系列文章
【Day - 11】Azure + Docker - 建置和部署服務
在【Day - 10】，我們成功建置了一個能處理語音轉檔的API，並且已經順利與Whisper API整合。然而，目前的服務僅能在本地運行。因此，今天我們將會把...
【Day - 12】串接Azure服務 - 完成語音轉文字功能
【Day - 11】我們成功將服務運行並部署在雲端，今天我們會將服務與我們的APP進行完整串接，以完成整個語音轉文字的功能。除此之外，今天我們也會在APP上加入...
【Day - 13】Prompt Engineering實戰1 - 測試提示工程
在成功完成了語音轉文字的功能後，下一步就是串接ChatGPT。但在進行之前，我們需要先理解並掌握一個重要的概念：「提示工程（Prompt Engineering...
【Day - 14】GPT模型 - 打造流暢自然的英文對話
在昨日的【Day - 13】中，我們對Prompt Engineering有了更深入的理解。今天，我們將運用【Day - 8】所介紹的API，進行實際的串接實作...
【Day - 15】GPT Tokenizer - 計算對話字數
昨天我們完成了和AI對話的功能。然而，由於GPT模型有Token數量的限制，我們無法將無窮無盡的歷史對話上下文訊息全部交給GPT模型處理。這時候，我們就需要借助...
【Day - 16】Azure AI Service - 認識Speech Service語音服務
在【Day - 14】我們完成了基本的聊天對話功能，然而，所有的回應都是以文字的形式呈現，於是我想透過Azure AI Service的語音服務，將文字轉成語音...
【Day - 17】Prompt Engineering實戰2 - 控制模型輸出SSML格式
昨天我們探討了Azure AI Service的Speech Service語音服務，並初步了解了SSML語音合成標記語言的基礎架構。今天，在開始將Ionic與...
【Day - 18】Speech Service串接 - 完成文字轉語音功能整合
在【Day - 17】中，我們成功讓GPT-4模型按照我們所指定的SSML格式生成文本。從第一天的鐵人賽開始，光是文字轉語音和語音轉文字的功能，就讓我耗費了許多...
【Day - 19】Function Calling實戰1 - 自定模型輸出格式
在【Day - 18】時，我們面臨了GPT-4模型速度過慢的問題，目前唯一的解決方案似乎是改用GPT-3.5模型。然而，使用GPT-3.5模型它不但沒辦法輸出S...
【Day - 20】Function Calling實戰2 - 讓語音重新播放
在【Day - 19】中，我們成功透過Function Calling功能讓GPT-3.5模型按照指定的格式進行輸出，並且保持了良好的回應速度。今天我們將把Fu...