让视频字幕提取更快更准确 

Prompt 患者（飞桨社区用户名）

我加入飞桨AI Studio社区已经1306天，是加入社区比较早的开发者。三年前，我就注意到飞桨AI Studio是国内少有的AI学习平台，虽然我曾参与多项国内外顶级算法竞赛并获奖，如Deecamp&AIR全球大学生夏令营赛道冠军及总冠军、数字中国创新大赛冠军等。但2021年，参加由中国计算机学会主办的CCF BDCI大数据与计算智能大赛，让我印象尤为深刻。

我记得那次大赛上，主办方提出参赛者可以尝试使用任何框架迎接挑战，我过去习惯使用国外深度学习框架，这次我尝试使用飞桨框架，让我惊讶的是，在专一文本赛题方面，飞桨框架竟然效果最好！这次比赛印证了我的看法，即百度的深度学习技术运用到专业技术比赛场也能取得显著优势，与国外产品对比并没有丝毫的逊色。

除了技术以外，飞桨社区带给我全新的体验。比如，最近我看到一个与广告视觉算法有关的技术材料，这个材料涉及算法比较偏，内部也没有披露相关技术环节，我与一些圈内人探讨，但他们都没有得出合理的结论，于是我分享到飞桨AI Studio，有很多同学主动来加我，与我交流，甚至他们还请教了他们领域内的人，最后飞桨上有一个叫“坑姐”的开发者，帮我解决了这个问题，成功地推理出内部结论。

我当时有一种难以言表的激动，你知道吗？当有一群和你一样拥有技术情怀的人共同去探索AI时，那感觉真挺好。

可将一分钟左右的视频

在5秒内实现字幕快速提取，准确率达99%

  让工业生产环境更安全 

张赫航 北京科技大学 

我首次接触到飞桨是通过参加去年12月飞桨AI Studio举办的常规赛。之后，我参与了飞桨举办的活动，跟一位PPDE（注：飞桨开发者技术专家 PaddlePaddle Developer Experts）入门做计算机视觉。他对飞桨 PaddleDetection 套件以及飞桨全流程开发工具PaddleX比较了解，记得有一次可能都晚上11点，他居然还秒回消息，帮我们检查项目。

接下来，我完成了中国交通标志图像分类、基于PP-PicoDet的工业安全生产环境违规使用手机的识别、基于JetsonNano工业安全手机识别部署、文心大模型教你搞定公众号图文生成等项目的开发，并在一些飞桨常规赛中拿到名次。

工业安全生产环境违规使用手机的识别应用样机

具体来说，我采用了计算机视觉、深度学习模型的方法，选择PaddleDetection套件，将其部署到开发板上（后续商业应用还可以部署到移动端上），用户只要将开发板连上电源，打开摄像头，输入命令，用摄像头对准你要检测的某一个区域，当区域内出现有人违规拿着手机时，就能进行识别，此时开发板所连接的显示器会呈现自动框选出来的目标手机。

 让室友不再为朋友圈文案配图费心  

彭腾宇 广西民族大学  

随着AI科技的发展，我们的世界正因AI的参与变得越来越美好。举例来说，自动驾驶接管了我们的车辆，让驾驶员也能在旅途中作为一个观赏者去欣赏外面的风景，而不是辛苦地开车，将注意力集中在道路安全上。

另外受到我哥哥的影响，我高考志愿选择了智能科学与技术专业。他在华南理工大学读大三，专业也是AI方向，在我高考前的寒暑假，他每次回来都会给我分享展示他做过的项目。当时我就觉得好有趣！从那时起我就决定以后也往AI方向发展。

刚进大学那会，我查询了一些平台，想锻炼自己的专业能力，偶然的机会摸索到了飞桨平台，但真正近距离接触飞桨还是在学校的研习周，学院统一组织我们参加了飞桨文心大模型创意赛。

我觉得这次邂逅是我人生中第一次接触到了真正意义上的AI。我现在学校的专业学习基本上是训练编程能力和编程思维，但对我来说，会编程和编好程离AI还有非常遥远的距离，文心大模型中有上千亿的参数量，可以自行调节参数优化项目，搭建前端页面的新事物，这些是仅靠编程做不出来的。

