Merge pull request #662 from Ikaros-521/owner

补充动态文案和闲时任务默认数据；更新投资人信息

data/动态文案2/AI-Vtuber介绍.txt

@@ -0,0 +1,7 @@
+AI Vtuber 是一款结合了最先进技术的虚拟AI主播。它的核心是一系列高效的人工智能模型。包括 ChatterBot、GPT、Claude、langchain、chatglm、text-generation-webui、讯飞星火、智谱AI、谷歌Bard、文心一言、通义星尘、千帆大模型、Gemini、Kimi Chat、QAnything、koboldcpp。这些模型既可以在本地运行，也可以通过云端服务提供支持。
+
+AI Vtuber 的外观由 Live2D、Vtube Studio、xuniren 和 UE5 结合 Audio2Face 技术打造。为用户提供了一个生动、互动的虚拟形象。这使得 AI Vtuber 能够在各大直播平台。如 Bilibili、抖音、快手、微信视频号、斗鱼、YouTube、Twitch 和 TikTok，进行实时互动直播。当然，它也可以在本地环境中与您进行个性化对话。
+
+为了使交流更加自然，AI Vtuber 使用了先进的自然语言处理技术，结合文本转语音系统。如Edge-TTS、VITS-Fast、elevenlabs、bark-gui、VALL-E-X、睿声AI、genshinvoice.top、tts.ai-lab.top、OpenVoice、GPT_SoVITS、clone-voice、Azure TTS。这不仅让它能够生成流畅的回答，还可以通过 so-vits-svc 和 DDSP-SVC 实现声音的变化，以适应不同的场景和角色。
+
+此外，AI Vtuber 还能够通过特定指令与 Stable Diffusion 协作，展示画作。用户还可以自定义文案，让 AI Vtuber 循环播放，以满足不同场合的需求。

data/动态文案2/LLM技术简单讲解.txt

@@ -0,0 +1,7 @@
+LLM技术通常指大型语言模型（Large Language Model），是一种基于机器学习和自然语言处理的技术。这种技术通过训练大规模的神经网络模型，以便理解和生成自然语言文本。
+
+大型语言模型通常具有数十亿甚至数万亿个参数，可以通过大规模的文本语料库进行预训练。在预训练阶段，模型会学习语言的结构、语法规则和语义信息，从而能够在后续任务中生成自然流畅的文本或者理解输入的文本。
+
+LLM技术在自然语言处理领域有着广泛的应用，包括机器翻译、文本摘要、问答系统、语言理解和生成等任务。近年来，随着深度学习技术的不断发展，大型语言模型在这些任务中取得了令人瞩目的成果，如GPT（Generative Pre-trained Transformer）系列模型、BERT（Bidirectional Encoder Representations from Transformers）模型等。
+
+LLM技术的发展为自然语言处理领域带来了许多新的可能性，使得计算机能够更好地理解和生成自然语言，为人机交互和信息处理提供了更多的可能性。

data/动态文案2/STT技术简单讲解.txt

@@ -0,0 +1,16 @@
+
+STT技术指的是语音到文本技术（Speech-to-Text），也被称为语音识别技术，是一种将人类语音转换为书面文本的技术。这种技术在人工智能和自然语言处理领域得到广泛应用，可以帮助计算机理解和处理语音输入。
+
+STT技术的工作原理通常包括以下几个步骤：
+
+语音采集：首先，系统需要收集用户的语音输入，可以通过麦克风或其他音频设备进行采集。
+
+语音预处理：接下来，系统对采集到的语音信号进行预处理，包括去噪、降噪、音频增益调整等，以提高后续处理的准确性。
+
+特征提取：系统将预处理后的语音信号转换为数字特征向量，通常使用的方法包括MFCC（Mel-frequency cepstral coefficients）等。
+
+语音识别模型：系统使用训练好的语音识别模型对特征向量进行识别，将其转换为文本。
+
+后处理：最后，系统对识别的文本进行后处理，包括语法纠正、语言模型调整等，以提高识别准确性。
+
+STT技术在语音识别、语音助手、语音转换文本、实时字幕生成等领域有着广泛的应用。随着深度学习和神经网络技术的发展，STT技术的准确性和性能得到了很大的提升，使得语音输入成为了人机交互的重要方式之一。

data/动态文案2/TTS技术简单讲解.txt

@@ -0,0 +1,15 @@
+TTS技术是指文本到语音技术（Text-to-Speech），它是一种人工智能技术，能够将书面文本转换为自然语音。这种技术背后的原理涉及到深度学习和语音合成领域的知识。
+
+简单来说，TTS技术可以分为以下几个步骤：
+
+文本分析：首先，系统会对输入的文本进行分析，包括识别单词、句子结构和语法规则等。
+
+语言处理：接着，系统会根据分析的结果，确定合适的语音合成规则和模型，以及语音库中相应的语音单元。
+
+语音合成：在这一步中，系统会根据文本的内容和语言规则，使用预先训练好的模型，将文本转换为语音。
+
+音色选择：TTS系统通常会提供多种不同的音色选择，用户可以根据自己的喜好或需要选择合适的音色。
+
+语音输出：最后，系统会输出经过处理的语音，让用户可以听到转换后的语音内容。
+
+TTS技术在很多领域都有应用，比如辅助阅读、语音助手、教育培训等。通过TTS技术，计算机可以更直观地与用户交流，提供更便捷的服务和体验。

