验AudioGPT的实际功能。

以上的操作步骤还是似乎还是偏向于极客，可以直接使用Hugging Face社区，调用实际的API接口，使用更加方便。以下是Hugging Face社区的代码地址:

AudioGPT效果如下图所示：

实践环节演示

AudioGPT包括以下几种功能，由于AudioGPT的模型属于语音音频方向的大模型。其功能包括以下的内容分类。

第一、实现根据输入文本转换为语音文件的语音合成

例如：生成带有文本“here we go”的语音音频

第二、实现将单通道语音转换为双通道语音

第三、根据语言的文本描述生成对应语音

例如：生成狗叫声的音频：

第四，根据音频输出指定文字的描述

例如：给我这个生成音频的描述

第五、根据输入语音信号转换输出其对应的频谱图

第六、说明音频内部所包含的事件以及起止时间

例如：这段音频中的雷声是什么时候发生的？

不仅如此，AudioGPT也集成了图像识别的功能，根据图片输入的上传图片生成对应的内容描述音频

例如：上传下图的江南水乡的图片

然后通过江南水乡的图片，生成的雨水声音

怎么样感觉效果如何？不过其实告诉大家一个秘密，音频信号的处理，相对来说，比较占用内存，处理音频的时间较长，可以选择不同的加速硬件GPU，如下图所示

原始使用的T4显卡是免费的，其实理论上计算性能也还不错，免费的，还要啥自行车!不过如果真得有更多的需要，当然也可以按需购买。

怎么样，赶快试一试吧！后续我会和大家分享更多关于ChatGPT的相关应用知识，让大家一起在风口上飞起来，提高我们程序员的开发效率，拿到满意的offer，升职加薪！hhh

我是千与千寻，一个只讲干活的码农，我们下期见~