dotey 谈 AI 语音书制作:建议用大语言模型标注多音字再交 Agent 操作 TTS
dotey 回应用户关于自制听书资源的咨询,认为 AI 语音书仍不如专业真人朗读,多音字错误还可能误导小朋友,有高质量真人版本应优先选真人。若要用 AI 制作,他建议先让大语言模型过一遍发音,再用 Agent 操作 TTS,标注多音字拼音、停顿位置和情感后生成,效果会好很多。他表示付费方案普遍优于开源,自己用 Gemini TTS 只是顺手而非最好。
dotey 回应用户关于自制听书资源的咨询,认为 AI 语音书仍不如专业真人朗读,多音字错误还可能误导小朋友,有高质量真人版本应优先选真人。若要用 AI 制作,他建议先让大语言模型过一遍发音,再用 Agent 操作 TTS,标注多音字拼音、停顿位置和情感后生成,效果会好很多。他表示付费方案普遍优于开源,自己用 Gemini TTS 只是顺手而非最好。
Tim Pan 发布了 iPhone Duo 折叠屏手机的使用评测,重点测试折叠一万次后的表现。资料中未提供更多评测结论与具体参数。
Anthropic 推出研究预览版 Claude Duet,一个会主动找用户的 AI 智能体应用:每天发简报、在云端电脑上代做任务,底层为 Opus 5.5。目前仅对美国 Pro 和 Max 订阅用户开放候补名单,预览期不另收费、与 Claude 共用套餐额度,可连 6000 多个连接器;发消息、付款等操作前需用户批准,证券买卖和转账即使批准也不执行。
推荐理由:原文梳理了 Claude Duet 的主动助理机制、订阅开放范围与安全设计,并与同期几款同类产品做了对比,便于读者评估差异。
10 月 21 日 GitLab 修复一个 CVSS 满分 10 分的漏洞(CVE-2026-110264),某些条件下外人不用登录就能在自建服务器上运行任意程序,2014 年 7.0 版以来的所有自建版本都受影响,这是六周内第三个满分漏洞。
宝玉梳理两个多月里四家公司的同类云端智能体产品:xAI 的 Grok Bot(8 月 11 日)、Meta 的 Muse(9 月 8 日)、OpenAI 的 Dots(9 月 29 日)和 Anthropic 的 Claude Duet。
印度发证机构 eMudhra 的 8 枚中间证书私钥小于 256,安全研究员 Scott Helme 举例 4、56、115,称不到一秒即可算出;持有者可假扮任意网站截取或篡改数据。
Tw93 分享如何在 Mac 上开发原生 Windows 软件,以 Mole Windows 版为例讲解编译测试环境搭建和踩坑经验。
PHP 官方 10 月 21 日紧急发布 8.5.12、8.4.27、8.3.36、8.2.35,修补两个免登录即可在服务器执行任意代码的严重漏洞(CVE-2026-109618、CVE-2026-109619,研究者称 PHP2Shell)。
晚点 LatePost 报道称,三十岁上下的年轻技术人正进入中国核心 AI 公司的权力中心,未待商业成功即掌握研发决策权。
微信的 AI 入口是自研的小微,底层是自研小参数大模型,而非腾讯的混元,原因是数据与隐私安全促使微信不交给任何内部团队。微信上基本存在小微、元宝和混元三个模型,元宝算是一个业务,目前混元接入居多。未来腾讯内部大部分团队(包括微信中很多业务)预计将接入混元,而微信继续自研小微。
DeepSeek 将支撑 V4.1-Flash 大规模线上服务的推理框架 DeepInfer 开源,Apache 2.0 协议可免费商用,并配套开源了 MIT 协议的 deepseek-recipe,用于把 OpenAI 和 Anthropic 常见请求格式对齐到官方 API 逻辑。
swyx 转述 DeepSeek 在知乎发布并全面开源的自研推理框架 DeepInfer,称其以高吞吐、低延迟支撑 DeepSeek-V4.1-Flash 大规模推理服务。
推荐理由:原文转述 DeepSeek 开源推理框架 DeepInfer 的吞吐与每卡收入数据,并给出毛利估算角度,方便读者自行核算其成本主张。
宝玉分享经验:Claude 等前沿模型不指定时默认用 shadcn/ui,成品容易雷同令人审美疲劳。他介绍 Claude Design 会引导用户先导入或制作设计系统(Design System),之后做 PPT、网页、视频都沿用同一套系统,保证风格一致;不用 Claude Design 也可借鉴此法,并选用开源设计系统如 Adobe 的设计系统。
ChatGPT 开始推送“锁定聊天”(Locked Chats)功能,覆盖免费版、Go、Plus、Pro 及企业版、教育版,陆续开放。锁定对话会从常规聊天记录和搜索中移出,网页版和桌面版用 PIN 解锁,受支持的手机可用 PIN、Face ID、Touch ID 或手机锁屏解锁。锁定聊天中的新消息不会更新普通聊天的记忆;与临时聊天不同,锁定聊天会一直保留,适合以后还要继续聊但不想被他人看到的对话。
dotey 转发分享自己的 AI 辅助设计方法:先让 AI 收集已有的设计风格和设计规范,并用常见形状展示出来形成大概印象。这样通过先做选择来降低设计上“抽卡”式的试错成本。
OpenAI 10 月 20 日宣布收购药物研发协调平台 Orchestra Bio,收购金额与条款未公开,团队和技术并入其生命科学模型与工具系列 Rosalind。
Santiago 回顾三个时间点的"软件已死"论调:1994 年被劝去当医生或律师、2004 年被警告工作会被时薪 $5 的印度工程师抢走、2014 年是 no-code 的冲击。他认为每一次预言都落空,对优秀软件工程师的需求如今依然高涨。
dotey 发现 Claude Code Desktop 在任务卡片上新增了点击选择模型的选项。此前任务卡片会默认为每个新任务启动 Fable 模型,成本高而不敢随便开卡,现在可以自行选模型,降低使用门槛。
Every 的《How Codex Happened》一文详细讲述了 OpenAI Codex App 的研发历程,核心操刀者是 Tibo 和 Andrew Ambrosino。
AI 安全组织 Encode 法律总顾问 Nathan Calvin 10 月 19 日在 X 发长文,质疑 Anthropic 是安全组织还是竞赛选手,并举出约 5000 亿美元算力协议、Claude 主导内部研发比例升至 26% 等例子。