《Face Faith》——雙人獨幕劇
閱讀時間約 1 分鐘
《Face Faith》 寫於2016年，雖然情節、台詞幾乎從未變動，但爾後幾年間我幾次在心裡修改對角色的性別設定，從兩名「女性」、兩名「順性別女性」、「請不要‘’認定‘’他們是女性」，到現在的：
費絲和菲斯的性別在此劇本並不特別重要。觀眾應該能輕鬆的了解菲斯和費絲都是「扮裝人格」(drag persona)，而不是演員，或甚至是「角色」本身。
這是一齣雙人獨幕劇。身為居住在被物質佔據的「垃圾島」的唯二居民，費絲和菲斯只能透過對話認識，或者說，試圖操控彼此。
劇本本身是缺發邏輯和情節的。我更傾向這麼描述：這是幾頁對費絲和菲斯混亂生活的切面，我希望看見劇本的你不是被感動，而是被「感染」。
請盡全力討厭與批評《Face Faith》中的互動與語言，最好，視之為病菌。
2024年，我稍作潤飾並將《Face Faith》翻譯成英文，標題為“Face Faith”。您可以通過The New Play Exchange® (NPX) 閱讀英文全文（該網站為訂閱制）。
希望您會「喜歡」。
留言0
查看全部
你可能也想看
Google News 追蹤
接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議
分析兩位候選人政策利多/ 利空的板塊和股票
🤔為什麼團長的能力是死亡筆記本?
🤔為什麼像是死亡筆記本呢？
🤨作者巧思-讓妮翁死亡合理的幾個伏筆
Face to sticker 是一個在Replicate上很熱門的model。使用者只要透過上傳自己的大頭照，後台就會快速的將你的圖片變成貼紙。
後台的操作很簡單，只要先上傳一張照片，然後點擊Generate並等待約30-45秒之後，就會產生圖片。
在facetosticker網站註冊之後
「 face-to-sticker」是一款免費工具，操作非常簡單，只需要上傳一張圖片，透過分析照片中的臉部特徵和表情，就可以將您的照片轉換為美式風格的貼紙。
前面幾個篇章已經大致上介紹了Hugging Face這個平台的一些基本概念了，既然我們都能夠在平台上找到各式各樣的模型，而且也能夠照著教學一步步的來下載並使用，但有沒有更簡單的方式呢？
比如說，我們專注在應用端上的開發，AI的推理就藉由平台進行呢？ 答案肯定是有的，近期越來越多開源的平台也都開放這
我們過往介紹了幾個關於文字AI應用的篇章：
【Hugging Face】Ep.5 文字世界中的超能力語言英雄(Named Entity Recognition)
【Hugging Face】Ep.6 解決問題的專業級破關知識家(Question Answering)
但單獨的文字應用似乎不太能
圖片來源…
🔍 Huggingface dataset map increase disk space
我們在「【Hugging Face】Ep.3 前往Datasets掏金趣」有稍微介紹過Dataset在Hugging Face裡面扮演著什麼樣的角色，以及如何使用，沒錯! 它非常的好用，也很
今天我們將探討一個現代社會中普遍存在的問題──外貌焦慮。你是否曾經對自己的外貌感到不滿？是否因此而感到焦慮和困擾？別擔心，因為我們為你帶來了一個特殊的自我檢測工具，它將幫助你了解自己的外貌焦慮指數以及與情緒的連結。現在就讓我們一起來了解FACE自我檢測吧！
QA問答是自然語言處理NLP中蠻困難的一項任務， 必須從一段文本中識別出使用者的提問，像搜尋引擎就是一種QA的應用， 從眾多的問題中找答案， 那就讓我們親手來打造一下自己專屬的QA系統吧！
找看看有哪些可用模型
在「【Hugging Face】Ep.3 前往Dataset掏金趣」我們有介紹過Hu
.jpg)
這次來介紹一下NLP自然語言處理中重要的一個任務「命名實體識別(Named Entity Recognition)」， 這個任務主要識別出「人名」、「地名」、「公司」…等實體， 透過這些實體辨識結果， 可以近一步的理解意圖， 甚至判斷出該文章主要在講什麼重點…等。
關於更多NER的細節歡迎閱讀: 「
前面我們介紹了「【Hugging Face】Ep.1 平凡人也能玩的起的AI平台」， 我們都知道「詞」是NLP世界中的最小單元， 關於詞的知識歡迎參考:
簡單來說，主要的目的是將文本轉換為模型可以處理的數據， But…， 他主要的任務並不是像jieba…等斷詞器一樣， 而是很單純的扮演文字與模型的橋
接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議
分析兩位候選人政策利多/ 利空的板塊和股票
🤔為什麼團長的能力是死亡筆記本?
