大数据已死 大数据已死"大数据"这个词，大家想必耳熟能详。这是最大众化的 IT 词汇之一，全社会曾经都热衷于它。百度指数显示，"大数据"从2011年开始进入搜索引擎，然后快速传播，在2017年～2019年之间达到顶峰。那时，大家都认为，数据在未来将指数式增长，世界将被海量数据淹没。如何处理这些数据，就成为了关键问题。它决定了一个企业甚至一个国家在信息时代的竞争力。于是，企业纷纷寻求大数据解决方案，出现了很多相关的招聘岗位，还都是高薪。高校也积极响应，有报道称，国内有600多所高校开设了"大数据专业"或"大数据学院"，其中包括北京大学、复旦大学这样的名校。但是，十年过去了，大数据并没有成为发展的瓶颈，我们依然足以处理产生的所有数据，在可预见的将来也是如此。预言中的大数据时代，看上去不仅没有来临，反而变得遥遥无期了。"大数据"这个词的热度，也在不断降温，被提及次数变少了，招聘岗位也慢慢不见了。与之相应的是，"大数据"这个技术领域，也进展甚微，没有诞生新的概念和理论，技术没有突破，很多方向都停滞不前。比如，专为处理大数据而设计的 NoSQL 数据库，声势越来越小，陷入停滞，反而是传统的关系型数据库（SQLite、Postgres、MySQL）强劲增长，越发受欢迎。这是怎么回事？谷歌的大数据工程师乔丹·蒂加尼 （Jordan Tigani），最近直言不讳地说："大数据已死"。他认为，大数据时代已经结束了，大数据的存储和分析，作为一个技术问题已经解决了。用户已经不必担心数据大小了，再多的数据都不是问题。他提出了"大数据已死"的6个理由，我觉得很有说服力，下面就跟大家分享。1. 绝大多数企业到不了大数据级别企业的数据量往往不到 1TB，很多甚至不到 100GB。假设一家中等规模的制造业公司，拥有1000个客户，每个客户每天产生一个订单，每个订单包含100个产品。这家公司一天产生的数据量，依然远远小于 1 MB。三年后，数据总量也只有 1 GB，达到 1 TB 需要几千年。就算是大型互联网公司，大多数时候也到不了大数据级别。假设某个营销活动有100万用户参加，并且同一时间，该公司开展了几十个这样的营销活动，每天的数据量依然不足 1 GB，就算加上各种日志，可能也只有几个 GB，这跟大数据相差甚远。2. 存储和计算正在分离大数据包含"数据存储"和"数据计算"两个方面，如果放在一个系统里面处理，确实很难。但是，这两方面现在已经能够脱钩，变成两个独立系统，各自都能独立扩展。这意味着，"数据计算"不受"数据存储"（数据库大小）的限制，反之依然。因此，大数据作为单一问题就不存在了，变成了海量存储和大型计算两个问题。3. 数据是线性增长的没有新业务的情况下，数据是线性增长的，即每天的新增数据与以前的数据结构相同。以前的数据一旦写入数据库，通常就不再发生变化，也没有新的计算需求，相关计算在以前就完成了。这时只要对最近的新增数据进行单独计算，然后保存就可以了。你很少需要每天扫描一遍旧数据：那些数据一成不变，为什么要一遍一遍计算它们呢？因此，对于一家企业来说，"数据会指数式增长"这个假设并不成立。而且，数据计算的需求，其实比数据存储的需求小得多，因为老数据很少需要再次计算。4. 人们看重的往往只是最近的数据最频繁的查询是针对24小时内产生的数据，一周前的数据的查询可能性要低20倍，一个月前的历史数据只会偶尔被查询。这意味着，大数据更像静态数据，而不完全是动态数据。既然以前的数据很少用到，那么就可以压缩保存。一个包含10年数据的表格，可能会达到 PB 级别，但是如果压缩保存历史数据，压缩后可能不到 50 GB。5. 真正拥有大数据的公司，几乎从不查询全部数据他们90%的查询涉及的数据少于 100 MB，涉及 TB 级别数据的查询非常少。就算查询 TB 级别数据，查询性能的优先级往往并不高。等一个周末或几天才拿到结果，通常是可以接受的。另外，大型数据集的查询非常昂贵。