百度陈之若:第一批大模型伙伴已经实现财富自由了

2024-05-24 17:04

本文主要是介绍百度陈之若:第一批大模型伙伴已经实现财富自由了,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大模型继续在 2024 年的春天里疾驰而进。

2024 年 4 月 9 日,百度智能云在成都举行的首届 GENERATE 全球生态大会上,公布了过去一年大模型生态建设的最新“成绩单” 。

目前,已经有超过 8.5 万客户在使用千帆大模型平台,开发了超过 19 万个应用,可以看到,越来越多的企业已经把大模型真正用起来了。

生态方面,千帆大模型平台已经服务创企及伙伴超过 12 万家,活跃调用千帆 API 的创企和伙伴数量超过 5.5 万。

同时,百度智能云提出与伙伴共同建设大模型时代的新型云计算生态体系,面向头部市场、价值市场、高潜市场三类目标市场发布了差异化的生态战略,并发布一系列合作伙伴权益和扶持计划。

在大会现场,我们对话了百度智能云渠道生态部总经理陈之若,详细解析了百度智能云最新生态战略及政策背后的考量,谈及了大模型时代厂商与伙伴的关系演变,以及大模型生态建设的思路。

从一个“大模型伙伴观察员”的视角,陈之若分享了她对于大模型落地的 3 个有趣发现:

1、大模型时代的生态逻辑变了,相比传统云计算时代的生态,厂商、伙伴、客户之间的边界变得模糊化,大模型强大的底座能力极大降低技术门槛,客户可能不需要伙伴就可以直接调用厂商大模型的能力,转型升级是伙伴应对挑战的必答题。

2、目前大模型生态伙伴的阵型已经开始分化,有先锋队、观望队、落后队,当前抓住先机的伙伴已经把大模型真正用起来了,而且第一批伙伴,已经真正赚到钱了。

3、新生态下,模型厂商、云厂商不能做“甩手掌柜”,要给伙伴提供全方位的产品支持和市场支持,帮助伙伴更好地成长起来,一起做大产业蛋糕,实现双赢。

以下是对谈部分精华内容。

01从生态看大模型产业落地这一年

问:您如何看待大模型产业落地一年多的进展?

陈之若:从去年 3 月百度文心一言发布以来,大家从最开始的观望状态到逐步深入核心场景落地,我们很兴奋地看到越来越多的伙伴已经走在了大模型落地的前列,取得了很多合作成果

其中有几个特别亮眼的数据,截止到2024年3月,百度智能云千帆大模型平台服务创企及伙伴的数量超过了 12 万+,活跃调用千帆API的创企和伙伴数量超过 5.5 万,这一数据在国内大模型生态市场处于领先水平;今年 1~3 月间,通过千帆 AppBuilder 开发 AI 原生应用的创企和生态伙伴已激增至 8100 家,增速相当之快。我们大模型的能力也正在往千行百业渗透,目前,我们通过伙伴服务的大模型头部客户数已经超过了 200 家,这个数字还在不断攀升。

可以看到,大模型确确实实已经在各行各业用起来了,无论从 C 端到 B 端,再到更多关注私有化落地的 G 端都已经开始使用大模型,大模型真正进入到行业、场景里去了。

问:过去一年,从千帆大模型平台服务伙伴的数量增长情况,您看到了什么趋势?

陈之若:合作伙伴对于千帆平台的增长发挥了重要作用,在过去半年时间里,百度智能云的大模型伙伴数量增长高达 5 倍。发布一年以来,千帆平台已服务了 8.5 万企业客户,累计精调超过 1.4 万个模型,开发应用数量超过 19 万个。

去年 3 月,我们发布了文心一言,并推出千帆大模型平台。从去年 3 ~ 7 月,伙伴对大模型的高关注度带动起量,这个时期感觉大家感性大于理性,很多人其实不知道大模型对自己有什么用,但先进来看看。到去年 7~8 月,开始慢慢回归理性,大家发现热闹了三个月,还没想好到底该用大模型做什么,不知道突破点在哪。

