Загрузка видео...

Не удалось загрузить видео

На главную

Claude Code创始人Boris和团队成员的20分钟内部对话，信息密度极高 “不跟agent对话，跟loop对话，让loop替我来prompt” “从 4.6 起就不用 plan mode 了，全开 auto mode” “不需要prompt engineering和context engineering。给模型最精简的必要上下文和工具，让模型自己探索方案” “一半的工程在手机上完成，走路时和agent语音对话” 建议收藏看完，价值远超普通vibe coding教程

Saccc_c's profile picture

Sac

26,876 subscribers

109,249 просмотров • 1 месяц назад •via X (Twitter)

ИскусствоОбразованиеНаука и технологии
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

Dia：一个由两人小团队开发的完全开源语音模型 能“一步生成”极为逼真的多角色对话语音 能直接根据对话文本生成自然、有情感的多说话人语音 可用音频条件（prompt）进行控制，实现情感、语调的定制。 可通过音频prompt实现声音克隆 权重和推理代码完全公开 单步对话生成：一次性生成完整对话（支持多说话人，如[S1]、[S2]标签）。 非语言标签支持：支持丰富的非语言动作标签，增强真实感。
1:10

Dia：一个由两人小团队开发的完全开源语音模型 能“一步生成”极为逼真的多角色对话语音 能直接根据对话文本生成自然、有情感的多说话人语音 可用音频条件（prompt）进行控制，实现情感、语调的定制。 可通过音频prompt实现声音克隆 权重和推理代码完全公开 单步对话生成：一次性生成完整对话（支持多说话人，如[S1]、[S2]标签）。 非语言标签支持：支持丰富的非语言动作标签，增强真实感。

小互

28,964 просмотров • 1 год назад

非常有意思的一个项目，一个AI聊天画布工具：Tangent，你可以基于一个聊天主题创建不同的对话分支，并且对话内容可以在画布上可视化出来，像一个思维工作台，特别适合头脑风暴 1、你可以创建多个对话分支，支持合并、对比和删除分支 2、达到上下文长度限制后可无缝恢复对话 3、可以在任意点创建对话分支，支持在不同分支间切换 4、支持导入Claude和ChatGPT的对话记录 5、支持离线使用 #AI对话管理工具 #Tangent
1:03

非常有意思的一个项目，一个AI聊天画布工具：Tangent，你可以基于一个聊天主题创建不同的对话分支，并且对话内容可以在画布上可视化出来，像一个思维工作台，特别适合头脑风暴 1、你可以创建多个对话分支，支持合并、对比和删除分支 2、达到上下文长度限制后可无缝恢复对话 3、可以在任意点创建对话分支，支持在不同分支间切换 4、支持导入Claude和ChatGPT的对话记录 5、支持离线使用 #AI对话管理工具 #Tangent

AIGCLINK

16,564 просмотров • 1 год назад

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。 最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。 不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub： 主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求， 可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。
0:34

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。 最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。 不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub： 主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求， 可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。

GitHubDaily

44,053 просмотров • 10 месяцев назад

Anthropic 工程师用半小时完整讲述如何建立一个完整的自我提高优化的Loop流程 并且使用实际案例验证loop是多么的好用 没有冗余的提示词 没有一轮又一轮的对话 收藏起来
30:56

Anthropic 工程师用半小时完整讲述如何建立一个完整的自我提高优化的Loop流程 并且使用实际案例验证loop是多么的好用 没有冗余的提示词 没有一轮又一轮的对话 收藏起来

Easycompany

270,451 просмотров • 15 дней назад

阶跃星辰开源了一个130B 语音-文本的多模态模型 ：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。 该模型通过多模态训练，使得语音理解与生成可以无缝对接。 主要能力： 语音克隆 支持多种语言对话（中文英日） 情绪控制与语调控制 支持方言 可控制语速及韵律风格 支持RAP和哼唱等 集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。
1:35

阶跃星辰开源了一个130B 语音-文本的多模态模型 ：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。 该模型通过多模态训练，使得语音理解与生成可以无缝对接。 主要能力： 语音克隆 支持多种语言对话（中文英日） 情绪控制与语调控制 支持方言 可控制语速及韵律风格 支持RAP和哼唱等 集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,755 просмотров • 1 год назад

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。 看在藏师傅生病肝教程的份上希望各位多多支持，下面是具体步骤🧶
0:43

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。 看在藏师傅生病肝教程的份上希望各位多多支持，下面是具体步骤🧶

歸藏(guizang.ai)

393,976 просмотров • 3 лет назад

兄弟们 炸裂了 这个语音专文本TTS模型 应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音，中英文混合等。 模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub： 详细介绍：
5:26

兄弟们 炸裂了 这个语音专文本TTS模型 应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音，中英文混合等。 模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub： 详细介绍：

小互

296,582 просмотров • 2 лет назад

找到了以前和空姐的微信对话，也是一种回忆吧，想象一下你坐飞机遇见了好看的空姐，她颜值不差的，然后跟你聊天，把眼睛闭上，慢慢的倾听着10分钟的对话，对话语音条的方式发送，她给你诉苦今天有多累，让你好好心疼她…
10:23

