做了2个咕嘎的小视频，感觉到AI处理的复杂和多样性，觉得不应该自己一个人造车了，希望和大家多交流。

目前视频上面的点子倒不是很多，就小结下之前做的时候出现的情况，供分享。

1. 咕嘎的三维图有大佬分享过，用起来AI的视频里面基本上不会出现脸崩的情况，这很完美；但是吧，总会加些额外的表情，当然不是说不行，有时候也会有惊喜，但是也太随机了。

2. 我做的第二个的设想是让咕嘎翻唱一句歌词，然后词都变成“咕嘎”这样的拟声词，没想到就会撞到一堵名为音频的墙。这个墙如此之高，以至于我去翻以前大佬的视频才发现很少是有配音的2333。

3. 解决音频的时候才发现原先里面偶尔出现的"咕嘎"的配音并不知道是哪种音源，去几种剪辑软件翻了几天最终放弃了，而且音频的剪辑也是另外一道墙，涉及到词的修改又是一道墙，豆包推荐了很多音源修改软件，然而免费的毕竟本来就少，很多提供的功能只能写一个词让它念/朗读，或者翻唱，但是又不能同时改词，总之就是功能比较单一，最终是在xstudio里面出现了一种功能是提取音频的音阶，音阶下面同时显示了这一段的歌词，并且可以编辑，才最终实现改词翻唱的功能。

4. 目前重心在学习mcp开发框架，写一些自用的小程序，欢迎讨论