前置与目标
先掌握深度学习和基本模型选型。此支线的目标是分清不同模态任务，知道哪些输入变换会改变坐标、时间或语义，并为结果设计评价依据。
学习方法
先用自制图片做坐标手算，再为图像生成写单因素比较计划，最后设计采样率、转写与试听检查。视频问题需要保留帧与时间依据，不把抽帧结果当完整事件记录。
完成标准
留下视觉输入规范与标注、图像生成配置表、ASR/TTS 样本表和各自评分规则。实际使用素材、模型与声音时核对授权；本次不包含模型运行的分数或生成文件。
核验范围
2026-10-07：5 步支线；没有执行视觉推理、图像生成、语音转写或音色训练。
- 01
AI 模型选型：先看任务，再比较模型
验证任务：填写三类任务的模型选型表，标记尚未核验的字段。
- 02
视觉与视觉语言模型：像素、任务与坐标
验证任务：区分标签、框、掩码与文字输出，手算 resize 后坐标。
- 03
迁移学习与数据增强：冻结、微调和标签一致性
验证任务：写分类/检测增强规则，先补读 PyTorch 与优化前置笔记。
- 04
扩散与图像生成：噪声、条件、调度器与复现
验证任务：写三组单因素比较计划及完整生成配置，不填虚构结果。
- 05
语音 AI：音频数据、ASR、TTS 与评估
验证任务：手算 WER，写采样处理、转写规范与 TTS 评价规则。