因此,从去年 8 月到去年年底,我们的很多伙伴都在做内部的调研和探索,调研各个产品线、业务线能基于大模型干什么,大模型对业务有什么帮助,是否重启业务专门做大模型…等到 12 月左右,第一批探索明白的人出现了,例如,我们有很多行业伙伴说,我要聚焦某一行业赛道做一体机,基于文心大模型做一些轻量的微服务或应用,面向用户售卖。

从去年春节到最近我们发现,比较有意思的是,第一批遇到困难的人也出来了。这其实是好事。伙伴之前定好了自己设想的商业逻辑,开始推向客户,迈出商业化的第一步,但过程中发现,他对定价没有概念,伙伴觉得大模型产品可以降本增效,但客户做完 POC(概念验证)实际反馈觉得效果不错但贵,于是又开始调整定价和服务。

我觉得可能从现在一直到年中,伙伴增长规模又会有一定的波动,但这个波动不会是大起大落,可能是在调优和真正商业化迭代的过程。我们相信到了下半年开始,又会是一波往上,因为第一波赚到钱的人出现了,后面还有很多在观望的,看到终于有人赚到钱了,他可能才愿意再往前迈一步。

我们现在看到,在伙伴里有先锋队、观望队、落后队,大家的状态也都不一样。现在已经有一些客户把所有的场景掰开了、揉碎了,再基于我们共同打造的产品做持续优化。从现在到年底,当真正能赚钱的那一批出来了,商业模式一旦跑通了,后面观望队的一定会有一波人按照相同的从0-1的路径往前冲了

02大模型时代需要怎样的生态?

问:百度智能云从去年9月开始陆续推出了生态政策,对生态伙伴的扶持是云厂商里做的比较早,也是力度比较大的。这次的生态政策跟过往几次比,有什么不一样?

陈之若:首先,这是我们第一次讲清楚未来在头部市场、价值市场、高潜市场这三大类大模型市场中,百度智能云做什么,需要伙伴做什么。因为以前很多伙伴的直观感受是云厂商大包大揽,什么都会做,这次我们希望详细地把双方的分工边界讲清楚。

其次一个比较大的变化,让大家一起思考在大模型时代,伙伴的转型。**相比传统云计算时代,新的伙伴格局一定会发生变化。**以前,云厂商是最大的底座,上面一层是伙伴,最上面是客户。云计算本身是偏资源型的产品,它需要伙伴作为载体触达终端客户,或者需要伙伴在资源型产品之上做一些简单的服务,最终包在一起触达客户。

但到了大模型时代,云厂商、伙伴、客户的边界变得非常模糊,因为大模型的能力使得客户只要有自己的行业数据、有想法,就完全可以剥离伙伴,自己做出AI原生应用。中间不一定非要有服务商这一层身份才能使云厂商、大模型厂商和客户建联,终端客户自己的开发门槛变的足够低了,所以有时就不需要伙伴。这就要求很多传统偏资源转售、偏做简单服务开发的伙伴,如果在大模型时代也想分一杯羹,就需要转型

转型有两条“通天大道”,一是增加专业领域的知识。虽然可以直接调用厂商的大模型能力,但如果想做出有护城河的应用,还需要做模型精调、预训练、行业数据标注等,使得应用出来能解决行业的特定问题。本身有技术延展性的伙伴,可以沿着这个路径构建护城河,这比以前在云计算时代需要更高的能力壁垒。此外,另一类伙伴以前在云时代针对垂类行业做云资源的转售、分发、调度,而到大模型时代,这些伙伴需要更懂行业,因为客户想要做出来的所有应用都脱离不了一些特定的行业属性。

第三点不同是伙伴权益。去年更多是仿照传统云时代给伙伴提供“五大件”:市场、商机、培训、曝光、MDF(市场发展基金)等。**今年,除了这些市场权益,在此基础上增加了产品权益,包括从算力、模型、应用开发、应用售卖层面给伙伴专项激励,**精准触达不同伙伴,给伙伴具象的支持。

大模型时代,我们跟伙伴之间的依存关系越来越紧密,基本是双向奔赴,你中有我,我中有你的状态。

03面向三大市场,四类伙伴量身定制权益大礼包

基于您谈到的大模型时代,厂商与伙伴的新型关系,这次推出了什么样的****新伙伴计划?

