基于大模型的播客后期Agent，目标不是做个网页端的剪辑工具，而是用历史节目和AU工程文件里的剪辑习惯做了训练数据，用微调过的模型去理解对话，去掉冷场，口癖，口误，无关沟通，保留主播必要的气口和表达习惯（比如老高的“对吧”就会适当保留，但是连续说十个肯定给他掐了）。而且可以在录音中用召唤词直接指挥后期（后期老师：前面这块不要了，我重说；后期老师：前面“华为”俩字给我哔掉）。
​
整个项目用了三天编码，全AI编程，​加上训练时间用了半个月左右。除了大模型调用，可以全本地部署，大模型建议国内的话用Qwen3➕微调，足够壕的话，大模型也可以本地跑。但是需要播客有历史工程文件留存，剪辑完就留个mp3文件的主播，就只能用通用规则，不能训练自己的习惯了。

目前回测结果，大概能做到人类剪辑老师80分的标准，大多数节目可以跑完直接上传，不用再做任何人工剪辑。但是如果涉及节目的声音设计，音色修饰，结构性剪辑，那么显然还是AI做不到的。
​
节后​逐步向声湃托管用户开放内测，声湃录音间也会陆续放一个设备过去，做录音时的baseline采集和实时策略生成，可以直接利用RODE调音台的特性，把录音提示直接送到耳返（刚才说的这段我帮你做了事实核查，雷军没有80岁，只有56岁，一会你补录下；好像冷场了？你可以问嘉宾这个问题...），所以如果在录音间录音，最后编辑效果会更好一点。
​
​开发过程中用到了阿里云的OSS、实时音视频和云百炼大模型服务，以及金山云的模型代理服务，感谢金山云的调用额度赠送 💰

声湃和津津乐道今年的目标仍然是，降低播客表达的门槛，让每个人都能利用这个媒介去积累自己的个人品牌和信任力，剩下的事情我们来负责解决。

人类花艺师和AI共同做了一堆新春花桶，AI负责抓取流行趋势、市场热点、搭配花款。人类负责审美和最终出品。近期陆续给大家送出，因为年前时间和供应实在有限，加上这类产品快递困难，所以只能送给部分朋友了，还请大家多多谅解。
​
​PS：考虑到花期要延续整个春节期间的问题，这次用的都是干花、永生花、仿真花（随机搭配），以及配合了喷色工艺，可以长期摆放的。

23点发的节目，现在我们运营同学还在熬夜等小宇宙审核通过。统共一小时的节目，审核同志一倍速听，也听完两遍了吧。

这不是第一次了，甚至说最近再屡屡发生，希望小宇宙把更多精力放在优化产品上。

非常赞同

当年新浪博客出来时，找遍明星开博客，热闹一阵后，更新越来越少，直到微博时代来临，新浪微博才成了出轨吃瓜圣地。今天明星开播客同理，不看好其持续性，因为多数明星并无长期持续输出的基本积累和能力。鲁豫是少数，马蓉才是这个圈子的大多数。小宇宙做个短音频服务，或可满足这一增长诉求。

我2025的第一篇文章和最后一篇文章都送给视频播客了，所以我们是非常重视视频播客的 🌚

#对其实全年就写了这一篇

七月份的节目发布后，我们主播经由相关渠道向相关部门递交了建议和提案，很高兴看到节目里的很多想法今天变成了国家标准。
​
​我们更希望看到这个标准能够深入落实变成行业强制标准，并参照对物流行业的管理纳入国家邮政总局的监管系统，订立时效标准，限制配送时效的无限内卷，确保骑手的安全。不过慢慢来，总比没有监管的好。
​
​这可能是播客的意义，专业人士的深度表达，是播客可以承载和分发的，而比起短内容，深度全面的表达，是可以被看到、进而影响一些事情的。

B站是有什么大病么？换了几十个号发邮件要合作，问题是我们邮件回复了，就没人理了。你们B站是对电子邮件这东西有啥误解么？当鸡毛信用？

另外，我们不做“视频播客”。

上周，又是一年RTE大会，已经记不清这是第几次参与了，做了直播，做了闪电访谈，做了播客，跟开发者们聊的非常开心。过去一年，其实我一直不太确定AI应用的爆发到底能不能来，所谓爆发，不是舆论面和媒体的爆发，而是真实应用的广泛落地。这次大会让我们有了更切实的感受，即，AI先带来的恐怕不是应用爆发，而是对既有产品改造、创新的爆发。AI应用本身，不是重点，重点是AI对既有产业的赋能提效和改造。直播视频播客三样传播一起搞，现场太忙了，忙到我这一星期才缓过来，也没拍多少照片，也辛苦我们的小伙伴，半夜还在跟我撤展收设备。