加入飞桨AI Studio社区后发生了一件有意思的事。我经常听到室友抱怨发朋友圈写的文案找不到合适的配图。一个月前，我刚好接触到了飞桨文心大模型，知道文心大模型有根据文字生成图片的能力，我想尝试开发一个项目去解决这个问题。

我开发的“关键词句AI作画”系统，利用文心大模型的文本理解与创作能力，用户只要输入一段文字，复制粘贴到这个系统里，系统就可以提取段落句子里的关键词并自动生成图片。现在这个项目已经上升为文心创意赛的11月月赛的精选项目。

当然，开发项目过程中我也遇到过棘手的事。比如，文心把文字转化为图片是以网页链接的形式，而不是直接将图片展示给用户，这对用户的体验感会大打折扣。为了解决这个问题，我请教了我的指导老师蒋权，在他的帮助下，最终的项目实现了生成的图片可以在前端页面直接展示给用户。

室友用关键词句AI作画系统

生成朋友圈“秋天的第一杯奶茶”

 让观众看世界杯更具科技感  

卜宜凡 华东理工大学 

我今年暑假参加飞桨AI Studio特训营接触到了飞桨。飞桨社区氛围很好，大家都愿意帮忙，彼此之间互相成长，社区活动也非常丰富，对我个人帮助很大。除了特训营，还有个创造营，社区给了我们这些开发者一些硬件来实操，还组织过英特尔工程师和我们交流。

足球赛识别追踪改良项目效果图

球类检测的难点在于，足球体积很小，往往难以定位追踪，特别是在镜头较远时，一般很难确切找到球在哪个位置。百度的指导老师卢飞翔对我帮助很大，在他的指导下发现是初期采集的数据不好造成的定位不准。

我们团队调用了一些数据，训练了一个球类检测模型，选择用PaddleDetection套件里的实验识别工具，将之前训练的模型串到一起，形成球员和球类识别追踪的可视化，这样观众在看球赛时可以实时标注赛场上的球员姓名、足球位置，并一键生成视频进行分享转发。这个小项目后来并入了PaddleSports的官方Repo（指Github上的代码仓库），同时还扩展了许多新的功能，包括号码识别、队伍识别等。

  让AI变得更好玩 

常钧淋 北京航空航天大学

虚拟现实技术与系统国家重点实验室 硕士在读

这些项目中，类MLP架构是我比较有成就感的。我想在点云场景中，找一个Transformer或MLP看能不能替换。我当时调研了图像分类领域的类MLP架构的论文，发现市场上Transformer比较火，但是自注意力机制到底是不是必要的存疑。而类MLP架构实际上要解决的问题是通过设计MLP去替换自注意力机制，换而言之，如果只用MLP能达到与Transform一样的性能，在图像分类目标检测，语义分割数据集上实现同样的效果，那么就可以证明自注意力机制并不是那么必要。后面李文博老师还推荐我去飞桨《开发者说》做分享，当时既惊喜又忐忑。

   让媒体工作更方便快捷  

周军 成都广播电视台 

说来你可能不相信，我已经40多岁了。我大学不是学AI的，毕业后我就进入电台工作，现在融媒体发展部做新媒体、PHP开发相关的事情。电台是事业单位，可能有些人会很羡慕，但是其实有点像古代后妃困在深宫中一样熬人，一不小心十年、二十年过去了，我时常觉得我的人生可能就要这样浪费了，接触飞桨以后才让我重新燃起对生活的希望。

10月24日，周军参加飞桨组织的成都程序员节

现场与众多开发者互动

加入飞桨这段时间以来，我的个人生活和思维方式发生了巨大变化，我现在每天下班后第一件事情就是打开飞桨AI Studio看一看。工作上，我经常会不自觉地思考这个事情AI是不是能够解决？

我认为，AI在广播媒体行业是一种革新，可以让媒体传播制作变得更好。比如，AI可以帮助媒体资源管理库，进行音视频的语义分析；我之前尝试过做过一个AI主播，用了飞桨的套件和模型，虽然声音模仿上嘴型吻合得不是特别好，但能达到90%声音逼真效果；还尝试过开发字幕转换工具。

我现在实力还不够，就想着尽自己的能力多给在社区做点事，我希望自己能力强大时，成为一个贡献者，让飞桨变得更好。