用腾讯云VITA和TTS，女儿的涂鸦能变身童话吗？

从冰箱到耳朵：一段温柔的技术手段旅程

清晨的第一缕阳光透过窗帘，照在较小满的画纸上——那是她今天在幼儿园完成的一幅“全家去公园”。她用蜡笔勾勒出较大较大的太阳、两棵树和一家人手拉手。回到家后她把这幅作品贴在冰箱门上，眼睛里闪烁着自豪的光芒，对吧，你看。。

反正吧… 我曾想过 如果能把这幅简较短却充满童真实之美的涂鸦，变成一段可听故事，让较小满在睡前聆听自己的创意，那该更多良好！于是我踏上了利用腾讯云VITA与TTS组合实现“读画写故事”的技术手段路线。

第一步：让机器“看懂”孩子的世界

VITA是一款更多模态识别模型，能够将图片转化为结构化文本。上传较小满手中的照片后它会返回包含“太阳、房子、树、人”等实体以及情绪标签的JSON，可能.….。

{
  "elements":,
  "mood":"温暖开心"
}

这一些信息虽然只是寒冷冰冰的数据，但它们是后面故事创作的基础。 太水了。 若没有VITA，我们只能靠人工制作识别，耗时又简单出错。

第二步：把识别最终还是结果是拼装成可读文本

接下来我采用腾讯云混元较大模型来生成故事。我们将VITA返回的JSON与孩子的较小名、 何必呢？ 较小年纪一起拼进提示词模板：

{{element.name}} {{element.color}} {{element.position}} ... 
主角叫{{childName}}，{{childAge}}岁。
请写一个温馨、无教条、带有细节描写的较小朋友睡前故事。

混元模型会有时会出现略显生坚硬或反复的句子，这时我会手动微调，然后再交给TTS。

第三步：让文字有声朗诵

TTS则负责把文字变成语音。我选择了腾讯云智瑜系列中的温柔姐姐音色，这是因为它正良好适合夜晚宁静氛围。