WorkBuddy 的模型怎么选？
查看原内容与来源
查看原内容与来源
接下来，你可能想知道
除了 CosyVoice，还有哪些各管一件事的模型？ →
把 AI 模型想成一队分工不同的帮手：有的负责说，有的负责听，有的负责看，还有的负责帮你找资料。先想清楚自己要把什么变成什么，再选模型。 ① 让文字开口说：CosyVoice。输入讲稿，输出配音；适合视频旁白、数字人说话。它不是负责回答问题的聊天模型。 ② 把声音听成字：SenseVoiceSmall、Whisper tiny/base。输入录音，输出文字；适合会议记录、采访整理、字幕。方向和 CosyVoice 正好相反。 ③ 写字和想办法：Qwen3-0.6B、Qwen3-1.7B。输入问题或草稿，输出回答、改写或摘要；像随身文字助手，但重要事实仍要核对。 ④ 看图再回答：Qwen3-VL-2B。输入图片加问题，输出解释；适合问截图里有什么、图表大意是什么。 ⑤ 把图片里的字抄出来：PaddleOCR 的 PP-OCRv5_mobile。输入票据、截图或扫描页，输出识别到的文字。它更像抄写员，不负责判断内容真假。 ⑥ 帮资料配“相似度索引”：BGE-small-zh-v1.5。输入一句话，输出便于比较相似度的数字向量；适合在自己的知识库里找相关段落。它只负责“找”，要组织答案还得接文字模型，这就是 RAG 常用的分工。 ⑦ 画图：SD-Turbo。输入画面描述，输出图片；适合概念图和视觉草稿。名字里有 Turbo 是生成速度设计，不等于文件小或普通电脑都跑得动。 ⑧ 写一小段音乐：MusicGen-small。输入风格描述，输出音乐片段；适合试做背景音乐。 ⑨ 把描述变成短视频：Wan2.1 T2V-1.3B。输入画面描述，输出视频；它虽是该系列较小的版本，生成仍比文字任务吃显卡和时间。 这些模型都有可获取的权重或本地运行方案，但“能下载”不等于“你的电脑能顺畅运行”。0.6B、1.3B 里的 B 是十亿个参数，Whisper tiny 的 39M 里 M 是百万个参数；参数数目不是下载体积，也不能直接代表显存需求或效果。“专用”也不等于一定“小”。先选任务，再查模型的安装说明、硬件要求与使用许可。模仿真人声音前，要取得本人授权。
怎么用 AI 从头做出一份完整的 PPT？ →
用 AI 做 PPT，是个练习怎么和 AI 合作的好场景。重点不是让它一次包办，而是把目标和材料说清楚，再和它一起把内容打磨好。 开始时，告诉 AI 演示要讲给谁、希望听众看完后理解或采取什么行动、时长和限制。手头有资料就提供给它，并说明哪些信息必须有依据；资料不全时，先让 AI 指出缺口。 不要一开始就要求生成整份文件。先让 AI 整理信息、提出内容主线和页面大纲；你确认方向后，再让它逐段完善。 看到初稿后，针对具体页面给反馈，例如“这一页结论不清楚”或“把这段换成图表”。让 AI 帮你检查遗漏和逻辑，但重要事实、来源和实际排版仍要自己核对。 需要导出演示文件时，再选择适合你当前 AI 和使用方式的工具；如果要现场讲解，可以和 AI 练习表达、预想听众可能会问的问题。
