电磁波Studio (@emw.studio)

我用 ESP32 做了个塔台雷达：播报声还跟真塔台同款音色 只用一块 ESP32，我做了台会说话的塔台雷达：设好 GPS 位置、连上 WiFi，有飞机路过，它就用塔台播报员的声音自动播报。 #esp32 #ai硬件 #ai语音对话 #创客 #飞机姿态仪 @Kimi.ai

只用一块 ESP32，我做了台会说话的塔台雷达：设好 GPS 位置、连上 WiFi，有飞机路过，它就用塔台播报员的声音自动播报。 #esp32 #ai硬件 #语音合成 #塔台雷达 #创客

只用一台 MacBook，螃蟹机器人训到了跳高 0.27 米 本期实测螃蟹机器人原地跳高：站立时机身离地仅 10.7 cm，一跳 0.27 m，相当于自身高度的 2.5 倍 #Jumper #CrabRobot #OpenSourceRobot

我让螃蟹机器人测握力，结果直接捏扁空可乐瓶 本期在仿真环境里给螃蟹机器人测握力：弹簧测力计一口气捏到底，12.72N——捏扁一个空可乐瓶绰绰有余。 #Jumper #CrabRobot #OpenSourceRobot @KingKong Robotics

我让螃蟹机器人百米跑，直接跑出了 2.15m/s #robot #Jumper #CrabRobot #OpenSourceRobot @KingKong Robotics

我让 Microduck 机器鸭学会了拔河 本期给 Microduck 机器鸭加了一个新技能：拔河。两只鸭子背对背、麻绳穿环，谁把红带拖过自己的彩线谁赢——红队 12.3 秒把蓝队磨过线，全程无鸭摔倒。 #microduck #具身智能 #机器鸭 #双足机器人 #robot

我让 Microduck 机器鸭学会了 360° 荡秋千（仿真） 基于 Hannes 开源的 microduck-swing，我重新训练了 Microduck 机器鸭，让它荡过最高点，完成 360° 大回环。 我用一张 RTX 4090D 训练了 4000 轮。仿真测试中，它 60 秒连续转了 7 圈，累计角度达到 2717.8°。 #microduck #具身智能 #机器鸭 #机器人 #双足机器人

我让 Microduck 机器鸭踩上了 2 米高跷（仿真训练） 一张 4090D 单卡，在仿真训练场里教会 Microduck 踩高跷，从 2 厘米的矮跷一路练到 2 米。 说明：本期全部为仿真结果，50 厘米以上属于纯仿真研究，还没上过真机，真打印出来能不能站住，试了再汇报。 #microduck #具身智能 #开源机器人 #双足机器人 #强化学习

Microduck 机器鸭平衡测试：双脚站上篮球保持 60 秒！ #microduck

Microduck机器鸭百米跑，被我训练到了2.07m/s 一张 4090D 显卡，把刚开源的 MicroDuck 机器鸭练成了短跑选手，峰值速度 2.07 m/s。 训练方案： • 算法：PPO 强化学习 • 仿真：MuJoCo Warp 物理引擎，512 只鸭子显卡内并行开练 • 规模：一夜之间 13500 轮迭代 • 奖励函数：跑得快加分、双脚腾空加分、跑偏扣分、动作变形扣分 实测数据：峰值 2.07 m/s，瞬时读数冲到 2.20；公开成绩参考——Hannes 1.6 m/s、Max Sumrall 1.88 m/s。全程屏幕实时显示，数据可查。 #microduck

刚开源的Microduck机器鸭，被我用一张 4090D 教会跳舞 用一张 4090D 显卡，把刚开源的 MicroDuck 机器鸭教会了跟着《牛来》跳舞。 训练方案： ・机器人：MicroDuck ・硬件：单张 4090D 显卡 ・仿真与算法：MuJoCo 同时开 4096 个并行环境 + PPO，一支舞的策略跑 4000 轮迭代，约 2 小时 ・奖励设计：自写「节拍跟踪 + 参考动作匹配」奖励函数，按《牛来》的 BPM 编舞 实测数据：踩点中位偏差 26 ms；高潮部分深蹲幅度 45 mm、摆胯 27°，正拍点头锤准确砸下；12 只鸭子方阵齐舞一整首歌，无一摔倒。这套管线不只适用于跳舞——走路、平衡等动作技能理论上都可以用自定义奖励函数训练。 #microduck #robot

