用编辑文本的方式精修音频
阶跃星辰 (StepFun AI) 刚开源了 Step-Audio-EditX，一个 30 亿参数的 LLM 级音频编辑模型。它让语音修改变得直观，不再是“录制即定型”。
1️⃣ 迭代式编辑：通过自然语言指令，反复修改语音的情感、风格（如“再温柔一点”）。
2️⃣ 副语言控制：可精确插入笑声 (Laughter)、呼吸 (Breathing)、“嗯” (uhm) 等特征。
3️⃣ 零样本 TTS：支持中、英、粤、四川话的语音克隆，保真度高。
4️⃣ 全链路开源：SFT / PPO 训练代码、模型权重（含 8-bit）全部开放。
🔹 低成本部署提示： 对开发者友好。模型从 13B 压缩至 3B，最低 8GB 显存即可运行 8-bit 量化版本。
适合播客后期、视频配音或个人项目。
GitHub: github.com/stepfun-ai/Step-Audio-EditX
Hugging Face: huggingface.co/stepfun-ai/Step-Audio-EditX
#AI #音频编辑 #开源模型 #StepFun #TTS
用编辑文本的方式精修音频
更多动态
告别付费 PPT，试试这个开源 AI 方案 Presentation-
AI 它能从一句话生成完整演示，是 Gamma.app 的一个有力替代品，核心是免费与数据可控。 🔹 AI 生成：自动生成大纲、内容与 AI 插图（支持 DALL-E 3, Stable Diffusion 等）。 🔹 灵活编辑：提供 9 套模板，支持实时拖拽修改，也可基于 HTML/CSS 自定义主题。 🔹 本地部署：最大亮点是支持 Ollama，数据无需上传云端，保障隐私。 🔹 多格式导出：支持 PPTX, PDF 和 HTML。 官方提供了 Docker 镜像，几行命令就能本地运行。 GitHub: https://github.com/allweonedev/presentation-ai #AI工具 #开源 #PPT #Ollama #生产力工具
用 AI 快速生成短视频的新选项：Grok Imagine
xAI 的目标是做“AI 版 Vine”，17 秒内生成 6-15 秒带音效的短片。 1️⃣ 核心技术: Aurora 引擎。 它采用自回归混合专家架构（非 Sora 的扩散模型），训练时即统一处理音、视、文。 ◦ 好处: 推理快（VRAM 占用低约 40%），音视频原生同步，时序一致性高（不易变形）。 2️⃣ 功能与速度。 支持图生视频、语音输入。速度是核心优势，图像转视频接近秒级响应。 3️⃣ 争议点: Spicy 模式。 允许生成部分 NSFW 内容。这提供了极大创意自由度，但也带来了内容安全风险。 4️⃣ 质量与定位。 目前视觉真实感不如 Sora（Grok 略带“塑料感”），但速度和创意性占优。适合快速迭代和社交媒体内容。 Premium+ 及以上用户已可用，免费用户有图像额度限制。 官网： https://grok.com #GrokImagine #AI视频生成 #xAI #Aurora引擎
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
