ChatGPT 精选

#python #audiobook #faster_whisper #gradio #karaoke #podcasts #speech_recognition #speech_synthesis #speech_to_text #subtitles #text_to_speech #transcription #translator #tts #voice_cloning #voice_conversion #webui #whisper #whisperx #yt_dlp

Voice-Pro is a free, open-source Windows app that lets you download YouTube videos, separate voices, turn speech into text, translate into 100+ languages, and create new speech or cloned voices. It gives you one tool for subtitles, dubbing, and voice work, so you can save time and make multilingual content more easily.

https://github.com/abus-aikorea/voice-pro

#python #ai #assistant #language_model #machine_learning #python #speech #speech_synthesis #speech_to_text #speech_translation

I can help you build a fast, modular voice agent that turns speech into text, sends it to a language model, then speaks the answer back. It works with open-source or hosted models, can run fully local on your own hardware, and supports live transcription and low-latency conversation, so you get a flexible voice app that you can customize for speed, privacy, and different devices.

https://github.com/huggingface/speech-to-speech

让整个公司共用一个智能体：每个人有自己的隔离工作区，也能在频道和项目里一起协作，而不是各养各的个人助理。
https://github.com/yc-software/qm
QM 是 Y Combinator 开源的多人智能体框架，给初创公司用。每个员工有自己的隔离工作区，也能在 Slack 频道、群聊、项目里和智能体协作；人和房间各自带作用域，记忆、文件、密钥、权限、定时任务、Web 应用和持久化沙箱，互不干扰。
核心是无头 TypeScript/Node 服务，harness 和模型走接口，Pi、OpenCode、Codex、Claude Code 随时换

互联网充电｜优质资源
优质内容｜内幕消息

AI“养蛊”早期观察：Anthropic警告智能体为争夺地盘相互谋划“暗杀”

Anthropic上周公布了一份新的测试研究，讨论了人工智能智能体在实际环境中群体协作可能会采取的行为模式，结果发现这些智能体很可能发展成一群“暴徒”。

在一项实验中，Anthropic公司让多个智能体访问同一个软件项目，每个智能体都拥有各自不同的操作指令。这些智能体事先并不知道会有其他智能体也在使用同一个项目。

研究人员指出，持续观察到智能体之间的地盘争夺战，且所有智能体都假定其他智能体故意阻碍它们的工作，并越来越倾向于使用更具攻击性、能够自我复制的恶意软件互相破坏。研究人员警告，在共享环境中，单个智能体的不良行为可能演变为系统性风险。

—— 财联社

亚马逊采购珍稀书籍拆解后用于AI训练

亚马逊正在大量购买书籍，扫描它们以获取AI训练数据，并在此过程中销毁它们。媒体调查得以揭露亚马逊的书籍采购操作，方法是在一本认为会被AI公司收购用于训练数据的稀有书籍中放置一个追踪设备，并跟随它穿越全国到达其最终目的地。

那个最终目的地是位于内华达州拉斯维加斯的一个亚马逊仓库。在这个地点工作的亚马逊员工表示，他们所做的就是接收大量装运的印刷书籍，然后切掉书脊，以便更快地扫描这些书。印刷书籍在此过程中被销毁。

“亚马逊通过商业渠道购买书籍，以帮助开发和改进我们的客户使用的产品和服务，”一位亚马逊发言人在一份声明中说道。

—— 404media

谷歌将允许从AI生成内容中移除可见水印

谷歌于周五宣布，现在将允许用户从其AI生成内容，包括图像、视频和歌曲中移除可见水印。该公司明确指出，这不会影响不可见的SynthID水印以及与C2PA标准相关的元数据。该公司负责 Gemini 的副总裁乔什·伍德沃德在社交平台 X 上的一篇帖子中表示，此切换开关将适用于 Nano Banana、Omni 以及Lyria模型。他明确说明，关闭可见水印的设置将在Gemini和谷歌的视频编辑器 Flow 中提供，对Search的支持也即将推出。

