本文是一篇详细的接入教程，介绍如何在 Muse 中接入 Fish Audio TTS 服务。作者 TaoBuilds 对比了 Azure（稳定但音色固定）与 Fish Audio（支持声音克隆和特色音色）的差异，并给出六步接入流程：注册 Fish Audio 账号、切换到 Developer 模式、确认每月 8000 点的免费额度、创建 API Key、在 Muse 中关联 Key、编写调用脚本并实测出声，全程约 5 分钟。接通后日常语音仍走免费的 Azure，特色音色和声音克隆则用 Fish Audio 完成。文末提醒注意免费额度用量、不要克隆真人声音公开发布，以及 Key 泄露时的处理方法。
文章介绍了如何利用网易有道开源的免费TTS模型Confucius 4-TTS实现本地声音克隆。作者展示了将该模型集成到WeSight桌宠中，实时使用复刻音色进行任务播报的过程。该模型仅1.3B大小，支持14种语言的无参考文本克隆，并提供了详细的本地部署代码及在Mac和远程服务器上的运行方案。
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。
文章介绍了开源项目 VoiceStudio（作者 debpalash），一个纯 Python、AGPL-3.0 协议的本地配音工具，定位为「开源、全程本地的 ElevenLabs 平替」。它支持声音克隆、声音设计、带时间轴对齐的视频配音、语音转写、有声书和批量任务，只需几十秒参考录音即可抽音色，官方支持六百多种语言。项目半年内获得约 6.7 万 Star，桌面端基于 Electron，数据全部留在本地不上传云端，兼容 NVIDIA CUDA 和苹果 Metal，并提供 Local API 和 MCP 供 Claude Code、Codex 等 Agent 调用。文章同时提醒性能受硬件限制、授权需分别确认，以及克隆声音必须取得对方授权。
本文是一篇面向小白的 Muse 自定义连接器开发教程。作者首先介绍了连接外部服务的三条路径，并说明动手前需确认服务是否有 API（API Key 或 OAuth 2.0）。随后讲解五步标准流程：用户提供服务信息、AI 读取文档、安全授权、实测验证、保存为可复用技能。教程以接入 Parallel Search MCP 为完整实战案例，端到端演示连接、测试与技能保存全过程，全程约 3-5 分钟。文章还说明了 MCP、API 等三种入口的区别，并强调安全要点：密钥永不进聊天框、先只读后写、最小权限、防钓鱼设计等。附有 30 秒速查卡，帮助读者快速上手。
作者为搭建视频配音工作流，测评并整理了 10 个开源 TTS 项目，按用途分为四组：中文配音带情绪（IndexTTS、VoxCPM、Qwen3-TTS、CosyVoice）、声音克隆与个性化（GPT-SoVITS、Chatterbox）、多人对话与播客（Fish Speech、SoulX-Podcast）、轻量实时（Kokoro、VibeVoice-Realtime）。文章为每个工具提供官方安装命令、可直接复制给 Agent 的提示词、显存配置要求、许可证说明及踩坑经验，强调选型应先看用途和显卡配置，再看 GitHub 星数。
本文详细介绍了火山引擎豆包语音合成模型 2.0 的免费 API 申请与接入流程。作者一步步讲解了注册火山引擎控制台、开通语音合成 2.0 服务领取免费额度、创建 API Key 的方法，并说明音色 ID 与资源 ID 必须配对的规则。文章以 whiteboard-video Skill 为例演示了配置方法，并用 PowerShell 测试接口调用。同时整理了踩坑记录，包括 403 权限错误（需重建 Key）、音色与资源 ID 不配对、Key 泄露处理、Windows 手动安装 FFmpeg 等常见问题，最后提示通过用量统计合理节省免费额度。
Fish Audio 通过重构 S2.1 Pro 语音模型的服务栈，将 GPU 利用率从约 50% 提升至 90% 以上，使原本需要四块 H200 的请求量现在一块即可承载。核心技术包括：针对 TTS decode 小矩阵形状定制的 FP8 CUDA 内核（比 torch.compile-fused cuBLAS 快 2.1–4.3 倍）、Continuous Batching（并发 1 到 64 吞吐量提升约 52 倍，仅增加 37ms 延迟）、Kubernetes 与 Slurm 弹性调度填充空闲算力，以及自建网络与存储基础设施。所有推理变更均需通过正确性与性能双重门槛。这些优化带来的单位经济效益使 Fish Audio 能够将完整的 S2.1 Pro 模型免费开放，并开源了 fish-scales-ops 内核库。
本文以 OpenRouter 模型目录 API 为例，手把手讲解如何将任意公开 API 包装成 Muse 可调用的自定义连接器。连接器由三件套组成：connector.yaml（登记信息）、CONNECTOR.md（给 Muse 的说明书，写死口径）、助手脚本（真正干活的子命令）。方法论为：先看数据形状、建最小脚手架、本地实跑验证。实测 list 返回 467 个模型、search llama 命中 13 个、free 筛出 20 个真免费模型（输入输出单价双零），与独立脚本结果互相印证。文中还解答了鉴权 API 处理、耗时、失效维护等常见问题，并强调验收实跑的重要性。
本文是作者于 2026-10-25 在 Muse 中真实跑通后整理的实战教程，介绍如何用提示词把 Muse 组建成「主管 + 专员」的 AI 团队。文章讲解主管（主聊）与专员（子代理或旁聊）的区别与协作方式，提供主管提示词、派活模板、编码/审查/文档等专员提示词，并给出 5 分钟上手的 4 个步骤。作者通过「今日待办」实测发现专员自检不可靠，强调重要交付需加审查专员复核，并总结了路径写法、上下文记忆、安全红线等 6 个常见误区，最后给出日常使用流程和常见问题解答。
作者以一人公司接单场景为例，手把手演示如何用 Muse 从零搭建一个单文件、本地存储的轻量 CRM。教程强调需求要写清四件事：线索字段、阶段流转、分级提醒、话术草稿，并给出可直接套用的需求模板。随后提供逐项验收清单（字段、分级、逾期标红、草稿生成、数据留存、导入导出），介绍每天三分钟的日常使用流程，以及让 Muse 每周分析线索数据、生成跟进草稿但保留人工审核的协作方式。文末附翻车表，针对常见问题给出修正方法。
本文是 Meta 个人 AI 智能体 Muse 的实操教程，强调 Muse 不是聊天机器人，而是能自主执行任务的 Agent。文章涵盖安装与上手步骤（App、网页版入口）、连接器授权、长期记忆设置等基础操作，提出好指令公式（目标+材料+边界+交付），并给出每日简报、制作产物、购物预订、深度调研、内容创作五大场景的具体模板。同时详解审批机制、密码安全、数据时效等安全要点，以及分身聊天、定时任务、语音派活等进阶技巧，最后附新手第一周上手清单，帮助小白快速学会向 AI 派活。
作者分析了 Grok Bot 和 Muse 两款 Personal Agent 的优劣：Grok Bot 擅长实时监控 X 信息并调度第三方模型，但定时任务不稳；Muse 定时执行准、体验好。两者记忆互不相通导致需要人工传话。作者提出真正需要下注的是记忆而非 Agent 本身，并给出教程：通过 EverOS Cloud 创建记忆空间，将 Agent Prompt 分别发给两个 Agent 接入，实现共享记忆层。任务前后读写同一记忆库，还可沉淀可复用 Skill，实现信息抓取与定时汇总的分工协作，且记忆可查看、纠正、删除，未来可自托管部署。
