拿朋友圈举例，如果只是在朋友圈界面进行的自动图片描述，而手动描述时点开了图片，这种情况绝对是后者优于前者的。因为图片没有全屏显示时，只有那么一丁点位置给它显示，那肯定是显示的缩略图，这种情况要么图片尺寸太小，要么图片显示不完整，你觉得识别可能准确吗？所以我基本不用图片焦点描述的，除非识别聊天过程中读不出来的表情

我的拼音九宫格键盘也能输入自定义短语的什么时候上啊？翘首期盼中！

调性是小调，为何第1小节用的是 A大三和弦呢？后面是第5小节还是第几小节还有一个，A大三和弦中的升C和旋律中的还原C产生了不协和音程，说小二度也行，说大七度也对。

另外为什么非得盯着用手机做音乐呢？效率是问题，听感是问题，操作难度还是问题，有各方面都相对优秀的REAPER放着不用，用手机那么慢的制作方式干嘛？累死累活做到连灵感都没了，心情也没了！用这种方式其实类似midi的原理，只不过直接到了用采样去拼接出一首歌的地步，但midi做音乐想听起来好听，就不是那么简单的事情了，需要考虑到真人演奏的各种不稳定因素，比如每一个音符出现的时间偏差，每次按键的力度差距等等，用这样的方法几乎是做不到的，不用仔细听都能听的出来是假的东西而不是真正演奏的。不过讲真还是佩服楼主的，非常有耐心。

唉，好吧，用别人的总还是比别人自己的矮那么一点啊，无法改变的事实😛

那我没遇到过，品牌型号说一下。实在不行尝试一下上面说的方法

又说支持 markdown，怎么连有序无序列表都没转换过来😂

触摸技术实在太烂的，可以把读屏的导航切到窗口，然后上下划就可以切过去了

暂停和继续就是一个功能，朗读时暂停，暂停时继续，根本不需要考虑切不切换焦点的问题，更不用考虑保留几个焦点内容的问题，没必要越来越复杂。切换焦点后，之前朗读的内容也就被新焦点内容所替代，此时执行暂停继续朗读肯定就是暂停。既然锁屏，重新点亮屏幕自然就是又有新的内容朗读，比如亮屏时朗读的时间之类，也符合上述切换焦点的场景。用过NVDA的应该知道这个逻辑，而且一般语音库API也不会给那么详细的东西，还啥记录朗读进度、记录几个焦点的朗读！

这个功能个人认为还是比较常用的，但暂停我会用的比继续更频繁。比如我在微信读书里面看书，这一页需要精细阅读，我就会打开焦点文本编辑，精细阅读完当前页以后退出文本编辑器，此时天坦会重新朗读这一页。在此过程中双指左滑滑翻页天坦并不会打断当前朗读并朗读下一页内容，而是朗读完当前页后再开始朗读下一页，在此过程中无论触摸或是滑动均无法打断，因为微信读书显示页面内容的窗口只有一个交点。故此时就很需要一个暂停继续的功能来实现把多余的内容打断并手动触摸屏幕开始朗读夏一页。

支持自定义分句符号，包括主程序里的逐句

这类模型应该就只能做到这样吧，如果要再详细的可以用AI，比如什么讯飞星火之类的，讯飞星火有APP