一张 4090 本地部署「AI 魔镜」：方圆一米内最帅的男人是谁？ 我在一张 4090 上部署了一面「AI 魔镜」——问她"方圆一米内最帅的男人是谁"，她会真的看你一眼再回答。

我把「河南妮儿」部署在了 MacBook 本地！ 本期给我的数字人「河南妮儿」补上了最后一块积木：在一台 16GB 内存的 MacBook 上，把数字人完整跑在本地，说完话 1.3 秒左右她就开口。 方案明细： • 数字人：VRM 格式 3D 形象，只渲染、不生成，不占任何推理资源 • 渲染：three.js + three-vrm，全部跑在浏览器里 • 口型：音素分析搬到服务端，每 32 毫秒一帧元音权重，跟着播放队列走——对齐的是播放时刻，不是生成时刻 • 情绪与微动作：大模型顺手判情绪驱动表情，外加眨眼、呼吸、视线跟随 • 语音链路：判停、转写、音色迁移全本地，只有大模型走 DeepSeek API 实测数据：整条管线内存占用约 12GB（16GB 水位偏高但稳）；开口时延 1.3 秒左右，最快测到过 1.26 秒。

把「良子」装进 MacBook：本地 AI 语音聊天实测，时延压到 1.3 秒 本期把「良子」装进了一台 M5 芯片、16GB 内存的 MacBook：一个能听、能想、能用良子音色开口说话的 AI 语音助手，从我说完到它开口，实测约 1.3 秒。 整套系统拆成五块积木： • VAD 判停：Silero + SmartTurn，两个小模型跑在 CPU 上 • 语音转写：Qwen3-ASR 0.6B，跑在 Mac 显卡上 • 大脑：DeepSeek，整套系统中唯一上云的部分 • 语音合成：Qwen3-TTS，跑在 Mac 显卡上；一段录音加逐字台词即可迁移目标音色 • 人设：用「女娲」skill 蒸馏出来的角色设定 实测数据：端到端对话延时约 1.3 秒，最快一次 1.26 秒，日常快问快答、中途打断都能正常衔接。

AI 视频通话时延压到 1.3 秒，4090 显卡本地部署实测！ 本期拆解我开源的 VoxEMW 数字人实时语音系统，看看端到端时延是怎么压进 1.3 秒的。 全部跑在一张本地 4090 上，不依赖任何云端 API，方案全开源。 #qwen #deepseek #codex #claude #kimi

一块 4090 跑通 AI 视频通话全栈：Qwen3.8-27B 本地部署，对话时延 2 秒 Qwen3.8-27B刚开源，我用了一晚上把它部署到本地 4090，把自研开源框架 VoxEMW 的 LLM 大脑从 DeepSeek API 换成了这个本地 27B，实测时延从 2.4 秒降到 2.0 秒。 #deepseek #qwen #codex #claude #ai

Wan Animate 2：让数字人峰哥实现跳舞自由，4090本地可部署！ 给数字人峰哥接入 Wan Animate 2 角色动画能力，实现照片驱动跳舞。基于 VoxEMW 框架开发「跳舞积木」模块，上传一段舞蹈视频 + 人物全身照即可生成专属舞蹈。RTX 4090 本地可跑，15 秒成品约 45 分钟生成，自动超分至 720p，支持多 seed 抽卡选优。代码已开源，可自由体验。

我的AI数字人“峰哥”，有脑子能记事了！！！ 给AI数字人装上长期记忆和知识库！传过的文档他能读，聊过的事他记得。基于开源实时语音框架，单卡本地部署。 本期讲清楚记忆模块和RAG知识库的实现，以及WebRTC音画传输的优化方案，带宽直降一个数量级。

数字人通话延迟再降 0.5 秒！单张 4090 就能部署，冲击 2 秒大关 又缩短了 0.5 秒，数字人视频通话延迟逼近 2 秒大关。 本期在开源数字人实时语音聊天框架基础上，从最后一块"积木"——数字人模型本身继续抠延迟：换上生成粒度更细的新模型，唇同步缓冲从 0.8 秒压到 0.35 秒；还原生支持双流倾听，你说话时它会用视线移动、头部微倾、倾听小表情做出反应，配合眨眼和呼吸感，"他在听"的感觉一下就出来了。 单张 4090 即可部署，方案全部公开。目标是继续寻找更好的开源数字人模型，把延迟真正打进 2 秒。