陈之若: 我们针对大模型落地的三类市场,对应四类伙伴,提供有针对性的合作模式和市场权益。

首先,头部市场客户业务场景综合且复杂,个性化诉求强,需要具备较强客情关系、深度理解客户所在行业、拥有行业方案与产品的深度整合与交付能力的合作伙伴,与百度进行联合攻坚、相互补位,打造出大模型时代典型的应用案例,为客户创造新价值,树立行业标杆。

针对“头部市场”,我们希望发展10+“综合伙伴”,提供10亿元定向商机和1000万元专项资金支持,帮助综合伙伴加入到百度的交付体系,打造“销服一体”的合作通路,实现与伙伴的互利共赢。

第二,大模型时代,应用的位置愈发重要,由此将发展为广阔的“价值市场”。价值市场客户相比头部市场客户数量更多,业务场景更加标准化,复杂度更低。伙伴可以把面向头部客户打造的行业标杆快速复制,或者提供相对轻量化的定制方案。在此过程中,百度将以“伙伴优先”为原则,做好技术和商务支持,按需参与方案定制化开发,与伙伴共同开拓市场、服务客户。

我们面向价值市场找到100+核心做AI原生应用开发的“应用伙伴”,为每位伙伴提供20万元联合解决方案共创基金激励创新,还提供专属AGI House专题培训帮助提升技术能力,应对市场挑战

第三,大模型时代兴起了很多新兴企业或初创企业,这些企业有非常好的新技术时代的先发优势,属于“高潜市场”。高潜市场客户数量最多,业务场景也更简单,更看重开箱即用的解决方案。面向这类客户,百度将聚焦打磨标准化的产品与解决方案,并给予伙伴足够的让利,保障伙伴利润空间,支撑好伙伴,由伙伴完全主导销售及服务。

面向高潜市场,我们希望发展超过10000+能够跟百度紧密合作的“初创企业伙伴”,提供上云和大模型起步资源、AI加速器、生态社区等支持,帮助创企解决资源与能力提升难题;另外,传统的“代理伙伴”也划分到了高潜市场,我们希望把百度对大模型的理解和产品优势帮助这些伙伴实现转型和升级,提供官网商机支持佣金回馈与奖励扶持,真实让利于伙伴,助推成长。

问:合作伙伴已有明确的划分,这四类伙伴各自在生态内怎么发展?

陈之若:我们划分了综合伙伴、应用伙伴、用户增长型伙伴(创企伙伴、代理伙伴),但也不排除一个伙伴有多重身份。

比如像软通动力、中软等,他们本来最擅长的就是做人力外包加交付,长期下来他们积攒了一批稳定的高质量客户,也拥有客情能力,当得知客户有一些场景化的需求时,他们可以做一些解决方案,所以他们通过交付和人力外包,逐步转向既做销售伙伴,又做服务伙伴。这些伙伴的能力画像不只是单点,可能是销售加交付,可能是方案开发加交付,可能是客情加销售、运营,都可以,这种我们把它定义为综合伙伴。

SaaS企业,目前我们把它归为应用伙伴。因为它最终不是以销售厂商的产品为核心,还是要销售自己的SaaS产品或AI应用。但还是那句话,我们不排除伙伴的多重身份。比如软通动力,去年在千帆AI原生应用商店上架了梧桐招聘Plus,一个针对招聘的SaaS产品。

未来,真正有实力的伙伴,在我看来一定是既具备了应用能力,会去做某些单点的应用,也有平台化的服务能力。

问:每一类伙伴的定位、能力和发展阶段等各不相同,基于百度的技术栈,是否有针对性地推出一些更精准的产品支持?

