8GB 显存全本地跑通「书籍转有声书视频」管线，作者开源原型
top115 · reddit · 2026-10-26
Reddit 用户 top115 分享了一个自己动手搭建的原型管线：输入任意一本（版权自由的）书，自动为每个场景生成风格一致的配图，再配合 TTS 语音合成，产出带动画配图的有声书视频。技术栈：
- 图像生成用 Qwen Image，语音用 fish 不 nonsense 的 drama3 TTS
- 全流程本地运行，仅需 8GB 显存
- Agent 编排部分作者用了 Google Antigravity + Gemini Flash 做本地测试，称可换成 Qwen 2.5 7B 等本地模型替代
- GitHub 代码已放出，但作者坦言仍非常粗糙，欢迎社区扩展
作者认为如果用 Claude Code 订阅配合更大的模型来重构这条管线，效果还能大幅提升。
「编程与Agent」频道最新
- Elvis Omarsar 断言 CLI 已非 Agent 最佳界面：Grok Bot 与 Codex 应用正取代终端 — omarsar0 · 2026-10-26
- 设想透视员工的 Claude 会话：企业能挖出哪些使用洞察 — jacob_posel · 2026-10-26
- Stanford 官方转推 DSPy：38.8k 星的「编程而非提示」框架 — stanfordnlp · 2026-10-26
- 实测导出 Claude 思考摘要:35 条流式事件可保存,完整思维链仍不可得 — Additional-Ladder-24 · 2026-10-26
- Recursive 发布 Flint 本地编码模型，参数小 10 倍逼近 Thinking Machines 的 Inkling — stanfordnlp · 2026-10-26
- 上下文将满时 Claude Code 自动「优化对话」，用户担心风格丢失 — chrisalbon · 2026-10-26