零代码亲手训出第一个AI模型Teachable Machine手把手零门槛入门指南【免费下载链接】teachable-machine-v1Explore how machine learning works, live in the browser. No coding required.项目地址: https://gitcode.com/gh_mirrors/te/teachable-machine-v1想拥有一个能认出你手势、听懂你口哨声的AI小助手却被训练模型四个字劝退别担心——Teachable Machine是 Google 出品的零代码 AI 训练工具你只需打开浏览器动动鼠标就能在十几分钟内亲手教出一个图像识别模型全程不写一行代码。今天这篇指南就带你从零走完这条路。为什么你值得花十五分钟试试它先讲个真实场景。你想做个挥手上课铃的小发明手掌张开就放音乐握拳就暂停。搁以前这需要搭 Python 环境、写几百行代码、调参数光跑通就要一整天现在用 Teachable Machine你只要对着摄像头做两三个动作每个动作按住按钮录几十帧模型立刻就能学会区分。它和传统方案最大的不同是把训练变成了演示。过去你给 AI 看数据、改代码、等训练像隔着玻璃操作现在你直接站到摄像头前动一动、松一松模型当场就学、当场就认。样本进模型的那一刻右侧的置信度数字就开始跳动——你亲手制造的智能肉眼可见。它的秘密武器为什么几十张照片就能学会很多人第一次用会惊到就拍了这么点照片它凭什么就学会了秘密藏在两个词里。第一招借一双阅图无数的眼睛。项目内部调用了一个叫 MobileNet 的预训练模型核心代码在 src/ai/WebcamClassifier.js它已经在百万张图片上学过怎么看图。它不会记住你的手势长啥样而是把你的画面拆成一组有意义的特征数字。这就好比请了位见多识广的老司机你不需要教他认车只要指着车说这辆我喜欢他就能帮你记住区别。你省下的是让 AI 从零认识世界的那几年。第二招在地图上打点分类。每次你按住按钮系统就把当前画面的特征当作一个点放进一个抽象特征空间。同类样本的点聚成一簇新画面一来就看它离哪一簇最近归入哪一类。这就是 KNN 最近邻分类——本质上是看距离站队。你把拳头和手掌的点拉开距离它就永远分得清。第三招一条清晰的三明治流水线。整个界面就三格输入摄像头/麦克风→ 学习分类训练→ 输出声音、语音、GIF。就像流水线上进料、分拣、包装你只管喂料剩下的它自己转。看不懂代码也没关系看懂这三格你就理解了它的一切。第一次训练别急着拍照——先把项目跑起来上手路径很短跟着走每步你都能看到东西。第 1 步把项目请回家。打开终端敲三行命令git clone https://gitcode.com/gh_mirrors/te/teachable-machine-v1 cd teachable-machine-v1 yarn yarn run watch做完这一步你能看到浏览器自动弹出页面一个完整的 Teachable Machine 界面出现在眼前。建议用 localhost 访问如果必须用局域网 IP需要 https 才能拿到摄像头权限项目里已备好了yarn run watch-https的玩法。第 2 步打开你的眼睛。点击 INPUT 区域的摄像头按钮允许浏览器使用摄像头。做完这一步你能看到画面里出现你自己摄像头在正常工作。第 3 步亲手录下三个类别。中间 LEARNING 区有三个彩色按钮绿、紫、橙。按住绿色按钮对着镜头慢慢做手掌张开再缓缓换个角度你会看到样本数在跳动、缩略图在积累松手换紫色按钮做握拳橙色按钮做比耶。做完这一步你能看到每个类别下都攒了一小排你的照片像三本小相册。第 4 步松手看考试结果。不再按住任何按钮模型开始实时预测三个类别各自的置信度百分比会不停刷新。你换成拳头紫色的数字就会涨上去。做完这一步你能看到AI 已经听懂了你反应往往只有零点几秒。第 5 步让结果发出声音。在右侧 OUTPUT 区域给每个类别选一个音效项目自带了不少现成音频在 assets/outputs/sound/sounds/ 里。做完这一步你能看到你比耶电脑就播放对应的声音——一个会看手势的声控开关诞生了。三个脑洞把模型从玩具变成工具生活场景手势遥控器。训练开灯/关灯/调亮三个手势接到智能家居上从此告别摸黑找开关。全家人都能学会因为你教的本来就是这个家的习惯。趣味创意猫语翻译官。用声音分类训练三种猫叫声再配上不同字幕音效假装听懂你家主子在说什么。聚会时的社交神器零技术含量但效果拉满。实用工具无声签到器。课堂或工位上训练举手/不举手两个手势让 AI 实时统计出勤。比点名快比扫码有趣还顺便给孩子们上了一堂AI 就在身边的启蒙课。新手最容易踩的三个坑坑一识别结果来回横跳。现象明明做了同一个手势置信度却在两个类别间反复跳。 原因每类样本太少、拍得太单一特征点挤在一起分不开。 解法每类至少录几十帧按住按钮时手臂缓慢转动覆盖角度、光照、远近的差异同时让不同手势的区别尽量大。坑二摄像头一片黑。现象页面正常但画面空白或提示没有权限。 原因浏览器对摄像头权限要求严格非 localhost 环境必须有 https 加密。 解法本机访问用 localhost远程访问就按 README 生成自签名证书、用yarn run watch-https首次访问在浏览器里点一下继续前往。坑三画面卡顿、反应迟钝。现象动一下结果要隔两秒才更新。 原因神经网络推理在浏览器里实时跑设备或浏览器负载高了就会拖慢。 解法样本不贪多够区分即可把项目页保持在前台关掉多余标签页训练完就停止采集别一直按着按钮。下一步往这三个方向走第一把图像分类玩出花样手势、物体、表情随意组合目标是今天就能做出来。第二试试声音分类打开麦克风录几句不同的话感受声音的特征和图像完全不同这步会让你对特征的理解上一个台阶。第三翻开 src/ai/WebcamClassifier.js 读一读你不需要看懂每行代码只要找到MobileNet 提特征 KNN 分类这两处就能把原理和源码对上号从此看任何机器学习项目都不再发怵。等到深夜屋里的灯被你的一个手势点亮那一刻你会明白AI 的门从来没锁过只是少了一把你能握住的钥匙。而你现在已经把它攥在手里了。【免费下载链接】teachable-machine-v1Explore how machine learning works, live in the browser. No coding required.项目地址: https://gitcode.com/gh_mirrors/te/teachable-machine-v1创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
