coze搭建作业智能体（图片识别+语音合成+知识听写）

上传两张英语单词词汇图片:​

​

​

​

​

50%

​

​

​

​

50%

​

​

一、基本逻辑流程​

​

💾

1.开始上传英语词汇图片；​

2.通过大模型OCR识别插件，根据所设条件识别所需单词；​

3.通过大模型进一步准确筛选所需内容，并输出文字列表；​

4.通过批处理带功能插件，将文字列表转换为语音列表；​

5.通过代码在语音列表中增加重复内容和空白内容，生成新的语音数组；​

6.合成单词语音数组，生成一个完整语音。​

​

二、创建工作流​

1、首先新建一个工作流。​

​

​

2、开始节点​

开始节点设置两个变量(这里可以设置多个上传变量)，用来接收两张或多个上传的英语单词图片。​

​

​

3、大模型节点​

大模型节点加入「OCR通用文字识别」插件，用来识别上传图片的单词，把单词提取出来成一个数组。​

​

​

5、代码节点​

代码节点用来计算所有上传图片一共有多少个单词数量。​

​

​

6、批处理节点​

添加一个批处理节点，使用批处理节点生成所有单词的音频文件。​

​

​

7、代码节点​

使用一个代码节点导入一段空白音频，把每个单词中间插入一个单词听写的留白时间，然后输出一个单词音频数组。​

​

​

8、合成音频​

使用「音频处理工具」对单词音频数组进行合成，合成一整段音频，每个音频之间听写的留白时间。​

​

​

9、结束节点​

最后，使用结束节点输出合成后的音频文件。​

​

​

​