推文卡片生成器:开源工具助力抖音矩阵号运营
作者观察到近期有不少人利用𝕏推文贴图制作国内抖音矩阵号内容,并分享了自己开源并上线的推文卡片生成器。该工具支持完全自定义头像和内容,提供在线使用和自行部署二次开发两种方式。作者还根据用户反馈,增加了安全区示意和3:4/9:16两种规格的导出功能,以优化抖音文案和标签的预览效果。
作者观察到近期有不少人利用𝕏推文贴图制作国内抖音矩阵号内容,并分享了自己开源并上线的推文卡片生成器。该工具支持完全自定义头像和内容,提供在线使用和自行部署二次开发两种方式。作者还根据用户反馈,增加了安全区示意和3:4/9:16两种规格的导出功能,以优化抖音文案和标签的预览效果。
文章简短,提供了工具链接和功能更新,实用性高,但信息量有限,缺乏深度分析。
作者受"天工开帧"直播间启发,花四天从 0 到 1 搭建了基于 Vidu 实时数字人模型的 AI 主播"晚晚",并在抖音成功直播 70 多分钟。文章拆解了原直播间的技术方案:Vidu 负责主播层,自研场控层负责弹幕过滤、排队、意图识别、换装、待机话题等。详细分享了踩坑经验,包括底图审美、音色选择、换背景导致衣服消失的事故及应对方案,并分析了游戏直播、无限流互动剧情、娱乐直播等应用方向。整套工具框架已按 MIT 协议开源。文中也提醒了 AI 直播的合规边界,强调真人出镜监督的必要性。
Jared Palmer(Cognition)开源了 Kev,一族建在 Qwen3.5/3.8 之上的 Jev 式小型决策模型(0.8B~27B,Apache-2.0)。文章介绍了 Kev 与 Jev 的对比数据:Kev-27B 在新数据源上与 Jev 相差一个点以内,但作者强调这不是受控比较。最有价值的部分是完整的微调闭环:通过 coding agent 的 skill,可自动从用户代码中找出问题、转换已有标签、在 Modal 上微调并部署,一次 Kev-4B 训练在 H100 上约 1 美元,示例中把准确率从 67.7% 提到 73.6%。文章还总结了校准温度、问题隔离设计等工程细节,以及作者诚实的自我限制态度。
作者因忍受不了微信小程序去水印工具需看 30 秒广告的烦恼,开发并开源了一个 Codex Skill——ah-douyin-clean-downloader。用户只需将抖音视频链接或口令发送给 Codex,它便会自动识别视频和博主,获取无水印播放源,保留原画质与原声(H.264 + AAC,不重新转码),下载到桌面并按博主自动建立文件夹分类存放。整套流程无需调用付费解析 API、语音识别或视觉模型,仅消耗 Codex Token 与本地网络存储,将原本繁琐的复制链接、解析、下载、改名、建文件夹等步骤简化为一个动作。
文章指出依赖社交媒体时间线获取开源项目信息存在延迟、背景压缩和注意力偏差等问题,主张把项目分享者当雷达、把项目源头当证据。作者介绍了利用 GitHub 的 Explore、Topics、搜索语法、Watch 自定义通知和关注维护者等方法,建立三层信息系统(高频扫描、低噪订阅、低频深读),并提供了一套 90 秒验证仓库的核对清单,包括问题承诺、新鲜度、维护响应、工程纪律、许可安全和最小试用。最后给出 10-30-30 时间策略和一周搭建开源一手情报系统的行动方案。
作者介绍了基于豆包工作 APP 开源的一个 Skill,可一句话批量导出抖音视频逐字稿。只需提供抖音博主主页链接,Skill 便能自动批量获取视频的公开信息(标题、点赞、评论、逐字稿等),并借助豆包内置的逐字稿获取能力,省去下载视频、提取音频和 ASR 转写等繁琐步骤。数据可写入飞书多维表格,还能由 AI 自动生成选题方向和主题总结。作者实测采集 10 条视频仅需约 5 分钟,已采集 100 多个视频仅消耗月额度 6%。开源地址在 GitHub 的 social-media-data-tools 仓库。
作者开源了一个名为 douyin-image-post-scheduler 的 Codex Skill,实现 AI 操纵浏览器自动发抖音的完整流水线:图文素材批量验证、自动起标题、选话题标签、按时间窗排期、发布前逐条核验。全程在用户自己登录的 Chrome 中运行(Computer Use)。细节上采用固定随机种子保证排期可复现、支持断点续传避免重复发布、能区分「审核中」和「已排期」状态。作者提醒这是非官方工具,仅用于发布自己的内容。