找到了以前和空姐的微信对话，也是一种回忆吧，想象一下你坐飞机遇见了好看的空姐，她颜值不差的，然后跟你聊天，把眼睛闭上，慢慢的倾听着10分钟的对话，对话语音条的方式发送，她给你诉苦今天有多累，让你好好心疼她…

我的约会日记

67,287 просмотров • 2 месяцев назад

豆包实时语音模型3.0 API 上线 看演示还是很牛P的，能干不少事情了 全双工：能同时听和说，像真人聊天那样可以随时插话 端到端：语音进、语音出，不进行转录，更快、更自然。 精准遵循 + 适时参与： 你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」， 它就安静待命，等话题真到了再主动接话 最关键的一步升级： 它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。 这等于从「语音助手」往「语音 Agent」迈了一步
1:38

豆包实时语音模型3.0 API 上线 看演示还是很牛P的，能干不少事情了 全双工：能同时听和说，像真人聊天那样可以随时插话 端到端：语音进、语音出，不进行转录，更快、更自然。 精准遵循 + 适时参与： 你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」， 它就安静待命，等话题真到了再主动接话 最关键的一步升级： 它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。 这等于从「语音助手」往「语音 Agent」迈了一步

小互

26,728 просмотров • 22 дней назад

如果有一天全世界都没电了，你还能怎么用 AI ？ 2个脑洞清奇的老哥给出了他们自己的答案： 手摇式 AI设备 ——成功弥补了Ai 界没有拖拉机的遗憾😂 这个完全靠手摇发电跑起来的 AI，叫 CrankGPT。 是来自Squeez Labs的两位工程师做的一个硬件实验项目，核心思路是：AI 不需要电网，也不需要云端服务器。 整套设备由树莓派 5、定制电容板、手摇发电机和一组本地语音、语言模型组成。摇动手柄供电，对着麦克风说话，设备在本地完成语音识别、语言模型推理和语音合成，全程不联网。从开口到听到回答，最快 0.8 秒。 这不是某家公司的商业产品，目前是两人的独立开发项目，已完整开源了技术方案和构建细节。 现阶段的演示以语音对话为主，也跑过小尺寸图像生成、代码编写和诗歌创作。 他们表示，只要存储介质不损坏，这套设备理论上可以使用一百年！
1:10

如果有一天全世界都没电了，你还能怎么用 AI ？ 2个脑洞清奇的老哥给出了他们自己的答案： 手摇式 AI设备 ——成功弥补了Ai 界没有拖拉机的遗憾😂 这个完全靠手摇发电跑起来的 AI，叫 CrankGPT。 是来自Squeez Labs的两位工程师做的一个硬件实验项目，核心思路是：AI 不需要电网，也不需要云端服务器。 整套设备由树莓派 5、定制电容板、手摇发电机和一组本地语音、语言模型组成。摇动手柄供电，对着麦克风说话，设备在本地完成语音识别、语言模型推理和语音合成，全程不联网。从开口到听到回答，最快 0.8 秒。 这不是某家公司的商业产品，目前是两人的独立开发项目，已完整开源了技术方案和构建细节。 现阶段的演示以语音对话为主，也跑过小尺寸图像生成、代码编写和诗歌创作。 他们表示，只要存储介质不损坏，这套设备理论上可以使用一百年！

PANews丨APP全面升级

14,533 просмотров • 20 дней назад

我的声音被克隆了？效果惊人 | F5 TTS语音合成模型体验和本地部署全流程 最近超火的F5 TTS语音合成模型，据说效果惊艳，而且完全开源，还能在消费级设备上运行，今天就带大家一起体验一下这个神奇的AI工具。 我会用自己的声音进行克隆，看看效果如何，还会分享如何在Hugging Face和本地运行F5 TTS模型，包括安装教程和一些实用技巧。 时间戳 0:00 - F5 TTS简介 0:42 - Demo演示：使用我的声音进行克隆 3:05 - F5 vs E2：模型对比和技术解读 4:32 - 本地部署详细演示 6:51 - F5 vs E2 生成效果对比
8:26

我的声音被克隆了？效果惊人 | F5 TTS语音合成模型体验和本地部署全流程 最近超火的F5 TTS语音合成模型，据说效果惊艳，而且完全开源，还能在消费级设备上运行，今天就带大家一起体验一下这个神奇的AI工具。 我会用自己的声音进行克隆，看看效果如何，还会分享如何在Hugging Face和本地运行F5 TTS模型，包括安装教程和一些实用技巧。 时间戳 0:00 - F5 TTS简介 0:42 - Demo演示：使用我的声音进行克隆 3:05 - F5 vs E2：模型对比和技术解读 4:32 - 本地部署详细演示 6:51 - F5 vs E2 生成效果对比

nicekate

73,650 просмотров • 1 год назад

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话 效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用 基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能 模型最终输出带 AI 声明水印 支持中/英文 MIT许可证 #TTS #VibeVoice
1:08

