時間 : 2025/11/08 上午 9:00 - 16:00
現場教學地點 : 國立臺南大學榮譽校區 ZB301、ZB302電腦教室
線上教學網址 : https://meet.google.com/aah-cxxr-kkc
當日將進行現場及線上同步教學轉播,教學內容為:
Quantum AI學習工具硬體使用方式
Whisper Taiwanese Tv0.5軟體建立資料模型
KWS AI學習平台操作流程及功能介紹
軟硬體整合應用案例介紹
第一階段 : QCI 資料模型 (使用硬體學習工具)
QCI 資料模型 (使用硬體學習工具)步驟文字說明:
步驟 1:使用 QCI&AI 硬體學習工具來收集 AIoT 數據,包括距離和光線,並拍攝圖片。
拍攝生成式圖片主題範例
Intelligent Travel : Dataset 1
Intelligent Environment : Dataset 2
Intelligent Local Food : Dataset 3
步驟 2:將QCI&AI 硬體學習工具拍攝的圖片使用 KWS AI 平台 生成文字,並進行人類智慧評估產生 HEGAIText。
步驟 3:將AI生成的文字(步驟 2)使用 KWS AI 平台 生成圖像,並進行人類智慧評估產生 HEGAIImage。
步驟 4:將收集的距離、光線、HEGAIText 與 HEGAIImage 整理到 Data Collection Template 資料模型範本內。
步驟 5:將Data Collection Template 資料模型範本數值整併到與Data Collection Sample內,完成資料模型建置。
相關平台與資料:
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
KWS AI : kws.oaselab.org/kws-ai/
Data Collection Template : ( Download )
Data Collection Sample : ( Data Collection Steps 1-4 by NUTN Team )
將收集到的筆資料與Data Collection Sample整併
第一階段 : QCI 資料模型 (沒有硬體學習工具)
QCI 資料模型 (沒有硬體學習工具)步驟文字說明:
說明文件 (download)
步驟 1:從這裡下載範例程式碼(.ipynb)
步驟 2:登入 Google 帳號
步驟 3:連線到 Colab
步驟 4:點擊「檔案」選單,然後選擇「上傳筆記本」來上傳範例程式碼(.ipynb)
步驟 5:點擊「執行階段」選單,然後選擇「變更執行階段類型」。將其設定為 Python 3 和 T4 GPU
步驟 5-1:從Hugging Face下載南大真平國網Whisper-Taiwanese Tv0.5 開源模型
步驟 5-2:參考此網頁學習如何說台語
步驟 5-3:說台語並錄製音訊(.wav)
步驟 5-4:執行 ASR (自動語音辨識) 將您的台語音訊轉換為中文文字
步驟 5-5:下載中翻英翻譯模型
步驟 5-6:將中文文字翻譯成英文
步驟 6:利用 Whisper-Taiwanese Tv0.5 Mode翻譯的英文文本,透過大型語言模型LLM (e.g., QCI Agent & GAI Image) 生成圖片。然後,進行人工評估以收集 HEGAIImage。
步驟 7:將生成的圖片上傳至 大型語言模型LLM (e.g., QCI Agent & GAI Image) 以產生描述性文本 (例如,不超過 20 個字) 。接著,進行人工評估以收集 HEGAIText。
步驟 8:根據生成的圖片評估距離 (Distance) 和光線 (Light) 。
步驟 9:將收集的距離、光線、HEGAIText 與 HEGAIImage 整理到 Data Collection Template 資料模型範本內。
步驟 10:將Data Collection Template 資料模型範本數值整併到與Data Collection Sample內,完成資料模型建置。
相關平台與資料:
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
KWS AI : kws.oaselab.org/kws-ai/
Data Collection Template without QCI&AI Hardware: ( Download )
Data Collection Sample: ( Data Collection Steps 1-4 by NUTN Team )
將收集到的 18 筆資料與Data Collection Sample整併
七句台語句子示範 : ( Link )
Whisper-Taiwanese v0.5 (Tv0.5) for Taiwanese / English Co-Learning (Demo) Website : ( Link )
第二階段 : QCI 知識模型
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
下載 Open CI 模型 ( Open GAIFit Model )
第三階段 : QCI 推論模型
下載推論模型 ( GAIFit Inference Model )
下載推論資料 ( GAIFit Inference Data)
第四階段 : QCI 微調模型
QCI&AI-FML學習平台 : https://kws.oaselab.org/qciai/
下載專家資料 ( GAIFit Expert Data )
下載訓練資料 ( GAIFit Training Data )
Thonny與Python File
下載 Open 學習工具 Python 檔案 ( Python File )
const.py → Set Wifiname and password, choose MQTT Server's username, password, and topic name.
第一階段 QCI資料模型: QCIGAIModel_DataCollection.py → Collect the GAI data from the learning tool.
第二階段 QCI推論模型: MQTT_GAIManual(two-way).py → Wait to receive data from the learning platform and make a response to the received data.