我用 Vibe Coding 做了个 Mac 提词器:小工具也值得被认真做完
用 Vibe Coding 做了一个 Mac 字幕提词器:本地 AI 模型负责自动提词,不必边讲边手动滚动;处理留在本机,素材无需先上云,代价是只支持 Apple 芯片 Mac。为了让录制流程不裂成两截,又加了美颜和滤镜。代码已开源,链接放在视频简介,欢迎下载和改写。
来自实际导入、验证、项目实践中的经验与洞察。
用 Vibe Coding 做了一个 Mac 字幕提词器:本地 AI 模型负责自动提词,不必边讲边手动滚动;处理留在本机,素材无需先上云,代价是只支持 Apple 芯片 Mac。为了让录制流程不裂成两截,又加了美颜和滤镜。代码已开源,链接放在视频简介,欢迎下载和改写。
阅读文章
用 Vibe Coding 做了一个 Mac 字幕提词器:本地 AI 模型负责自动提词,不必边讲边手动滚动;处理留在本机,素材无需先上云,代价是只支持 Apple 芯片 Mac。为了让录制流程不裂成两截,又加了美颜和滤镜。代码已开源,链接放在视频简介,欢迎下载和改写。
11 月 3 日与朋友的小型分享会前,我先做一个把轻音乐自动转成钢琴谱并模拟演奏的热身 Demo,用它验证音频处理与 MIDI 生成链路。之后回到核心产品:用 Neo4j 知识图谱为 Agent 赋予动态的“Why”,并沿 STT 提速、知识碰撞、Why-Action-Reaction 闭环、Ambient IoT 硬件化四个阶段推进。文章也记录了目前尚未确定的问题与每周推进的方式。
参加 +81 Builders 的黑客松,体验了 ai& 用 CLI 与 skills 把 AI 服务变成可部署服务器的做法,以及 MiniMax 视频生成的速度与低成本;更受冲击的是参赛者四小时内用 Neo4j 做出的照片关系解析、音乐分析、流调动态图谱与火灾推演。作者由此感到,仅靠 coding agent 的熟练已不够,开始补课知识图谱。
AI Director 是一个跑在本地的导演工作台,把想法拆成分镜、角色、配音和镜头。它用通过校验的项目 JSON 约束 AI 输出,以 Edge TTS 生成旁白并按镜头时长调整语速,再通过 ai& 的 MiniMax H3 生成视频。本文梳理它的制作流程、时间轴处理、付费任务的边界、本地优先的数据设计,以及显式加载并校验 Skill 的工程取舍。
从 2026 年出现的判断引擎 JVE 出发,把开发抽象成 why 与 action 的 key-value,设想一套由 now 状态驱动的新 runtime:输入当前状态,判断该优先执行哪些 why-action、按什么顺序执行。再把 action 之后的 reaction 作为新输入触发下一个 Y,用类似 browser use 的方式监听 now,并借 interview 帮人建立自己的 why-action 数据库。最后把范围缩小到「帮你找工作」,拆成 interview 应用、action 与软件关联、runtime 循环三步来试。
介绍我 9 月做的一套 App 加服务器语音处理系统。长时间的通话录音被压缩上传到谷歌云,再由一台只有 CPU、没有 GPU 的电脑轮询获取,用 faster-whisper 完成长音频转写,并通过 CLI 启动 DeepSeek Harness 运行 skill。云端系统支持上传自己的 skills 和脚本文件,处理完成后通过手机通知;脚本还能把内容转成三种语言并自动发布到博客。它在核心功能上接近 MUSE 和 Dota,但长语音转写只用 CPU、成本很低。下一步计划加入自动判断引擎,让系统自行决定执行哪些 Action Skills 以及执行顺序。
我在东京参加了 AI Film 黑客松,会场位于富士通川崎塔,并首次使用了 AI 动画工具 Magnific。它内置 MiniMax H3 系列模型和 Google Flash 3.8 TTS,AI Agent 能自动操纵画布搭建 Base,约五小时的活动我不到两小时就完成了十七八段音频驱动视频,合计近两分钟,为宠物 App 制作的宣传 CM 还拿了奖。我也感到 coding agent 正让位于更有表现力的 AI 产品。
以“语音变行动”为理念的 Voice to Action 系统完成。它以家里一台只有 CPU 的小电脑作服务器,配合 App、云端与 Firestore 管理状态,用 Fast Whisper 把语音转成文字;再以 DeepSeek Harness 的 DeepSeek Flash 模型为引擎,执行带 script 的 skills,支持从云端上传并运行。最终实现从录音自动生成日中英三语博客,并通过 API 一键上传。整套方案轻量、不需要 GPU。
面对高价Mac才能流畅使用GPT‑6/Codex的现状,本文介绍如何在秋叶原购买廉价二手PC,安装Ubuntu和DeepSeek Harness,以极低成本体验AI编程(Vibe Coding)。包含详细安装步骤、推荐插件及未来展望。
这是我第二次参加本活动。制作过程中,我将原本的落地页计划调整为通过AR技术将孩子赠送的手绘作品转化为动态动画。利用ChatGPT进行图像生成,并借助Codex在短时间内完成了Web AR的开发。与2012年的研究时期相比,如今只需通过网页浏览器即可轻松实现,这让我深刻感受到了2026年技术发展的惊人进步。这次创作体验不仅完成了作品,更见证了技术的便捷与高效。