我的 AI 工作日志 #001：语音转写修复、风格提取与剪纸视频

今天主要修复了什么

• 长录音内存增长：录音过程改为实时写入临时 WAV，不再把全部音频帧一直堆在内存里；转写结束后自动清理临时文件。
• 重复触发与重复请求：增加处理状态锁和 Windows 单实例保护，避免连续按热键时出现重复转写、重复 AI 请求或多个实例抢占快捷键。
• 剪贴板稳定性：改用 Windows 原生接口读取文字；写入失败时停止自动粘贴，不再出现“实际失败但界面提示成功”。
• 配置与密钥安全：API Key 使用 Windows DPAPI 加密；配置保存采用临时文件验证、原子替换和备份副本，降低配置损坏风险。
• AI 接口容错：补上 URL 校验、连接和读取超时、限流、权限、空返回和内容截断处理；网络失败时保留本地整理结果。
• 安装与打包：移除没有实际使用的大型依赖，构建过程使用独立环境，并检查外部命令的真实退出结果。

我的修复过程

验证结果

在哪里下载

项目源码已经放在 GitHub，可以直接下载 语音转写 v1.3.0 源码包， 也可以进入 项目主页 阅读安装、模型准备和使用说明。

Windows 版使用 PyInstaller 文件夹模式构建，运行时需要完整的 YuyanZhuanxie 程序目录，不能只复制其中一个 EXE。后续整理好的 Windows 完整压缩包会放到 GitHub Releases 页面。

这种风格能产生什么效果

它适合生成高完成度的写实东方时尚人像：人物皮肤明亮柔润，暖粉丝绸与半透明薄纱形成流动层次，刺绣、珍珠和香槟金饰品只在局部闪光；背景压入深棕和棕紫，再用窗光、灯笼暖光、浅景深、轻雾和前景纱幔制造朦胧空间。

这次真正沉淀下来的成果

• 一份中文通用提示词和一份英文通用提示词。
• 固定的基础风格层、光线色彩层、构图层和负面约束层。
• 可替换的人物、动作、服装与场景内容区，方便继续生成系列图。
• 对当前证据范围的说明：人像与丝纱材质已经有参考支持，但无人环境、工业产品和高速动作仍需要继续测试。

从内容到成片的完整链路

成片经历了多轮迭代，重点调整了开场钩子、历史人物出场节奏、画面层级、转场、旁白音色与整体时长。最后输出 1920×1080 横版成片，并另外准备了适合博客加载的 720P 版本。

这条视频让我确认的事情

• AI 视频不只是“生成几个镜头”，真正决定完成度的是脚本、资产一致性、声音、节奏和反复质检。
• 剪纸视觉非常适合历史、城市文化和知识科普，它能避开写实人物不稳定的问题，同时形成明确的系列识别度。
• 把制作流程写成代码后，同类主题可以复用结构，下一次主要替换故事、图片资产和旁白内容。