Mac 用户可以直接试这个： speech-to-speech --local_mac_optimal_settings 它会自动选择一套适合 Apple Silicon 的配置，包括 MPS、MLX-LM 和本地语音模型。 相比自己逐项配参数，这条命令省事很多。

A Swedish influencer was rendered speechless by the sunset by Erhai Lake. As the camera turned, it was truly breathtaking. Netizens: "Romance is materialized at this very moment!" 瑞典博主被洱海畔日落美到失语 镜头一转真的被惊艳到了 网友：浪漫在此刻具象化了！#洱海日落# #大理旅游#

闺蜜聊防身神回复，全场爆笑反转 #AI生成# #闺蜜搞笑# #神回复# #搞笑反转# Epic twist reply leaves everyone speechless then laughing. #AIGenerated# #GirlTalk# #FunnyTwist#

Google 官方有哪些免费 AI 工具🚀 • GenAI Builder（AI 应用搭建） • Gemini API 免费额度 • Speech-to-Text（语音转文字） • Translation（翻译） • Video AI（视频理解） 更多…👇 利用这些资源普通开发者现在也能低成本做 Agent、AI 视频、AI 搜索、AI 工作流 AI 的门槛，正在被快速拉平 原链接：

ASMR沉浸调教，戴耳机体验！今天试了试Fish Speech的最新配音模型，选择的“魅惑低语”，然后用雅儿贝德做了COSER，第一人称视角恋足调教+ASNR双耳沉浸舔耳，喜欢沉浸式调教大宝贝来体验体验，感受怎么样评论区告诉妈妈，另外我直播要是上人头麦加上ASMR你们有没有想要在直播间和妈妈互动，沉浸式体验的

做中文语音 Agent 时，不建议直接照搬默认 STT。 默认的 Parakeet 更偏欧洲语言。 可以安装 Paraformer： pip install "speech-to-speech[paraformer]" 然后启动时加上： --stt paraformer TTS 则可以继续用支持多语言的 Qwen3-TTS。

想把 LLM 也放到本地，可以先启动 llama.cpp： llama-server -hf ggml-org/gemma-4-E4B-it-GGUF -np 2 -c 65536 -fa on --swa-full 然后把 speech-to-speech 的 LLM 地址指向： 这样才算比较完整的本地语音 Agent

这些年，每看到一家新的AI公司，我都会顺手翻翻创始人的履历。结果翻着翻着，经常又翻回了百度。 MiniMax创始人闫俊杰，2014年在百度实习过。今年3月，MiniMax的市值还一度超过百度。 地平线创始人余凯，做过百度研究院副院长，也参与发起过百度的自动驾驶项目。 Genspark创始人景鲲，以前是百度副总裁、小度科技CEO。 甚至连Anthropic联合创始人兼CEO Dario Amodei，也就是Claude背后的那位，2014到2015年也在百度硅谷 AI实验室工作过，还参与了Deep Speech 2。 字节早期同样吸收过不少百度出来的算法、搜索和商业化人才。 把这些名字摆在一起，再说百度是中国互联网，尤其是AI圈的黄埔军校，真不算夸张。 也正因为这样，我才更困惑。 百度输的似乎从来不是“看不见未来”。恰恰相反，它经常最先看到，也很早就开始投入。钱、流量、数据、技术人才，手里什么都有，又守着北京这块人才高地。按理说，它应该是最有机会把技术做成产品，再把产品推向市场的那一家公司。 可每次到了真正决定胜负的地方，百度就像突然不会了。那些没能在百度内部长大的东西，换到外面反而活了。一个个离开百度的人证明，他们不是不行；百度一次次错过的机会也证明，它不是没看懂。 这才是最让人想不明白的地方： 一家总能提前看见时代的公司，为什么总是接不住自己看见的那个时代？ 到最后，眼光有了，人才也来过，机会却一个个被别人做成了。百度一次次看见未来，也一次次把未来送给了别人。 所以这到底是什么原因呢？