data/动态文案2/VITS技术讲解.txt

@@ -0,0 +1,20 @@
+VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）是一种端到端的文本到语音（Text-to-Speech，TTS）合成技术。这种技术结合了变分自编码器（Variational Autoencoder，VAE）和生成对抗网络（Generative Adversarial Networks，GANs）的原理，旨在生成高质量、自然 sounding 的语音输出。
+
+VITS的主要特点和优势包括：
+
+1. 端到端系统
+与传统的TTS系统相比，其中可能需要多个步骤来从文本转换到语音（例如，文本分析、声学模型、声码器等），VITS提供了一个端到端的解决方案，可以直接从原始文本生成语音波形，简化了整个流程。
+
+2. 变分推断
+VITS使用变分自编码器（VAE）来学习语音数据的潜在表示，这有助于生成更多样化且自然 sounding 的语音。VAE通过编码输入数据到一个潜在空间，并从这个空间解码以重构输入数据，使模型能够捕捉到数据的关键特征。
+
+3. 对抗性学习
+通过集成GANs，VITS在生成语音时引入了对抗性学习机制。在这个框架中，生成器（Generator）负责生成尽可能逼真的语音，而判别器（Discriminator）的任务是区分生成的语音和真实的语音。这种对抗性的过程使得生成的语音质量显著提高，更接近于真实人类的语音。
+
+4. 高质量语音合成
+VITS能够生成高质量、自然 sounding 的语音，且在合成速度和合成质量方面都表现优异。这使得VITS特别适用于需要高质量语音输出的应用场景，如虚拟助手、有声读物、动画角色配音等。
+
+5. 灵活性和通用性
+VITS模型能够适应不同的语言和声音，使其成为一个通用的TTS解决方案。此外，它可以根据需要调整，以生成具有不同情感或风格的语音，增加了合成语音的多样性和应用范围。
+
+VITS技术通过这些创新，显著提升了文本到语音转换的质量和效率，使其在TTS领域成为一项前沿技术。

data/动态文案2/邀请观众加群.txt

@@ -0,0 +1,5 @@
+欢迎大家来到我的直播间，当前运行的功能是“定时任务”。
+本项目名为：AI Vtuber，完全开源免费，大家可以进入我的主页，观看合集教程进行安装部署使用。
+具体功能有对应的视频讲解，请大家耐心观看学习。
+如果遇到部署及使用问题，可以到官方仓库提交issue，或者加入我的QQ群：587663288。
+简单问题可以快速交流，复杂问题或者定制需求，可以联系我的主人进行定制化开发。

docs/投资人/index.html

@@ -116,6 +116,11 @@
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_231203032559_QQ%E5%9B%BE%E7%89%8720231203112519.jpg",
             amount: "￥200"
         },
+        {
+            name: "J丶异乡人",
+            avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_230920161039_111.jpg",
+            amount: "￥188"
+        },
         {
             name: "花开一季",
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_230817152316_QQ%E5%9B%BE%E7%89%8720230817232145.jpg",
@@ -136,11 +141,6 @@
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_230722165246_QQ%E5%9B%BE%E7%89%8720230723005230.jpg",
             amount: "￥146.98"
         },
-        {
-            name: "J丶异乡人",
-            avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_230920161039_111.jpg",
-            amount: "￥138"
-        },
         {
             name: "狼牙",
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_230727112104_QQ%E5%9B%BE%E7%89%8720230727192026.png",
@@ -346,6 +346,11 @@
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_240210124540_QQ%E5%9B%BE%E7%89%8720240210204509.jpg",
             amount: "￥50"
         },
+        {
+            name: "烟雨夕阳中",
+            avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_240227055431_QQ%E5%9B%BE%E7%89%8720240227135347.jpg",
+            amount: "￥50"
+        },
         {
             name: "Yuno",
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_230719132530_QQ%E5%9B%BE%E7%89%8720230719212024.jpg",
@@ -361,6 +366,11 @@
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_240118132057_QQ%E5%9B%BE%E7%89%8720240118211749.jpg",
             amount: "￥33"
         },
+        {
+            name: "~&奋则乐&~",
+            avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_240227055440_QQ%E5%9B%BE%E7%89%8720240227135356.jpg",
+            amount: "￥30"
+        },
         {
             name: "清川.",
             avatar: "https://images.cnblogs.com/cnblogs_com/ikaros-521/2328032/o_231219135755_QQ%E5%9B%BE%E7%89%8720231219215738.jpg",