陈之若:我们希望助力伙伴“耕者有其田,居者有其屋”,给伙伴提供大底座能力的同时,也提供发挥的“战场”。

针对合作伙伴的能力差异、技术与产品集成度,我们在算力、模型、应用开发、应用售卖层面,为伙伴提供一系列招募帮扶政策。

在算力层,我们开启智算伙伴招募计划,支持算力供应伙伴接入百度算网络合作运营,并为算力运营伙伴提供算力价格补贴,同时面向大模型和AI芯片伙伴提供联合项目合作。相信通过紧密合作,我们与算力伙伴共享产业运营收益,共同推动政企数智化转型。

在模型层,我们推出首个千帆大模型创新实验室,围绕1000+个客户应用场景与伙伴共创,将构建国内首个生成式AI合作伙伴认证体系,并发展20+战略大模型合作伙伴,在行业专属模型、场景方案打磨、开发AI原生应用等方面深度合作。希望通过创新实验室这个支点,帮伙伴撬动“大世界”,找到商业化落地路径。

在应用开发层,我们特别推出了千帆杯·AppBuilder大模型开发者专项激励政策,设置百万奖金池、千万算力资源补贴,鼓励开发者和伙伴用千帆AppBuilder和ModelBuilder开发创新的AI原生应用;同时考虑到AI原生应用往往与某个或多个行业强相关,我们面向工业、交通、政务、金融、医疗等行业提供专项伙伴扶持,如工业制造及能源方向提供“一见”安全生产一体机,充分让利伙伴,提供专属折扣返佣、销售及产品培训等各类权益,帮伙伴一起服务好行业用户。

在应用售卖层,我们发布了AI原生应用商店的全新招募计划,自去年9月发布以来,AI原生应用商店已入驻优质应用300+,2024年我们的目标是发展2000个优质应用入驻,同时加大对入驻伙伴的支持力度,包括高额返佣激励、营销资源扶持,1对1技术指导等。

问:百度智能云在大模型生态上,总的目标是什么?

陈之若:总的来说**就一个目标,让百度智能云成为大模型时代生态最繁荣的厂商。**繁荣有不同的定义,比如有多少头部伙伴跟我们推出了大模型相关的产品、解决方案,我们服务了多少行业客户,创企类伙伴有多少在调我们的大模型等,可以简单理解为我们在争取各类伙伴的市场份额。

04AI 应用,会比移动应用更快见到“真金白银”

问:国内一些厂商也在做类似“AppStore”的产品,百度智能云去年第一个推出了“千帆AI原生应用商店”,不过竞争还是挺激烈,大家都要做,百度的优势在哪儿?

陈之若:在大模型时代,我们的千帆AI原生应用商店是国内最早的,目前上架的AI原生应用数量超过300款,整体还是比较领先的。要说优势,我觉得主要是几方面:

第一,我们就是做底座大平台的。目前像谷歌、微软、OpenAI 的 GPT Store,大部分的应用都是“傻瓜式”调用大模型来开发,也就是不需要中间层服务商的模式,SMB(中小企业)直接和大厂建联。我们有国内最大的千帆大模型平台,伙伴可以在千帆平台直接调用模型来做应用。

第二,AI 应用商店上的应用如果想要火有 2 个因素,一是应用商店本身有足够大的流量,因为商店里的 AI 原生应用需要被关注、被曝光,才会被更多人使用和购买。我们会定期给AI原生应用更多曝光和引流。第二,AI原生应用需要被买和使用,依托我们的 1 万+中小企业伙伴,我们会帮助 AI 原生应用商店 TOP50 的应用去做渠道分发对接。基于这 2 个优势,我们整体发展节奏很快、应用上架也很快,做出了一些小爆款应用,整体在正向滚雪球的过程中。

第三,AI 应用开发过程中涉及到的技术栈积累不像云时代,大家跑在一个相对公平的主机上就行了,现在要涉及到非常复杂的算力、模型、中间件层的工具能力、AI 能力调用等,此外开发者在开发AI应用时,往往关注的是应用怎么做的更好,并不会把更多的精力放在工具怎么整合,算力怎么调度,模型选谁的比较好上,千帆平台作为一个大模型工厂,将应用开发过程从“1 百公里”缩短为“1公里”。在这些方面,我们有明显的先发优势。

第四,在当前的大形势下,很多企业不太想冒进,伙伴会放眼三年、五年,到底谁是长期稳固、深度锁定的厂商,选择百度这样积累比较深厚的厂商对伙伴来说比较放心。

问:您认为,今天大模型应用商店的竞争,和移动互联网时代 AppStore 的竞争有什么区别?

