这篇文章整理一次把自动剪辑和语音合成结合起来的探索，重点是记录思路、场景和工程可行性。
本文整理自早期学习笔记，发布时间按学习阶段归档。
正文
上周：
目前的成品：粗糙
AutoCut) + GPT-SoVITS](https://github.com/RVC-Boss/GPT-SoVITS))
文档还没有写（出去玩了，周末 hhhh）
起因： 帮我姐做的，
需求：覆盖小学初中高中全部单元的。数据量大
图片占位：ed7eb55e04f24ce9acece12514d709fa.jpg
实现效果：
只需要拿到数据
图片占位：c16841791a182acfb06705b3ce35225b.png
特点
图片占位：ed7eb55e04f24ce9acece12514d709fa.jpg
墨墨背单词
目前的难点：
①直接大模型（国内大模型）生成，生成效果不好。
不知道国外怎么样，我感觉（感觉）效果不好，谐音的需求：面向中文的语言环境
②目前我还像也没有找到相关的成品，可以直接爬
③墨墨背单词只有App 客户端（andriod/ios），且==不开源==
④爬虫零经验，主要是也是为了学习相关的技术
工程量也未知，感觉是拿墨墨背单词的数据库????
希望学长们给点建议
