本来以为又是个只活在 PPT 里的学术项目，结果看完 LivingSwap 的 Demo，我后背真有点发凉。
以前搞视频换脸，最烦的就是侧脸狂闪和光影崩坏，为了修那些破绽，我在 After Effects 里修帧修到想吐。LivingSwap 这货的路子很野，它不像传统 GAN 那样“逐帧硬 P”，而是把整个视频喂给 AI 做参考（Video Reference Guided）。
简单说，它“懂”这一秒的光打在脸上应该是啥样。
实测下来，那些大动作、甚至脸上带特效妆的复杂镜头，它居然都能稳住不飘，甚至连被风吹起的头发丝投影都能保留。论文里说能把后期人工修复量减少 40 倍，这数据对于我们这种单兵作战的独立开发者来说，简直是救命。
最大的坑：毕竟是基于 DiT 的扩散模型，虽然质量吊打 SimSwap 这种老前辈，但这推理速度慢得像蜗牛。昨晚跑个短片，显卡风扇叫得像要起飞，显存小的机器基本可以告辞了。
这种好莱坞级别的技术下放，以后想做个“数字替身”门槛是真低了...
#AI视频 #独立开发 #LivingSwap #数字游民
本来以为又是个只活在 PPT 里的学术项目
更多动态
昨晚发现了智谱开源的这个 RealVideo
。实测下来最吓人的是延迟只有 2-3 秒。什么概念？以前生成个 5 秒视频够我去冲杯咖啡，现在这玩意儿直接能跟我实时视频通话，连嘴型都能完美对上语音（TTS+视频生成一条龙）。感觉就像给 AI 装了个真·声带和脸，而不是在那念 PPT。 但最大的坑必须吐槽：配置要求太变态了。 文档里写着起步就要两张 80GB 的 H100/H200。虽然技术原理（自回归扩散模型）很强，但普通独立开发者想在本地跑起来，基本是做梦。 #RealVideo #AI工作流 #独立开发 #数字游民
阿里这次开源的通义百聆（Fun-CosyVoice3）属实有点东西
，特别是在“白嫖”和“本地部署”这件事上，给独立开发者留了条活路。 实测下来，几个感觉最明显的点： * 轻得离谱：0.5B 的参数量，直接跑在我的开发本上居然不卡。官方说首包延迟降了 50%，体感就是刚敲完回车，声音就出来了，这就很适合做实时语音助手。 * 嘴替神器：最变态的是 Zero-shot 音色克隆。我随便录了段 3秒 的普通话，它居然能完美复刻我的音色去讲日语和英语。对于我这种想做 Global 内容但口语又烂的人，简直是救命稻草 🤯。 * 避坑指南：别信什么“完美接近人类”，在极度嘈杂的背景音下取样，克隆出来的声音还是会有明显的“电音感”。而且环境配置有点折腾，Python 依赖地狱警告 😤。 相比云端 API 按字符收费的肉疼，这种能塞进本地 Docker 的方案才是真香。 趁现在代码刚热乎，赶紧去 Pull 下来试试。 #AI工作流 #独立开发 #数字游民
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。
