工作记录

Todo

  • TTS 发音功能 【doing】

    继续设计：【页面构建完成】

    TTS 能力：构建一个新的 TTS server, 使用 cached 非实时接口返回音频结果。

    • cache 构建：
      • 在 hugo 侧，基于 ts 完成英语句子抽取功能：
        • 输入：dist 接口
        • 输出：一个 {data: [{id: str, text: str, src_doc: list[str]}], project: dajuan} json 文件，annotated as $CACHED_TTS_TEXT
      • github action 里，在完成 hugo build 后，调用这个 ts，生成该文件
      • 然后 ssh 到 server，执行 cached-tts-gen --data $CACHED_TTS_TEXT --gen-model public
    • tts-server 接口
      • tts 生成接口：真正的 TTS 生成接口；给定 text, model, 生成音频【流式】 【这个接口先不做，直接做离线的脚本就行】
        • 支持模型：
          • local-dajuan: 本地的模型

Process

关于 TS 抽取句子：

昨天已经和 Gemini 讨论了多轮，今天把它写完吧。

=> 完成了页面的渲染+整体流程，还缺：

  1. 从 dist 里抽取句子并生成 json, （需要把 project json 依赖的信息从 hugo toml 里放到这个离线脚本里；想来最好的方法还是从 hogo 里写到 dist 里）
  2. 更好的 tts model
  3. 此外，还想，在 github action 里直接就完成 tts 调用了，不要再跑到 server 去执行脚本了。感觉应该不难。

生活记录

下午没有睡觉，一直干活。

晚上困得不行了，最后好好接手的时候，已经没力气起来了。

发现好好给我发了关于“孩子哭泣的科学思考“，原来她的理解这么深刻。厉害！

情绪记录

Good

Bad

Reflect

又想，自己真的能做出东西吗？不管别人是否相信，先保证自己真的相信吗？是通过理性思考，还是咬定了就是可以呢？

晚上想自己是否可以做一个游戏，描绘一百种人生的结局呢？或者，先写小说，像《源代码》那样，在一个特定的点循环，触发多种分支？