单卡4090跑AI视频通话，我把延迟压进了3秒内 单卡4090，AI视频通话延迟从3.5秒压到2.9秒，正式打进3秒内。 这期把压延迟的全流程拆开：VAD判停、语音识别、大模型流式输出、唇同步缓冲，四个环节一段一段抠出来的。除了LLM推理那1.4秒暂时动不了，其他基本已经压到物理下限。

我用 Kimi K3 实现了视频连麦“峰哥”，他还给我颜值打了个分 这期，"峰哥"跟我视频连麦了，还当面给我颜值打了个分。我又加了一块积木：打分那一刻，让多模态模型看一眼画面，峰哥照着他的口吻直接锐评，一张 4090 就能跑。 #kimi #kimik3 #codex #claude

我用 Kimi K3 实现了跟“峰哥”实时视频通话 全程 VibeCoding，六块积木本地部署：语音活动检测 + 语音识别 + 对话大模型 + 音色迁移合成 + 人设风格提炼 + 实时对口型驱动，一块 4090 搞定。 #kimi #kimik3 #claude #codex

🎙️用Kimi K3做了个“峰哥说啥我反着来”语音播报大屏幕！ 一句话需求，同步峰哥公开动态，实时反向趣味播报，还能语音搜他的库存内容 技术栈超简单，全程VibeCoding，有手就行。

Kimi K3 一句话生成斗地主游戏，良子峰哥语音陪你打 这个斗地主游戏，是我和 Kimi K3 一起做的——只给了一句话需求。 游戏界面和交互逻辑全部由 Kimi K3 完成，语音部分用的是我开源的项目 VoxEMW：女娲 skill 负责蒸馏人物的口头禅和说话风格，LLM（DeepSeek）负责出牌决策和台词，TTS（VoxCPM2）负责合成语音、迁移音色。搭积木式的组合，就能拼出不同的语音应用。 演示中的声音均为 AI 合成，仅供娱乐。开源项目 VoxEMW 还在完善中，欢迎交流。 这里是电磁波Studio，我们下期见。

Kimi K3 帮我在 3090 显卡造了个「良子 × 峰哥」实时语音唠嗑系统 只用一句话，让 Kimi K3 帮我在一块 3090 显卡上，部署了一套能和「良子 × 峰哥」实时语音唠嗑、还能给我解惑的系统。 语音识别、LLM、音色迁移三个开源模型同卡本地跑；人设和口头禅用「女娲」skill 蒸馏，一段 10 秒原声就能迁移音色。 VoxEMW 项目持续优化中，保持开源。 声明：视频中人物声音全部由 AI 合成，素材仅作娱乐演示。 #kimi #kimik3 #codex #claude

Kimi K3帮我在3090显卡造了个「良子」语音系统 只用一句话，让 Kimi K3 帮我在一块3090显卡上部署了一套能跟「良子」实时唠嗑的语音对话系统。 本期 3090 实测数据：端到端接话 1.5~2.5 秒，STT 识别 0.88 秒，LLM 首 token 0.3~0.5 秒，TTS 首包出声 0.19 秒，显存占用约 20G/24G。 下一步目标：接话延迟压到 500 毫秒以内，项目持续优化、保持开源。 声明：视频中人物声音全部由 AI 合成，素材仅作娱乐演示。 #kimi #claude #codex

我做了个南天门大将军讲话模仿秀评分小工具 我用 GLM-5.2 大模型搭配 Vibe Coding，开发南天门大将军讲话模仿秀评分工具 这个暑假会持续更新Vibe Coding小工具开发视频，下期见～

AI 教具开发系列课：学生作文一键生成评书版配音 AI 教具开发系列实用教程！我让学生撰写评书风格的哈兰德人物介绍文稿，使用 Doubao-音频生成-1.0 模型制作评书配音。 只需一段提示词，即可导出音质优秀的 mp3 音频，日常课堂朗读、公开课展示都很加分，视频内附上全套提示词，各位老师可以直接参考使用。

AI教具系列：让小朋友的画“游”进海底世界。用开源工具OpenForm，学生上传蜡笔画自动转3D，实时投屏到教室大屏。适合美术公开课、亲子活动。搭建思路见视频，评论区交流。

AI教具开发系列课：手把手教你搭建课堂签到大屏 不用写代码，AI帮你做课堂签到大屏！学生端iPad签到，教师端实时大屏。VibeCoding+OpenForm，以《背影》公开课为例，全流程演示。 #vibecoding #ai教育