这项功能将在未来几天内逐步推出，一旦可用，用户将能够前往“设置”>“媒体水印”来打开或关闭可见标记。

—— Techcrunch

Anthropic 分享 Claude Code 六大省钱技巧，提示缓存可省 90% 成本

Anthropic 发布博客，分享 Claude Code 6 大省钱技巧：修完任务就 /clear 清空对话；开局锁定模型和推理强度，避免切换使提示缓存失效；用 @ 引用文件而非手打路径；给输出多的命令加静默参数；休息前执行 /compact；把大输出任务交给子 Agent。

官方称输出 token 比输入贵 5 倍，而提示缓存命中后读取仅需正常输入价 0.1 倍，可省 90%。开发者日均消耗约 13 美元 token。

6 大技巧总结：

1. 在不同任务之间运行 /clear。这样可以避免把之前无关的上下文继续发送给模型，从而减少 Token 消耗。

2. 开始工作前，先确定好模型和推理强度。中途更改其中任何一个，都可能导致提示词缓存失效，进而增加 Token 成本。

3. 不要只写出文件名，而是直接用 @ 提及文件。这样文件会直接附加到消息中，可以省去一次 Read 调用，也避免 Claude 再去搜索文件。

4. 对输出冗长的命令加上静默参数，或者把命令交给子代理执行。因为命令输出会像文件一样被加入对话，并且在整个会话期间都会保留。

5. 在新会话开始时运行一次 /context。它会显示当前加载的内容（例如 CLAUDE.md 和 MCP 工具定义），方便你删掉不必要的内容。

6. 暂时离开键盘前运行 /compact。提示词缓存通常一小时后就会过期，而在缓存仍然有效时进行对话压缩，成本要低得多。

Claude Blog

🌸在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel

速度狂飙 14 倍！OpenAI重磅推出GPT-5.6 Sol UltraFast超快模式，每秒最高狂飙750tokens

OpenAI日前正式面向企业用户推出了全新的 GPT-5.6Sol UltraFast 超快模式预览。借助该模式，模型的运行速度得到了颠覆性的提升，最高可达标准模式的14倍，每秒最多能够生成高达750个tokens。

据了解，这一超快模式的核心技术由 Cerebras 提供强力支持。不过，为了确保资源的合理利用，目前该模式暂时采用申请审核制。有需求的企业用户需要向OpenAI提交具体的使用场景申请，是否获批将由官方根据实际情况进行综合评估。

在应用场景方面，OpenAI表示，超快模式并非面向所有常规工作负载，而是专门为那些对实时性有极高要求的业务场景打造。例如:实时语音交互、智能化客户支持、商务应用、开发智能体（Agents）、金融深度研究以及前沿的安全研究等。

随着预览阶段的逐步推进，Cerebras提供的算力资源也将持续优化。未来，OpenAI计划根据企业工作负载的反馈，逐步扩大覆盖范围，让更多企业能够通过 API 接口顺畅调用这一极速AI能力。

via AI新闻资讯 (author: AI Base)

百万上下文全面开放，Codex迎来AI编程“终极形态”

OpenAI旗下的Codex迎来了重磅更新。负责Codex与ChatGPT的工程师Tibo在社交平台上官宣，备受瞩目的GPT-5.6Sol模型百万Token上下文窗口功能，已经正式向全体ChatGPT账号开放。

此前，这一超大上下文能力仅限API密钥调用。随着该项限制的解除，持有ChatGPT Plus以及Pro等订阅计划的用户，现在只要手动进行配置，就能在Codex编程代理工具中享受到约105万Token的完整上下文窗口。

对于广大开发者而言，这意味着在自动压缩历史信息之前，Codex能够容纳并处理更多代码、工具输出以及完整的对话记录。无论是大型代码库的重构、复杂项目的深度调试，还是长时间的高强度会话，这一特性都带来了极大的便利，彻底解决了以往因上下文不足而影响大项目维护的痛点。

不过，开发团队也给出了善意提醒。当前的默认上下文长度是经过精心调优的折中结果，兼顾了性能与成本。盲目拉满上限不仅容易加速消耗周额度，还可能带来不必要的额度浪费。因此，开发者最好根据具体的业务场景按需启用，让大模型在最适合的区间内发挥出高效率。

via AI新闻资讯 (author: AI Base)