谷歌的 BigQuery 的 PB 级别查询报价是 5,000 美元，即使是大公司也不会经常使用。6. 硬件的飞速发展使得单机计算能力大增2004年，谷歌发表 MapReduce 论文时，单机的计算能力还比较弱，很多计算必须通过分布式完成。2006年，AWS 推出了 EC2 云主机，你只能用到一个单核 CPU 和 2 GB 内存。今天，AWS 的标准实例具有64个内核和 256 GB 内存。如果愿意多花钱，还可以拿到445个内核和超过 24 TB 内存。单机计算能力大大增强，意味着大数据的最大难点——分布式计算——即使被用到，困难程度也大大降低。综上所述，结论就是：数据量已经不需要特别关注了，再也不必担心处理不了海量数据了。大数据作为一个技术问题，已经解决了。转载

Spark-TTS,极简版音频克隆 Spark-TTS：极简版音频克隆核心功能如果你是播客主，或者经常在 B 站发布视频解说，可以使用这款工具：音色克隆：录制一段你说话的录音，即可用你的音色生成任意文本的音频。趣味应用：你可以让“猪八戒”给你讲故事，实现极具个性化的语音输出。使用方法非常简单：上传一段参考音频或者录制你自己的声音。输入你想转换成音频的文本。点击开始克隆即可。技术原理与优势Spark-TTS 是一款先进的文本转语音（Text-to-Speech，TTS）系统，它利用大型语言模型（Large Language Model，LLM）的强大功能，实现了高度准确且自然流畅的语音合成。该系统旨在为研究和生产使用提供高效、灵活且强大的解决方案。简洁与高效：完全基于 Qwen2.5 构建，无需额外的生成模型（如流匹配模型等）。通过直接从 LLM 预测的代码中重构音频，简化了流程，提高了效率并降低了复杂性。零样本语音克隆 (Zero-Shot Voice Cloning)：支持在无需特定训练数据的情况下复制说话者的声音。这在跨语言和代码切换场景中尤为有用，允许在不同语言和声音之间无缝切换。多语言与个性化：支持中文和英文。通过调整性别、音调和语速等参数，可以创建虚拟说话者，提供个性化的语音合成体验。注意：Spark-TTS 主要用于学术研究、教育目的及合法应用（如辅助技术、语言学研究等）。用户应遵守法律法规，不得用于未经授权的冒充、欺诈、深度伪造或任何非法活动。版本优化说明下载地址： jian27打包我在 jian27 打包的基础上进行了“二次负优化”：瘦身减重：删减了不需要的 Web 界面及冗余文件（原包 5.99GB $\rightarrow$ 本站优化后 4.11GB）。Bug 修复：修复了原版文本输入框中含有“回车换行”时，仅能生成第一句的问题。本版本已支持回车不影响音频生成。性能优化：增加了显存回收功能。效果预期：音质大概能达到原音参考音频的 7 成左右。某些情况下转换出的音频语速会较快。硬件要求显卡：需要 NVIDIA 显卡（黄皮显卡）。显存：4GB 以上即可，推荐 6GB 以上。提示： 回复后刷新可以看见下载链接。隐藏内容，请前往内页查看详情

FunASR-webui,音频转成文本 FunASR-webui用于将音频转成文本，例如会议录音转成文字记录、mp4视频文件转换成字幕文件等等。运行说明操作流程：加载音频或者MP4文件点击开始按钮性能与输出：效率： 耗时视音频长度而不一，效率还是很高的。显存占用： 消耗显存约 2.5gb 左右。保存路径： 转换完成会在 out 目录自动保存为三个格式：一个 .txt 文件一个视频字幕文件一个音频歌词格式文件本站优化说明本站独家负优化：体积压缩： 显著减少体积，压缩包 3.2gb（原作 5.4gb）界面调整： web界面简化资源链接作者开源页面： https://github.com/gluttony-10/FunASR-webui视频教程（转载自 B站十字鱼）： 点击观看百度网盘下载链接： （回复后刷新可见）隐藏内容，请前往内页查看详情