陈之若:移动互联网时代的 AppStore 以 To C 应用为主,但现在我们的 AI 原生应用商店基本上 90%+ 是 To B 的应用,本身 To B 和 To C 的受众群体不一样,商业化逻辑也不是很一样。

我们现在做的 AI 原生应用商店,让很多 B 端的伙伴和初创企业,对大模型有信心。这是鉴别信心的过程,应用做出来,只要有一定的曝光度,做的应用足够好,是可以有比较好的反馈的,而且能带来真金白银,甚至从第一天开始就有真金白银的收入,而不是像以前C端很多很厉害的热门应用,一开始都是大量往里头贴钱

05第一批伙伴,已经赚到钱了

问:我们 12 万生态伙伴中,哪些行业的生态伙伴在商业化上跑的比较靠前?

陈之若:有几个行业是“一骑绝尘”的,比如教育、智能办公、电商、泛互联网、广告、游戏。

问:您提到,现在很多伙伴已经实现了商业化突破,举例展开说说。

陈之若:我们有个伙伴推出了一个法律助手的应用,有 SaaS 化版本,也有私有化定制的版本,主要服务大中型律所。这个应用在千帆 AI 原生应用商店上线四个月,售卖相当不错,算上开发成本和实际投入费用,SaaS 版本如果卖出去一两单,利润就可以打正。

再比如,ChatPPT 是我们卖的很好的应用,它的核心功能是帮用户写 PPT,价格也很便宜,光在我们平台就已经卖了上千单。

还有智能营销领域的创客贴,为 B 端企业提供设计模板和图片素材、智能设计工具,向 C 端用户提供智能平面设计作图软件。它就是找到了一个很好的细分场景后,利用文心大模型做的一款应用,技术实现简单,前期投入低,上线后直接可以批量售卖。

整体看,的确有很多企业通过与百度智能云合作赚到钱了,一些伙伴基于它细分的场景和数据积累,对原有的商业模式做了改变和创新。

问:像这种赚到钱的,是比较零星的企业,还是已经相对规模化了?

陈之若:现阶段,大模型的商业化还在早期。一个有意思的现象是,现在真正赚到钱的、吃到大模型红利的都不是那些很有名的大企业。比如有一个伙伴,文心大模型出来后,它在短短一个月就发了 20 多款应用,有背古诗的、写作文的、做营销的、绘图的,基本上一个月的净利润就有几百万,因为它全是包月会员制且下载量极高,用户觉得一个月花三十块钱,就能帮我把作文都写了,或者能帮我画一堆营销图,随便一个APP都是几万、十几万的下载量,这是真正赚到钱了。

相反,现在大伙伴反而没有完全实现用大模型赚钱,因为很多大企业希望私有化,比较“重交付”,很多项目甚至要基于芯片层做大量适配,再去开发应用,同时还要跟业务系统打通,这是非常漫长的过程,基本光一个私有化的 POC(概念验证)平均交付周期就在3-6个月左右,正式交付的周期更长。

图片

如何学习AI大模型?

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

有需要可以私我,会分享给你们

这篇关于百度陈之若:第一批大模型伙伴已经实现财富自由了的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/999003

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

Android实现任意版本设置默认的锁屏壁纸和桌面壁纸(两张壁纸可不一致)

客户有些需求需要设置默认壁纸和锁屏壁纸  在默认情况下 这两个壁纸是相同的  如果需要默认的锁屏壁纸和桌面壁纸不一样 需要额外修改 Android13实现 替换默认桌面壁纸: 将图片文件替换frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.*  (注意不能是bmp格式) 替换默认锁屏壁纸: 将图片资源放入vendo

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了