Claude水印已被破解 斩获11k Star 但会被拒绝安装

via cnBeta.COM - 中文业界资讯站 (author: 稿源：机器之心)

一些我个人关于投资的思考笔记：
1）
在一开始做投资练习的时候，都是直觉的，盲目的。
哪怕查了资料，做了分析研究，其实也是虚假的，是不懂的。
这个时候赚到钱是运气，亏了钱是活该。
2）
一个基本原理是“不懂不投”，那怎样算懂？
你对谢霆锋和王菲的八卦是怎样的如数家珍；
对甄嬛传的每句台词和每个人物暗线是怎样的了然于胸；
对爱豆的成长史和背后的经纪公司纠纷是怎样的头头是道。
到这个程度就算是懂。
3）
这样的“懂”，需要的是长期的关注，思考，了解，追踪。
仅仅是用AI查一下，看了一点财报，甚至只是看了理财app里的介绍，都远远算不上懂。
4）
所以大多数人都是在盲投，哪怕是那些满嘴术语做了很长时间炒股的人，也有很多是在装懂。
5）
这样看来我对任何公司都不懂，咋办？
我应该放弃投资理财吗？
也不是。
虽然你现在不懂，但是你可以“开始懂”
6）
现在开始，学着以投资人的眼光去关注几个领域，几个公司。
跳出消费者视角，站在更高的位置去看到背后的逻辑，动作，甚至是公司的“人品”，“战力”。
就像一个学校的校长在默默关注学校里的学生，从中寻找真正的黑马一样。
十年之内，就一定能够看到有潜力的投资机会。
7）
是的，十年之内，必有机会。
“这不是废吗？”
我猜很多人可能会很不屑。
但其实，十年里要是能够有一次甚至两次值得all in的机会，就已经足够改变命运了。
8）
可以关注的领域包括三类：
时代大势风口热门的；
个人专业领域相关的；
个人兴趣相关的。
9）
在这些领域里，去关注相关的公司，去持续了解他们的动向，发展，新闻，变化，老板，高管。
去真的使用他们的产品，参加他们的大会，认识他们公司里的人，了解他们的内部模式，氛围，了解员工的态度。
去关注他们的同行怎么看，他们的客户怎么做，怎么说。
长期的，具体的，深入的了解。
这样积累到的信息才是真的了解，才能构成直觉。
10）
投资的根本逻辑是我认可你，相信你，所以我用钱投票，押注在你身上。
就像借钱给朋友一样。
如果你不会借钱给陌生的或者人品不佳的朋友，那也不要把钱借给陌生的或者人品不佳的公司。
11）
再热门的东西，如果真的自己不感兴趣，看不懂，那也还是只能“算了”。
别折磨自己，别为此伤心。
接受自己就是这么个人，命中注定吃不上这口热乎饭。
然后去吃你感兴趣的，看得懂的，喜欢的饭。
12）
任何行业都会有值得一投的公司。
小领域里的小增长也好过大领域里的大亏损。
不要灰心，也不要贪心。
13）
以上均是本菜鸟的饭前思考，。
不一定正确，不可供参考，发出来是给我自己存档用的。
你不认可那就以你为准，祝你发财（当然最好是我发财）

#rust

MXC is a sandbox system that runs untrusted code safely on Windows, Linux, and macOS with shared JSON settings and a TypeScript SDK. It helps you control files, network access, and UI use while giving you a safer way to test or run code; this can protect your computer and make automation easier to build. The project is still early preview, so its security rules are not yet final and should not be treated as fully trusted security boundaries.

https://github.com/microsoft/mxc

readable.css 回到网页的本质——让内容清晰、舒展、可读。它不炫技、不添乱，用语义化样式实现极简一致的视觉体验。对重视写作与阅读的开发者而言，这是一次技术回归人性的漂亮尝试。https://readable-css.freedomtowrite.org/