传统产业与AI的“沟壑”还很深，深到只要把你理解的AI能力，释放出1%给到传统从业者，他们就能为此买单付费，因为AI确实给他们的业务带来了切实的回报和提效，这是能算出来的账，在可预测的未来两年，这还是个巨大的利基市场，而与先前几次创新范式的变革不同，这次考验的不是你的编码能力，而是执行力和落地能力。

最近在尝试用AI帮助线下生意做业态调改，用AI替代了此前的人工经验。帮助线下商业引入利润相对高，但由于以前非常依赖人员经验，所以很难落地的经营品类。测试起来是跑的通的，几乎是被老板们反向PUA的干，线下低迷的大环境下，他们太需要经验、效率和变化了，而AI，应该是可以帮助到他们的。

上个周末，在天津谷歌开发者社区 Vibe Coding 技术分享会上做了一个开场。总结了一下观点，分享给大家，希望有用。

在过去很长一段时间里，商业创新的“从0到1”是一件极其昂贵的事情。我们都听过那句经典的调侃：“我有一个绝妙的想法，就差一个程序员了” 。

这句话背后，其实并不是在讽刺谁，而是创新的高昂门槛。一个想法要落地，哪怕只是为了验证其可行性的最小化产品（MVP），也意味着巨大的前期投入。你需要一位甚至多位工程师，投入数周乃至数月的时间 。你需要定义API、开发前端、搭建后端、部署数据库……每一个环节都是实实在在的成本 。

而程序员也是要计算机会成本的，所以这种模式导致了一个必然结果：大量的创新想法，在萌芽阶段就因为过高的试错成本而被放弃。 特别是对于那些缺乏技术背景的传统行业从业者，或者资源有限的小团队而言，将一个业务构想付诸实践，几乎是遥不可及的。

今天，AI编程的成熟，正在从根本上改写这个等式。

我有一个强烈的感受，这种变革的深刻程度，堪比当年“从PC互联网到移动互联网”的跃迁 。移动互联网的普及，是因为它解放了“地点”，让用户随时随地接入网络，从而引爆了用户体量和应用场景的指数级增长 。

而AI编程，则是在解放“创造”的门槛。

过去，将业务需求翻译成可执行的代码，需要一位月薪数万的全栈工程师 。现在，这个角色的部分职能，可以由每月花费200美金的AI工具来承担 。

这意味着，创新的起点被前所未有地拉低了。产品经理、业务专家，甚至任何一个有清晰想法的人，都可以通过自然语言描述，让AI生成一个可运行的业务原型 。验证一个想法的成本，从“数周的人力”骤降至“数小时的算力”。

这就是我所说的“范式跃迁”：商业创新的核心驱动力，正在从“资源密集型”转向“创意密集型”。

当一个颠覆性的技术出现时，最大的机会往往存在于“认知差”之中 。今天，我们这些身处科技行业的人，与广大传统行业的从业者之间，就存在着巨大的认知鸿沟 。

我举了一个真实的例子：

我们曾帮助一家线下餐馆，利用AI来做经营分析。这家店很多订单都是手写的菜谱，在过去完全无法进行数据化管理 。而现在，AI不仅能识别这些手写订单，还能结合历史销售数据进行深度分析，最终得出一个令人意外的结论：每逢下雨天，“水煮肉”这道菜的销量就会显著提升 。

这个小小的洞察，让老板可以根据天气预报提前备货，降低食材损耗，提升利润 。在过去，这种基于数据分析的精细化运营能力，是大型连锁企业耗费巨资构建BI系统才能实现的核心优势 。而今天，AI将这种能力“民主化”了，让一家小餐馆也能享受到数据智能的红利 。

这个案例不是孤立的。它揭示了无数潜藏在传统行业中的机会。无论是餐饮、零售、制造还是服务业，都存在大量可以用AI进行优化和创新的环节。

而我们的机会，正是去做那个价值的连接者。我们懂技术，我们理解AI的能力边界。只要我们愿意深入到这些传统业务场景中去，就能发现并创造出巨大的价值。

其实，AI编程的浪潮，并不是要取代程序员。恰恰相反，它为技术从业者打开了一扇全新的大门。除了核心生产系统、高并发业务，在很长一段时间内依然需要我们专业的工程师来保障其稳定和高效 ，与此同时，AI赋予了我们一种新的能力——快速将业务洞察转化为实际产品的能力。

这是一个时代的跃迁 。我们不应该仅仅将AI视为一个提升编码效率的工具，更应该把它看作是撬动业务创新的杠杆。走出去，去了解真实世界的需求，用AI帮助那些传统业务释放新的活力，这或许是我们这一代技术人面临的，最激动人心的机遇。