diff --git a/media/experience-era-agents-video/README.md b/media/experience-era-agents-video/README.md index 91e79aba..494acb8c 100644 --- a/media/experience-era-agents-video/README.md +++ b/media/experience-era-agents-video/README.md @@ -2,7 +2,7 @@ > 基于 Che Jiang, Jincheng Zhong, Yu Fu, *et al.*, "Self-Improving Agents in the Era of Experience: A Survey of Self- to Meta-Evolution," *Frontis.AI / Tsinghua University*, Jun. 2026（88 页综述，无公开 arXiv 号）的动效图解式科普视频（B 站/YouTube，约 13.6 分钟）。 > 形态：**本人音色克隆配音**（IndexTTS-2.5，passionate 激情风格）+ Remotion 代码动画，无真人出镜。 -> （v3 前为 edge-tts 预置音色，两种引擎 manifest 契约一致，可随时切回。） +> （v2 前为 edge-tts 预置音色，两种引擎 manifest 契约一致，可随时切回。） > 与上一集《AI 如何自己变强？》（[../self-improving-agents-video/](../self-improving-agents-video/README.md)，Schmidhuber 团队综述）互补：上集讲「自我进化改什么」，本集讲「部署之后经验怎么攒」；片尾互相引用。 ## 目录结构 diff --git a/media/experience-era-agents-video/research/upgrade-2026-08.md b/media/experience-era-agents-video/research/upgrade-2026-08.md index 847ee600..9711288d 100644 --- a/media/experience-era-agents-video/research/upgrade-2026-08.md +++ b/media/experience-era-agents-video/research/upgrade-2026-08.md @@ -51,4 +51,4 @@ RISKY = 0，REWRITE = 0。✓ - `build_narration.py` 重建通过（实测见执行日志）。 - 未触碰句 text 字节稳定：build 前后公共 id（172 个）text 全等 ✓。 -- storyboard 引用 id ⊆ narration id 集 ✓（1-G 扩 ..26a；P6 重排为 6-B/6-B2/6-C/6-D/6-E/6-F/6-G）。 +- storyboard 引用 id ⊆ narration id 集 ✓（1-G 扩至 p1-26、新增句为 p1-25a；P6 重排为 6-B/6-B2/6-C/6-D/6-E/6-F/6-G）。 diff --git a/media/experience-era-agents-video/script/storyboard.md b/media/experience-era-agents-video/script/storyboard.md index aa8088de..f0eeba93 100644 --- a/media/experience-era-agents-video/script/storyboard.md +++ b/media/experience-era-agents-video/script/storyboard.md @@ -24,7 +24,7 @@ | 1-D 便宜洞察 | p1-10..12 | 分屏对比：左侧改大脑=重型机械（慢/贵/锁定），右侧改工位=乐高快拆（青） | 分屏滑入 | | 1-E 原油汽油 | p1-13..18 | 金色提纯漏斗：左侧黑浊「trace 原始流水」倒入，四道工序环（过滤/压缩/归因/验证），滴出金色「经验 z」；角标 z_i=H(τ_i) | 漏斗流动 + 工序环逐个点亮 | | 1-F 快慢去路 | p1-19..21 | 金色经验球到分岔：上路青色箭头「改工位·快」直通工位；下路紫色箭头「写大脑·慢」缓慢沉入大脑 | 分岔流动 + 差速 | -| 1-G 三代史 | p1-22..26a | 横向时间轴 2021→2026：Gen1 任务环（图标：单环）→ Gen2 复用（图标：书架）→ Gen3 运行时（图标：齿轮房）；p1-25a 时 Gen3 齿轮房上的「可改接口」小面板逐个亮起（适应面自进化）；时间轴下方里程碑名（ReAct/Voyager/Claude Code） | 时间轴推进 + 图标弹跳 + Gen3 定格放大 + 接口面板点亮 | +| 1-G 三代史 | p1-22..26 | 横向时间轴 2021→2026：Gen1 任务环（图标：单环）→ Gen2 复用（图标：书架）→ Gen3 运行时（图标：齿轮房）；p1-25a 时 Gen3 齿轮房上的「可改接口」小面板逐个亮起（适应面自进化）；时间轴下方里程碑名（ReAct/Voyager/Claude Code） | 时间轴推进 + 图标弹跳 + Gen3 定格放大 + 接口面板点亮 | | 1-H 转场钩子 | p1-27..28 | 四条管道分叉预告图（金流分四路） | 管道延伸 | ## P2 经验的四个去处（约 4.5 分钟） diff --git a/media/pipeline/VOICE-CLONING.md b/media/pipeline/VOICE-CLONING.md index f12671c9..3a2d9d99 100644 --- a/media/pipeline/VOICE-CLONING.md +++ b/media/pipeline/VOICE-CLONING.md @@ -136,7 +136,7 @@ uv run --no-project --with soundfile --with numpy \ ### 4.3b 束搜索宽度（--num-beams，速度主旋钮） -GPT 声码段的束搜索宽度，默认 **1**（上游库内部默认 3）。采样生成（`do_sample=True`）下 1 与 3 的听感差异可忽略，但 GPT 段耗时约按束宽线性放大。**MPS fp32 实测**（2026-08-18，M3 系列）：每句墙钟 = GPT 束搜索 + 扩散声码 + BigVGAN，RTF（耗时/音频时长）约 40–58（beams=3）与 20–30（beams=1）；整集（约 180–230 句）预计数小时，按句缓存可断点续跑。质量敏感的单句可 `--num-beams 3` 单独重合成。 +GPT 声码段的束搜索宽度，默认 **1**（上游库内部默认 3）。采样生成（`do_sample=True`）下 1 与 3 的听感差异可忽略，但 GPT 段耗时约按束宽线性放大。**MPS fp32 实测**（2026-08-18，M3 系列）：每句墙钟 = GPT 束搜索 + 扩散声码 + BigVGAN，RTF（耗时/音频时长）约 40–58（beams=3）；beams=1 下三集全量连续跑（596 句 / 40.2 分钟纯语音 / 8.5 小时墙钟）折算整集 RTF≈12–14；整集（约 180–230 句）约 2.5–3.5 小时，按句缓存可断点续跑。