经过几年的努力，期间有过短暂的中断，我终于将 Ripl 推向了发布的阶段。Ripl 是一个库，用于通过单一 API 在任何上下文中（默认支持画布、SVG、WebGPU 和终端）渲染 2D 和 3D 形状。该库尽可能模仿 DOM，复制事件系统、对象图、类似 CSS 的查询、渐变和关键帧动画等功能。
我还使用核心包构建了一个完整的数据可视化库，名为 @ripl/charts。没错，您甚至可以通过大约 2-3 行代码的修改将图表渲染到终端上 :) （请查看终端演示）。
文档可在此处查看： [https://www.ripl.rocks](https://www.ripl.rocks)
演示可在此处查看： [https://www.ripl.rocks/demos](https://www.ripl.rocks/demos)
图表可在此处查看： [https://www.ripl.rocks/docs/charts](https://www.ripl.rocks/docs/charts)
我还构建了一个交互式的游乐场，您可以实时体验，而无需从 NPM 等安装。游乐场可在此处访问： [https://www.ripl.rocks/playground](https://www.ripl.rocks/playground)
核心库相当稳定，我可能会在接下来的几周内发布 v1。图表、3D 和终端包仍然处于实验阶段。
我很想听听大家对此的看法。
返回首页
一周热榜
我很好奇你们团队是如何与Claude Code和Codex合作的？你们是否在使用Linear和JIRA，并进行MCP管理？你们是将内容从Markdown转移到Google文档或Notion进行协作，然后再回到Markdown吗？还是说你们只是通过GitHub进行所有的协作？
大家好，我基于我高度升级的 VITS 模型，制作了一个 TTS 模型，该模型以外部说话者嵌入（Resemble AI 的 Resemblyzer）为条件。<p>这个模型大约有 3100 万个参数（ONNX 格式），经过调优以实现低延迟和本地推理，并且已经导出。我试图突破小型快速模型的极限。它在服务器 CPU 上的运行速度是实时的 5.6 倍。<p>该模型支持声音克隆和声音混合（将两个或多个说话者的声音混合以生成新声音），许可证为 Apache 2.0，并使用 DeepPhonemizer（MIT 许可证）进行音素化，因此没有许可证问题。<p>代码库包含检查点、运行方法以及 Colab 和 HuggingFace 演示的链接。<p>不过，由于模型体积小，音频质量并不是最佳，并且由于它是基于 LibriTTS-R 和 VCTK（这两个都是完全开放的数据集）进行训练的，因此说话者的相似性也不是很好。<p>尽管如此，我希望它能对你们有所帮助。
我们现在大约有15个人，以前“自然而然”能运作的事情开始出现问题。大家都知道的决策变得模糊不清。新员工的适应期变得漫长。不同团队在不同的假设上进行工作。
对于经历过这个阶段的人来说，最初出现问题的是什么？你们是如何应对的？