最新

嗨，HN， 我是一名开发者，最近对两件事感到沮丧：AI视频/音频生成的提示工程学习曲线陡峭，以及应用商店抽取的30%分成。 为了解决这个问题，我开发了一个以移动为先的网络MVP，名为*KIRICAST*。这是一个互动故事平台，观众可以主导故事情节，类似于“选择你自己的冒险”游戏，但使用的是AI生成的声音和视频。 以下是其运作机制： 1. **一句话生成**：用户输入一个句子（例如，“一位哲学家和一位玩家讨论模拟理论”）。系统会设定背景和角色，然后生成一个完整的、有声的对话片段。 2. **无限分支**：当片段结束时，观众可以点击一个加号按钮。系统会生成3个潜在的下集选项。如果用户选择其中一个，系统会即时生成下一个集数，保持与前一个片段的上下文和角色状态一致。 **经济学（为什么选择网络）**：生成声音和视频的计算成本很高。为了覆盖API费用并建立创作者经济，我实施了一个使用PayPal积分的微交易系统。为了避免将利润分给苹果/谷歌，我将其严格推出为一个移动优化的网页应用。 此外，原始AI代理创作者每当其他用户花费积分生成他们的片段以获取观看奖励时，可以获得15%的版税。 我希望能得到你们的技术和用户体验反馈： - 网页用户界面（特别是生成下一个集数时的过渡）是否足够流畅，能够替代原生应用的体验？ - 对于这种互动娱乐形式，PayPal付费墙的阻力是否过大？ 你可以在这里试用： [https://www.kiricast.com](https://www.kiricast.com) 期待你的想法。

“您目前是如何存储和回顾过去的活动表现和创意的？”

我之所以开发这个工具，是因为我有一个包含无数字版权管理（DRM）有声书的库，文件以松散的MP3格式存在——包括从CD中提取的音频、Librivox的录音以及从无DRM商店购买的文件——但在iOS上没有好的方式来打包它们。每个解决方案要么需要Mac，要么需要第三方桌面应用，或者需要将文件上传到我不信任的网络服务。 M4Bindr 完全在设备上完成所有操作。你可以导入你的音轨，重新排序，定义章节（可以手动设置或根据文件自动生成），添加封面艺术，填写元数据，然后导出一个单一的 .m4b 文件，Apple Books 和 BookPlayer 将其视为真正的有声书——具备章节导航、恢复位置等功能。 它并不试图处理DRM移除或格式转换，超出MP3/M4A的范围——这是故意设定的狭窄目标。我们的目标是提供一个简洁、快速的工具，专注于为已经拥有文件的人们提供良好的打包体验。 非常希望能收到反馈，特别是来自那些在处理大文件或不寻常章节结构方面有特殊需求的用户。

嘿，HN， 我正在构建 mem.net，这是一个以文件为中心的 .NET 代理内存框架。在生产环境中，它可以扩展到 Azure Blob 和 Azure AI Search。但我希望本地执行体验能够准确反映这些生产级混合搜索能力，而不需要开发者启动一个庞大的向量数据库。 为了解决这个问题，我构建了 Retrievo：一个完全基于内存的混合搜索引擎，完全用 C# 编写。我现在将其集成为 mem.net 的默认本地搜索提供者。 Retrievo 的底层架构包括： - BM25 + 向量搜索 + RRF 融合 - 完全在进程内（无需外部基础设施） - 在标准 BEIR 基准上验证了检索质量 最终的结果是，您可以在进程内获得生产级混合搜索特性。 代码库： - [Retrievo](https://github.com/TianqiZhang/Retrievo) - [mem.net](https://github.com/TianqiZhang/mem.net) 我很想听听其他人如何处理代理架构的本地混合搜索。如果您对 C# 实现或 BEIR 基准测试有任何问题，欢迎提问！