质量敏感的单句可 `--num-beams 3` 单独重合成。 ### 4.4 调参建议 @@ -159,7 +159,7 @@ cd video && pnpm run render:draft && pnpm run render ``` - 服务启动一次可服务多集；管线客户端不常驻模型； -- 每句墙钟与文本长度及束宽相关：MPS fp32 实测 RTF≈40–58（`--num-beams 3`）/ ≈20–30（默认 `--num-beams 1`），即 5 秒的句子约需 2–5 分钟；整集（约 180–230 句）预计 6–10 小时，建议 `nohup` 挂后台跑、按句缓存断点续跑（见 §六）；长篇管线**不要**用默认 3 束逐句等待； +- 每句墙钟与文本长度及束宽相关：MPS fp32 实测 RTF≈40–58（`--num-beams 3`）/ ≈12–14（默认 `--num-beams 1`），即 5 秒的句子约需 1–1.5 分钟；整集（约 180–230 句）约 2.5–3.5 小时，建议 `nohup` 挂后台跑、按句缓存断点续跑（见 §六）；长篇管线**不要**用默认 3 束逐句等待； - 引擎/风格/样本任一变化都会改写时长，合成后**必须重跑草渲**让时间轴重算； - 超长句（>120 token）服务端内部自动分段；极端长句推理可达数分钟。客户端并发为 1（与服务端串行推理对齐，避免排队时间计入超时），HTTP 超时 600s；万一超时——重跑即续传，无需干预。 diff --git a/media/pipeline/scripts/tts.py b/media/pipeline/scripts/tts.py index 00bb9569..641fc149 100644 --- a/media/pipeline/scripts/tts.py +++ b/media/pipeline/scripts/tts.py @@ -282,10 +282,13 @@ def digest_indextts( lang: str, engine_tag: str, text: str, + num_beams: int = 1, ) -> str: vec_str = ",".join(repr(x) for x in vec) if vec else "none" + # 束宽改变合成结果，须入键；默认 1 时省略字段——沿用历史摘要格式，存量缓存不失效 + beams_part = "" if num_beams == 1 else f"|beams={num_beams}" return hashlib.sha1( - f"indextts|{engine_tag}|{ref_sha1}|{lang}|{style}|{vec_str}|{alpha!r}|{df!r}|{text}".encode() + f"indextts|{engine_tag}|{ref_sha1}|{lang}|{style}|{vec_str}|{alpha!r}|{df!r}|{text}{beams_part}".encode() ).hexdigest() @@ -308,7 +311,7 @@ async def synth_indextts( sid, text = item["id"], item["text"] mp3 = out_dir / f"{sid}.mp3" meta = out_dir / f"{sid}.sha" - digest = digest_indextts(ref_sha1, style, vec, alpha, df, lang, engine_tag, text) + digest = digest_indextts(ref_sha1, style, vec, alpha, df, lang, engine_tag, text, num_beams) if ( not force diff --git a/media/self-evolving-coding-agents-video/video/src/scenes/P3WhenEvidence.tsx b/media/self-evolving-coding-agents-video/video/src/scenes/P3WhenEvidence.tsx index 2b79dc59..4e8403b9 100644 --- a/media/self-evolving-coding-agents-video/video/src/scenes/P3WhenEvidence.tsx +++ b/media/self-evolving-coding-agents-video/video/src/scenes/P3WhenEvidence.tsx @@ -331,8 +331,8 @@ const Matrix3x3: React.FC<{diagonalFrom: number}> = ({diagonalFrom}) => { const frame = useCurrentFrame(); const {fps} = useVideoConfig(); const bars = [ - {label: '改大脑 θ', en: 'FM improvement', n: 77, color: theme.brain, deep: theme.brainDeep}, - {label: '改装备 Σ', en: 'Scaffolding improvement', n: 176, color: theme.gear, deep: theme.gearDeep}, - {label: '评测', en: 'Evaluation & Benchmarking', n: 59, color: theme.dim, deep: '#2A2F3A'}, + {label: '改大脑 θ', en: 'FM improvement', n: 77, color: theme.brain}, + {label: '改装备 Σ', en: 'Scaffolding improvement', n: 176, color: theme.gear}, + {label: '评测', en: 'Evaluation & Benchmarking', n: 59, color: theme.dim}, ]; const total = 312; const grow = ci(frame, countAt, countAt + 42); @@ -998,7 +998,6 @@ const LivingMap: React.FC<{countAt: number; ringAt: number; insightAt: number}> const orangePulse = insight > 0 ? 0.85 + 0.15 * Math.sin(frame * 0.1) : 1; // 环形图几何（viewBox 360x360，中心 180,180，半径 110；蓝从顶部顺时针、橙紧随、灰收尾） const R = 110; - const C = 2 * Math.PI * R; const segs = [77 / total, 176 / total, 59 / total]; const offsets = [0, segs[0], segs[0] + segs[1]]; const enters = spring({frame, fps, config: {damping: 200}});