文章系统梳理了 2026 年主流开源 TTS 方案：CosyVoice 2 低延迟流式，适合实时语音 Agent 与数字人；GPT-SoVITS 擅长小样本音色微调与克隆；ChatTTS 拟人口语自然，适合 AI 播客；F5-TTS 与 Breeze-TTS 2 基于流匹配免对齐克隆，稳定性好；Fish Audio Drama 3 情绪表现力全面但算力要求高；MaskGCT 鲁棒性强，可处理气声耳语等极端发音；KittenTTS 2 体积极小，可在 CPU 端侧运行。各方案定位不同，读者可按延迟、音色、表现力与资源需求选型。
作者通过分析@JuneDangg 的 X 后台数据（55 天大盘数据及 696 条发帖互动记录），发现这位有丰富商业实操经历的创业者在 X 上内容留存差的根源：回复互动贡献了 83.3% 的曝光，但主页承接力不足，取关率高达 37.3%。文章逐一拆解五篇代表推文，指出写实操的推文数据远好于抽象说教和情绪吐槽，并结合一个被客户否决的保险漏斗网站案例，提出三条建议：推文自成闭环、停掉抽象说教、把经验产品化，并给出四个长期选题方向，帮助其把真实商业经历转化为内容资产。
作者征集了大家用 Coding Agent 做视频剪辑的实践经验。共识是：直接让模型自由发挥剪出的成片像幻灯片，因为视频的审美和节奏极其主观，难以用泛泛提示词量化。跑通的分工是：把规则明确、易验收的机械工作（粗剪、切停顿、生成字幕、多平台切版）交给 Agent，而选片取舍与关键卡点由人把关。技术路线上，让 Agent 生成和修改时间线工程文件，视频合成交给专业剪辑引擎。实用技巧包括样片测试法（先截取样本调参再批量应用）和优先在口播类标准化内容中落地。
文章推荐了Kimi WebBridge，一种让AI直接操控本地Chrome/Edge的方案，支持真实登录态操作。作者将其接入OMP Agent后体验良好，并详细对比了传统自动化框架、开源AI Agent框架、云端浏览器基础设施等五种方案的优缺点。
