最新

Hi HN， 我是 VoGen 的开发者 [<a href="https:&#x2F;&#x2F;vogen.app" rel="nofollow">https:&#x2F;&#x2F;vogen.app</a>]。 我一直对人工智能技术的发展感到着迷，但我发现大多数现有的表达情感的工具都需要昂贵的订阅才能使用。我开发 VoGen 是为了探索如何让 AI 声音更“人性化”且更易于使用。 功能： 语音克隆：您可以使用 3-60 秒的样本克隆声音。它在清晰的、单人录音下效果最佳。 情感 TTS：您可以选择“高兴”、“愤怒”、“悲伤”等情感，而不是平淡的语调。 双语支持：目前支持英语和普通话。 隐私优先的工具：我还添加了一个基于浏览器的音频变速器，它在本地处理文件——对于该特定工具，任何音频数据都不会离开您的机器。 技术栈：前端使用 React.js 构建，并部署在 Vercel 上。对于语音引擎，我使用定制的管道，专注于低延迟推理，同时保持高保真度。 为什么是免费的？目前，VoGen 仍处于早期阶段（MVP）。我想看看人们如何使用它，以及社区对声音质量的期望，然后再考虑盈利。 隐私声明：我知道语音数据的敏感性。我们不会使用您上传的克隆样本来训练我们的基础模型。 我很乐意听取 HN 社区的反馈。无论是关于延迟、情感的自然度，还是 UI/UX，我都洗耳恭听。 哪些功能会让它对您的工作流程更有用？

我们有无数拥有极其复杂输入系统的格斗游戏：冗长的按键组合，精准的时机把握。<p>但当涉及到游戏或交互系统中的舞蹈时，复杂性几乎总是消失不见。 舞蹈游戏通常需要你在摄像头前进行肢体动作，或者踩在踏板上，或者仅仅触发一个单一的表情动画。<p>与此同时，在Roblox等平台上，玩家收集舞蹈动画，并通过在适当的时机触发它们来展示。 有时甚至会有多个玩家同步他们的舞蹈——这已经有点像迪斯科了。<p>所以，一直困扰我的问题是： 为什么我们没有“舞蹈格斗游戏”——通过同样复杂的控制来掌握富有表现力、复杂的舞蹈的系统，使用模式、时机和结构，而不是肢体动作？<p>这个项目是朝这个方向迈出的一小步尝试：<a href="https:&#x2F;&#x2F;github.com&#x2F;bntre&#x2F;threejs-osc-dance" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;bntre&#x2F;threejs-osc-dance</a><p>我正在探索通过一个实时编码的、基于模式的界面（Strudel）来控制角色舞蹈动画，实时混合短动画循环。 这还不是一个游戏，只是一个概念验证——但我很好奇舞蹈是否可以被视为一个熟练的、富有表现力的控制空间，就像格斗游戏的输入或音乐表演一样。

我经常使用 codex exec，但它内置的遥测支持功能不足，难以进行调试和优化。<p>codex-plus 提供了一个 CLI 入口点，其界面与 codex exec 类似，但基于 TypeScript SDK (@openai/codex-sdk) 实现。<p>它在每次运行后将完整的会话日志导出到远程 OpenTelemetry 收集器，然后可以通过 codex-plus-log-viewer 进行调试和优化。<p>请查看 <a href="https://github.com/aperoc/codex-plus" rel="nofollow">https://github.com/aperoc/codex-plus</a>！