初賽 - 生成式AI (Part 2)

時間 : 2025/11/08 上午 9:00 - 12:00

現場教學地點 : 國立臺南大學府城校區文薈樓J305、J306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

• QCI&AI-FML學習平台操作流程及功能介紹

• KWS AI平台功能介紹

• 軟硬體整合應用案例介紹

生成式圖片

• Intelligent Travel : Dataset 1  

• Intelligent Environment : Dataset 2  

• Intelligent Local Food : Dataset 3 

第一階段 : QCI 資料模型 (使用硬體學習工具)

• 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 18 筆資料與Data Collection Sample整併 

說明

步驟 1：使用 QCI&AI 學習工具來收集 AIoT 數據，包括距離和光照，並拍攝圖片。

步驟 2：使用 KWS AI 生成文字，並進行人工評估以收集 HEGAIText。

步驟 3：使用 KWS AI 生成圖像，並進行人工評估以收集 HEGAIImage。

第一階段 : QCI 資料模型 (沒有硬體學習工具)

• 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 )

說明 (download)

步驟 1：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 2：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 3：根據生成的圖片評估距離 (Distance) 和光線 (Light) 。

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 Thonny 3.3.13 : ( Windows ) ｜ ( Mac ) 

• 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.