更多动态
快手可灵 KlingAvatar 2.0 更新了，不仅是“对口型”，现在连肢体动作和微表情都能根据语气自动演，解决了只动嘴不走心的痛点。 这两天就在用它跑几个 Demo，这几点感知很明显： 1️⃣ 懂戏的“AI 导演”：以前的数字人像木头，这次引入了 Co-Reasoning Director，我试了段激昂的演讲，它居然会自动配上手势和眉头紧锁的表情，不用自己手搓关键帧。 2️⃣ 长视频稳了：之前的模型生成超过 1 分钟脸就容易崩，这次实测生成 3 分钟以上的连续讲解，人物 ID 和衣服纹理都没“飘”，对做课件或长视频很友好。 渲染支持 1080p/48fps，虽然跟专业实拍还有细微质感差距，但发发 YouTube 或做虚拟客服展示足够了。 你们现在做数字人还在用 HeyGen 还是已经转战国产模型了？ #AI视频 #KlingAvatar #内容创作 #独立开发 #效率工具
，手里的医疗听写项目终于不用硬磕 Whisper 了。 专门死磕医疗术语的 105M 小模型，本地跑得飞快。 1️⃣ 实测对比：以前用 Whisper v3 转录英文问诊，遇到“Hydrochlorothiazide”这种生僻药名经常乱飘，这次挂上 6-gram LM，错误率直接压到了 4.6%，比通用大模型还狠。 2️⃣ 边缘端友好：我在 M1 Air 上跑非常丝滑，不用传云端。对于做医疗垂直的 SaaS ，这种“离线+高精”是刚需。 ⚠️ 目前只支持英文（美音为主），做跨境医疗/科研的兄弟可以冲，做国内业务的还得再等等。 #AI工作流 #独立开发 #本地部署 #医疗AI #MedASR
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。
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。
