与「TTS」相关的搜索结果
TTS 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 TTS 的内容
Gemini 3.8 Flash TTS turns voice generation into your full creative studio.
Design original character voices from scratch across 100+ languages, stage two-speaker dialogue, and tailor every performance line by line with natural laughs, sighs, whispers, and more.
显示更多
11/12｜The Odyssey：p5.js 程序化故事预告
用 p5.js 做有《奥德赛》氛围的英文故事视频，剪成一分钟内的快节奏预告，加英文字幕；可以配旁白。
需要：p5.js 代码运行、逐帧渲染/录制、剪辑和字幕；选择旁白时再接 TTS。
完整 Prompt：
Use p5.js to make an atmospheric story video inspired by the mood of The Odyssey, in English; voiceover is welcome. Turn it into a fast-cut trailer under one minute and add English subtitles.
显示更多
3/12｜AI Hacked a Government：AI 新闻＋meme 解说
让 Agent 自己找近期 AI 新闻、选题，做快节奏英文 YouTube 视频，穿插视频片段、图片和 GIF。
需要：联网检索、素材获取和剪辑；做旁白时配 TTS。可以使用搜到的素材，示例标题是一次选题结果，下面的 Prompt 并没有锁定这个新闻。
完整 Prompt：
Look up recent AI news, choose a topic, and make a fast-paced English YouTube-style video packed with memes. You can search for video clips, images and GIFs to use.
显示更多
Opus做的中国上下5000年视频，TTS是调用的我本地的模型生成的，TTS拉垮了。后续还是配上Gemini 3.8 TTS，送的API额度不用白不用。
Opus做的中国上下5000年视频，TTS是调用的我本地的模型生成的，TTS拉垮了。后续还是配上Gemini 3.8 TTS，送的API额度不用白不用。
用 AI 跑通了一整条教学动画的制作流程：Opus 5.5 写手绘动画、排时间轴，Gemini 3.8 Flash TTS 配音，从一份文字稿做成带配音、字幕、配乐的完整视频。效果好得超出我的预期。
（视频内容来自码农高天的《十分钟学会正确的 GitHub 工作流》，这次只是借来练手、跑通流程。原视频：
但整个过程中，我一直在提醒自己一件事：
这些都是 AI 的能力、模型的能力，不是我的能力。
所以我很清楚自己不想做什么：
不做搬运，也不批量制造 AI 视频。这些对我来说没有意义。
我想做的是：
把 AI 当作工具，用它为自己赋能。从我这里出去的作品，至少要有我的参与、我的思维和思考，要做有增量、有意义的事。
AI 越来越强，一次次刷新我的认知。每到这时，我都会再提醒自己一遍：
这不是我的能力。我该做的，是用好这些能力，做出更有意义的东西。
显示更多
它的 TTS 是自己找的 微软 EdgeTTS（开源的 API 逆向）
用 Remotion（React/JS 视频框架）+ KaTeX 渲染公式。
这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历”
来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。
覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。
开源地址：
# 内容架构：一个精心设计的双层结构
第一层：跨公司通用题（Common Questions）。
作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织：
1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU
2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍”
3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因
4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批
5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking
6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁
7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队
8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估
9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等）
10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环
第二层：35 家公司的专属章节，分为五大梯队：
1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度）
2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify）
3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity
4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo
5. 前向部署/企业 AI：Palantir
# 题目分布透露的行业信号同样值得关注
1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方：
· DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。
· Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。
· Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。
· CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。
· Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。
· Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。
2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同：
· “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问）
· “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI）
“重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI）
· “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic）
考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。
3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号：
· Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。
· Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。
· Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。
· Sierra 给你两小时和任意 AI 工具，看你选择做什么。
xAI 有四小时限时产品构建。
4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。
5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。
显示更多
This week, we released two new audio models for creative production and cost-efficient speech at scale.
Hear what's possible with Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS 🧵
显示更多
