Prosodic 技术文档
1. 安装指南
1.1 安装 Python 包
首先,您需要通过 pip 安装 Prosodic 包。确保您的 Python 版本 >= 3.9。
pip install prosodic
1.2 安装 espeak
Prosodic 依赖于 espeak 来进行文本到语音的转换。请根据您的操作系统安装 espeak:
-
Mac: 使用 Homebrew 安装:
brew install espeak如果尚未安装 Homebrew,请先安装 Homebrew。
-
Linux: 使用 apt-get 安装:
sudo apt-get install espeak libespeak1 libespeak-dev -
Windows: 从 espeak-ng 的 GitHub 页面 下载并安装。
2. 项目的使用说明
2.1 Web 应用
Prosodic 提供了一个基于 Web 的图形用户界面(GUI)。安装完成后,您可以通过以下命令启动 Web 应用:
prosodic web
启动后,在浏览器中访问 http://127.0.0.1:8181/ 即可使用 Prosodic 的 Web 界面。
2.2 Python 使用
2.2.1 读取文本
您可以通过 Python 脚本加载并分析文本。以下是一个简单的示例:
import prosodic
# 加载文本
sonnet = prosodic.Text("""
Those hours, that with gentle work did frame
The lovely gaze where every eye doth dwell,
Will play the tyrants to the very same
And that unfair which fairly doth excel;
For never-resting time leads summer on
To hideous winter, and confounds him there;
Sap checked with frost, and lusty leaves quite gone,
Beauty o’er-snowed and bareness every where:
Then were not summer’s distillation left,
A liquid prisoner pent in walls of glass,
Beauty’s effect with beauty were bereft,
Nor it, nor no remembrance what it was:
But flowers distill’d, though they with winter meet,
Leese but their show; their substance still lives sweet.
""")
# 也可以通过文件名加载文本
shaksonnets = prosodic.Text(fn='corpora/corppoetry_en/en.shakespeare.txt')
2.2.2 文本结构
Prosodic 将文本组织成树状结构。Text 对象的 .children 属性是一个 Stanza 列表,每个 Stanza 的 .parent 属性指向 Text 对象。每个 Stanza 的 .children 属性是一个 Line 列表,依此类推。
# 查看文本的树状结构
sonnet.show(maxlines=30, incl_phons=True)
2.2.3 数据框表示
您还可以将文本转换为数据框形式进行查看:
# 查看音节级别的数据框表示
sonnet.df
3. 项目 API 使用文档
3.1 prosodic.Text
prosodic.Text 是 Prosodic 的核心类,用于加载和分析文本。它支持从字符串或文件加载文本。
3.1.1 方法
Text(text=None, fn=None): 初始化一个Text对象。text参数为文本字符串,fn参数为文件名。show(maxlines=None, incl_phons=False): 显示文本的树状结构。maxlines参数限制显示的行数,incl_phons参数决定是否包含音素信息。df: 返回文本的音节级别数据框表示。
3.2 prosodic.Stanza 和 prosodic.Line
Stanza 和 Line 类分别表示文本中的诗节和行。它们通过 .children 和 .parent 属性与 Text 对象关联。
4. 项目安装方式
Prosodic 的安装方式已在 1. 安装指南 中详细介绍。您可以通过 pip 安装 Prosodic 包,并根据操作系统安装 espeak 以支持文本到语音的转换。
通过本文档,您应该能够顺利安装并使用 Prosodic 进行文本分析。如果您有任何问题,请参考官方文档或联系开发者。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00