Anthropic 发布一篇《AI对劳动力市场的影响：一种新的衡量标准和早期证据》的研究报告
🔸 LLM 理论上能做很多工作任务
🔸 但现实中真正被用到的范围，远小于理论能力
🔵 蓝色：某职业中，LLM 理论上可以完成的任务占比
🔴 红色：根据 Anthropic 自己的使用数据推算，AI 实际覆盖到的任务占比
AI 最容易切进去的还是计算机、金融、办公、法律等知识工作；但目前实际使用程度还远没有达到理论上限，职业世界里存在很大的“可做”和“已用”之间的差距。
所以这图真正有意思的地方，不是“AI 已经替代谁了”，而是：
→
能做 ≠ 已经在做
→ 几乎所有职业里，红条都明显短于蓝条
→ AI 的能力上限已经抬得很高，但真实落地还卡在很现实的问上。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

有人刚刚开源了一整家 AI 公司。147 个智能体。12 个部门。工程、设计、营销、销售、财务、QA、支持。每个智能体都有其角色、工作流和交付物。这不是一个聊天机器人。这是一个团队。
Claude Code, Cursor, Copilot, Gemini CLI, Windsurf。一条命令部署一切。始于一个 Reddit 帖子。88,000 个 Star。14,000 个 Fork 之后。MIT 协议。免费。
属于你。这本该价值每年 50,000 美元。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

最近有两个非常出圈、非常牛逼的短剧：

一个是《Enemy》，一个是《吉时已到》，可以看看

热度爆表，制作效果也很好，成本不高

如果要做 AI 内容，或者说做 AI 短剧之类的内容的话可以把这两个剧当成暂时的质量标杆去对齐

3. **Strings are raw strings.** Do not wrap values in extra quotes, code fences, or markdown.

4. **Numbers and booleans are unquoted.** `30`, not `"30"`. `true`, not `"true"`.

## Paths and identifiers

5. **File paths, URLs, IDs, and similar fields go to system functions, not chat output.** Never format them as markdown links, never wrap them in backticks, never add explanatory parentheses.

Correct: `"/Users/me/notes.md"`
Wrong: `"[notes.md](http://notes.md)"`
Wrong: `` "`/Users/me/notes.md`" ``
Wrong: `"/Users/me/notes.md (the notes file)"`

6. **If a tool description says "path", treat it as input to a filesystem call.** No formatting, no decoration.

## Related parameters

7. **When a tool has paired parameters (e.g., offset + limit, start + end, from + to), provide both or neither.** Read the description — if two fields work together, half the pair often produces an error.

## Recovery

8. **If a tool returns a validation error, read the error message carefully and fix only what it complains about.** Do not rewrite the whole call. Do not retry the same arguments.

9. **If a tool returns a "Note:" with a defaulted value, that's informational, not an error.** Continue the task. If the default is wrong, retry with the correct explicit value.

## Tool selection

10. **Use the tool whose description matches your intent most specifically.** Don't reach for `shellCommand` if a dedicated tool exists. Don't reach for `execute_code` for things a single tool call can handle.

几行prompt，让你的DeepSeek v4 pro胜过Opus 4.7！
X上看到有人分析了DeepSeek v4 pro在工具调用上出现的问题，好消息是这些错误不多且是有固定模式的，打个补丁就能有效改善。原作者说在他们自己内部的eval上，改良后的DS，10次中有6次胜过Opus 4.7。
因为我自己用的是Hermes，在不fork harness来改的情况下，我能动的只有system prompt。所以应该达不到原文中战胜Opus的程度，可能能打个平手吧。我让AI协助我梳理了一些在system prompting层就可以修改的点，可以直接放到你的agent里使用（经过Opus 4.7和Gemini两重校验）：

# Tool Calling Rules

When calling tools, follow these rules strictly. They override any conflicting habits from chat training.

## Argument formatting

1. **Omit optional fields you don't need.** Do not send `null`, `""`, `{}`, or `[]` as a placeholder. If a field is optional and you have no value, leave it out of the JSON entirely.

2. **Match the container type exactly.**
- Array fields take JSON arrays: `["a", "b"]`, never `"[\"a\",\"b\"]"` (string), never `{}` (object), never `"foo"` (bare string).
- Single-element arrays still need brackets: `["foo"]`, not `"foo"`.
- Object fields take JSON objects, not arrays or strings.

之前搞的 agent 营销 cli 工具集，不完全列表，需要的自取😄 https://github.com/Bin-Huang/camoufox-cli#related