🤔為什麼像是死亡筆記本呢？
🤨作者巧思-讓妮翁死亡合理的幾個伏筆
Face to sticker 是一個在Replicate上很熱門的model。使用者只要透過上傳自己的大頭照，後台就會快速的將你的圖片變成貼紙。
後台的操作很簡單，只要先上傳一張照片，然後點擊Generate並等待約30-45秒之後，就會產生圖片。
在facetosticker網站註冊之後
「 face-to-sticker」是一款免費工具，操作非常簡單，只需要上傳一張圖片，透過分析照片中的臉部特徵和表情，就可以將您的照片轉換為美式風格的貼紙。
前面幾個篇章已經大致上介紹了Hugging Face這個平台的一些基本概念了，既然我們都能夠在平台上找到各式各樣的模型，而且也能夠照著教學一步步的來下載並使用，但有沒有更簡單的方式呢？
比如說，我們專注在應用端上的開發，AI的推理就藉由平台進行呢？ 答案肯定是有的，近期越來越多開源的平台也都開放這
我們過往介紹了幾個關於文字AI應用的篇章：
【Hugging Face】Ep.5 文字世界中的超能力語言英雄(Named Entity Recognition)
【Hugging Face】Ep.6 解決問題的專業級破關知識家(Question Answering)
但單獨的文字應用似乎不太能
圖片來源…
🔍 Huggingface dataset map increase disk space
我們在「【Hugging Face】Ep.3 前往Datasets掏金趣」有稍微介紹過Dataset在Hugging Face裡面扮演著什麼樣的角色，以及如何使用，沒錯! 它非常的好用，也很
今天我們將探討一個現代社會中普遍存在的問題──外貌焦慮。你是否曾經對自己的外貌感到不滿？是否因此而感到焦慮和困擾？別擔心，因為我們為你帶來了一個特殊的自我檢測工具，它將幫助你了解自己的外貌焦慮指數以及與情緒的連結。現在就讓我們一起來了解FACE自我檢測吧！
QA問答是自然語言處理NLP中蠻困難的一項任務， 必須從一段文本中識別出使用者的提問，像搜尋引擎就是一種QA的應用， 從眾多的問題中找答案， 那就讓我們親手來打造一下自己專屬的QA系統吧！
找看看有哪些可用模型
在「【Hugging Face】Ep.3 前往Dataset掏金趣」我們有介紹過Hu
這次來介紹一下NLP自然語言處理中重要的一個任務「命名實體識別(Named Entity Recognition)」， 這個任務主要識別出「人名」、「地名」、「公司」…等實體， 透過這些實體辨識結果， 可以近一步的理解意圖， 甚至判斷出該文章主要在講什麼重點…等。
關於更多NER的細節歡迎閱讀: 「
前面我們介紹了「【Hugging Face】Ep.1 平凡人也能玩的起的AI平台」， 我們都知道「詞」是NLP世界中的最小單元， 關於詞的知識歡迎參考:
簡單來說，主要的目的是將文本轉換為模型可以處理的數據， But…， 他主要的任務並不是像jieba…等斷詞器一樣， 而是很單純的扮演文字與模型的橋