鐵人檔案
在當今的世界中，人工智慧的應用越來越廣泛，從最初的數據分析到今日的自然語言處理，AI已深深烙印在我們的生活中。其中，語言學習的領域更是AI的重要戰場。接下來的30天，我們將以Ionic建構跨平臺應用程式並以Angular框架為基礎，搭配今年最流行的ChatGPT，練習打造一款專屬自己的AI英語口說導師APP。透過這個過程，你不僅可以實際瞭解和學習到Ionic APP的開發過程和應用，同時也能了解AI如何在這些領域中發揮作用。讓我們一起展開這段精彩的鐵人賽旅程吧！
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 - 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...
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...
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...
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...
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...
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...
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...
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...
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...
