文章转视频实战：从音频处理到 Cue 校准的技术复盘
作者分享了将文章转化为网页视频的全过程。文章详细探讨了从使用 Voicebox 生成 TTS 音频的尝试，到发现逐段生成音色漂移、整段切分不准等问题，最终采用“整章音频 + cue 时间轴”的解决方案。内容涵盖了 TTS 技术选型、前端播放逻辑以及踩坑后的工具化思考。
相关文档
Opus 5.5 的 20 种开源技能
作者整理了 20 种与动画、物理、3D、声音及交付相关的开源技能与工具库，涵盖 Remotion、HyperFrames、Anime.js、React Spring、PixiJS、p5.js、Paper.js、Matter.js、Three.js、Rapier、OGL、tsParticles、glTF Transform、GL Transitions、OBS Studio、Chatterbox、Tone.js、faster-whisper、OpenCut 和 FFmpeg。每个工具附有简介和 GitHub 链接，覆盖从视频渲染、动画编排、图形绘制到配音、字幕转录和视频编码交付的完整创作流程。
词光：免费开源的雅思背词网站
作者开发了一个免费开源的雅思背单词网站「词光」，收录 7298 个雅思词汇，每个词配有原创插画、英音美音发音和例句真人配音（使用 ElevenLabs 生成）。网站无需注册即可使用，通过词汇星图点亮星星的互动方式增加学习趣味。文章发布后获得大量好评，网友建议包括做成 App、支持自定义每日单词量、优化字体、改善配图记忆技巧等，作者均积极回应并表示会跟进改进，还计划支持初高中词库和扩展到其他学习领域。
9 张嘴型图，让数字人跟着 TTS 说话
本文介绍了一种轻量级数字人口型同步方案：作者为英语陪练 App 制作了 6 个虚拟老师，每个角色仅需一张图片加约 0.5MB 素材，无需 GPU。核心是利用 Kokoro TTS 合成语音时天然携带的音素时长信息，将 44 个英语音素按视觉相似度合并为 9 种嘴型（viseme），生成时间轴通过响应头传递给前端。文章详细讲解了音素与视位的映射、音量修正停顿、LivePortrait 生成待机视频和嘴型图、以及 canvas 统一渲染等技术细节，实测嘴型偏差中位数约 0.1 秒，60 帧不掉帧。
We-Video 开源：文章变解说视频，一分钟不到一毛钱
文章介绍了刚开源的工具 We-Video，可将文章或资料转化为带配音、字幕和动态配图的解说视频。流程包括 AI 生成口播稿、配音、按内容节奏自动规划画面（重点词高亮、配图随节奏出现、关系图逐步展开），最后渲染成 MP4，每一步都可预览和调整。其核心优势是成本：画面采用程序化合成而非昂贵的文生视频模型，一分钟视频的模型调用成本可压到 0.1 元以内。项目已开源，适合需要将长文转成解说短片、愿意自建控成本的用户，不适合追求电影感或实拍质感的场景。
手把手教你用WorkBuddy做HTML视频
本文介绍了如何用 AI Agent 工具 WorkBuddy 结合 HyperFrames 制作 HTML 动画讲解视频的完整工作流。流程分四步：撰写适合可视化的口播稿、录制并剪辑配音、用剪映生成并校对 SRT 字幕、将配音/SRT/视觉参考图交给 WorkBuddy 生成 HTML 画面并渲染成 MP4。核心技巧在于利用 SRT 字幕的时间戳为画面精确"排期"，避免 AI 猜测页面节奏导致的音画不同步。生成满意后可将 HTML 作为模板复用，后续只需替换音频和字幕即可持续产出风格统一的视频，适合知识讲解、产品介绍等不露脸口播场景。
Harness Engineering 101: AI Agents 的核心基础设施
文章系统介绍了“Harness”的概念，即围绕 AI 模型管理工具执行、内存、状态和错误恢复的软件基础设施。通过对比 CPU 与 OS 的关系，阐述了 Harness 如何决定模型能力的边界。文章详细拆解了 Harness 的五大核心组件（上下文、工具权限、验证、记忆状态、安全沙箱），并分享了 Anthropic 和 OpenAI 的工程实践案例。
AI新职业PDE火了：年薪最高22万美元，普通人怎么入行？
文章介绍了AI时代兴起的新职业Product Design Engineer (PDE)，即兼具产品思维、交互设计和前端代码能力的全栈角色。AI降低了生产成本，使得能独立完成从设计到上线的全流程人才变得稀缺。文章详细解析了PDE的职责、与其他角色的区别、转行路径以及国内外就业现状。
一夜之间，全世界的 Agent 能力提高了一个档次：Claude Code 源码泄漏引发的工程革命
文章分析了 Claude Code 源码泄漏事件，指出其核心价值在于揭示了 51 万行 Harness Engineering 代码背后的工程设计，而非模型本身。作者详细拆解了六个关键工程决策（如上下文压缩、多 Agent 协调等），并重点梳理了泄漏后 24 小时内涌现的开源生态，包括洁净室重写、教学项目及各类插件工具，最后总结了 Agent 开发应从“调 prompt”转向“工程化”的核心理念。
文章转视频：为什么我首选 web-video-presentation 而非 HyperFrames
作者分享了在“文章转视频”项目中的技术选型思考。虽然 HyperFrames 在视频渲染、时间轴和字幕同步上表现专业，但作者更倾向于自建的 web-video-presentation 方案。文章指出，此类任务的核心难点在于前期内容的生产与验收（如口播脚本、节奏控制），而非后期的渲染。web-video-presentation 通过定义 script.md 和 outline.md，并以“第一章成品验收”为锚点，有效解决了内容生产流程的痛点。最终建议是将两者分层协作：前者负责内容创作，后者负责成片导出。
Claude + Remotion 自媒体视频全流程制作教程
本教程介绍如何利用 Claude Code（AI 编程助手）和 Remotion（视频代码框架）自动化制作自媒体视频。用户无需编写代码，只需通过自然语言下达指令，即可完成从环境搭建、脚本生成、配音合成到最终视频渲染的全过程。文章详细解析了搭建流水线、单期制作及后期调整的提示词技巧，适合制作科普、资讯、教程等类型的短视频内容。
Claude Code 在大型代码库中的运作方式：最佳实践与入门指南
文章探讨了 Claude Code 在处理数百万行级单体仓库及遗留系统时的成功模式。区别于传统 RAG 工具的嵌入索引滞后问题，Claude 采用本地代理式搜索实时导航。核心论点指出，工具链生态（CLAUDE.md、钩子、技能、LSP 集成等）的重要性远超模型本身。文章详细解析了七大扩展点，并建议通过渐进式配置与插件分发来提升在大型复杂代码库中的协作效率。
画过10,000+张 UI 高保真，我的设计审美心得（1）：8 条原则 + 5 个常用 AI 设计 Skill
作者基于 10 年 UI/UX 设计经验，结合 AI 工具实践，总结出一套设计审美方法论。文章实测了 5 个 GitHub 上星数最多的 AI 设计 Skill：UI UX Pro Max（自动匹配行业风格）、Taste Skill（原创设计方向）、Impeccable（逐块打磨去 AI 味）、Emil Kowalski Skills（动效细节）、Hallmark（上线前检查），并配以场景演示。作者还分享了 8 条可复用的设计原则，包括先定义再动手、拆解好设计不照搬、先出全貌再逐块改、统一视觉规则等，强调工具在变但好的设计判断力依然无法被 AI 替代。