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话 效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用 基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能 模型最终输出带 AI 声明水印 支持中/英文 MIT许可证 #TTS #VibeVoice

AIGCLINK

40,124 просмотров • 10 месяцев назад

Anthropic官方团队亲自演示Claude Code正确打开方式， 这才是真正的高阶用法！ 全程仅需30分钟，完全免费，主讲人就是Claude Code的核心开发者。 一定要去看这场工作坊，建议直接收藏！ 它带来的价值，远比那些标价几百美元的付费课程要高得多。 你平时也在用Claude，但大概率还不知道它藏着40个实用指令…… 看完直接上手，效率和玩法直接起飞！ 搜索“Anthropic Claude Code Workshop”就能找到，抓紧时间！
3:52

Anthropic官方团队亲自演示Claude Code正确打开方式， 这才是真正的高阶用法！ 全程仅需30分钟，完全免费，主讲人就是Claude Code的核心开发者。 一定要去看这场工作坊，建议直接收藏！ 它带来的价值，远比那些标价几百美元的付费课程要高得多。 你平时也在用Claude，但大概率还不知道它藏着40个实用指令…… 看完直接上手，效率和玩法直接起飞！ 搜索“Anthropic Claude Code Workshop”就能找到，抓紧时间！

Huan

49,730 просмотров • 2 месяцев назад

Codex 本身不绑定 OpenAI——真正卡住你的，是默认的 API 密钥。 大多数开发者以为 Codex 必须搭配 OpenAI 账号，其实它的核心是一个 agent loop：接收自然语言指令 → 调用模型生成代码 → 返回结果。只要替换模型接入点，这个 loop 就能跑在任何国产模型上。绕过限制不是 hack，而是理解 agent 架构的杠杆。 视频里演示了如何用 DeepSeek 的 API Key 替代 OpenAI，让 Codex 在 90 秒内完成首次对话。
1:29

Codex 本身不绑定 OpenAI——真正卡住你的，是默认的 API 密钥。 大多数开发者以为 Codex 必须搭配 OpenAI 账号，其实它的核心是一个 agent loop：接收自然语言指令 → 调用模型生成代码 → 返回结果。只要替换模型接入点，这个 loop 就能跑在任何国产模型上。绕过限制不是 hack，而是理解 agent 架构的杠杆。 视频里演示了如何用 DeepSeek 的 API Key 替代 OpenAI，让 Codex 在 90 秒内完成首次对话。

Martin

51,405 просмотров • 8 дней назад

还有不会配置，不会使用Claude Code的小白，就看我这期视频！不教你复杂的官方配置，就用智谱国产模型平替，五分钟上手！ Claude Code能干嘛？啥都能干，打开手机备忘录，语音输入任何你想要说的话（碎碎念也可以），打开cc的plan mode，把这段话发给他，看下它能带给你哪些惊喜。
1:54

还有不会配置，不会使用Claude Code的小白，就看我这期视频！不教你复杂的官方配置，就用智谱国产模型平替，五分钟上手！ Claude Code能干嘛？啥都能干，打开手机备忘录，语音输入任何你想要说的话（碎碎念也可以），打开cc的plan mode，把这段话发给他，看下它能带给你哪些惊喜。

逸尘

262,323 просмотров • 3 месяцев назад

香港科技大学开源了一个很牛的音乐生成模型 - 最多可以生成 5 分钟的带人声音乐 - 支持中文普通话和粤语 - 在RTX 4090 上，生成30s音频大约需要360秒 - 标签组成为：类型，仪器，情绪，性别和音色
0:59

香港科技大学开源了一个很牛的音乐生成模型 - 最多可以生成 5 分钟的带人声音乐 - 支持中文普通话和粤语 - 在RTX 4090 上，生成30s音频大约需要360秒 - 标签组成为：类型，仪器，情绪，性别和音色

歸藏(guizang.ai)

93,766 просмотров • 1 год назад

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
2:15

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

46,978 просмотров • 2 месяцев назад

最近中共当局在高考体系中取消藏语文课程，以后藏语文可能变为选修课的图谋受到西藏年轻人的极大关注和反响。 这位直播女孩安慰她的朋友GaGa不要灰心，对藏民族的语言文化要有信心和希望，要有文化自信，我们要团结，一起传承藏文化让它生生不息，永不消失。💪👍哦对了，之前此话题的视频被抖音禁止了
0:58

最近中共当局在高考体系中取消藏语文课程，以后藏语文可能变为选修课的图谋受到西藏年轻人的极大关注和反响。 这位直播女孩安慰她的朋友GaGa不要灰心，对藏民族的语言文化要有信心和希望，要有文化自信，我们要团结，一起传承藏文化让它生生不息，永不消失。💪👍哦对了，之前此话题的视频被抖音禁止了

萨格尔扎西 SakarTashi

21,448 просмотров • 1 год назад