共有 447 篇文章
在一些需要高质量文本转语音（TTS）的场景中（比如：有声书配音、播客等）。之前介绍的EdgeTTShttps://didispace.com/posts/454方案可能效果没有那么好。此时就比较推荐使用 MiniMax、CosyVoice这些提供的音色，这些音色的效果会更加拟人、逼真，接近真人发音。这里依然通过 UnifiedTTS...
我们常以为接口的瓶颈在数据库或业务逻辑，但在高并发、海量请求下，真正吞噬 CPU 的，可能是“把对象变成 JSON”的那一步。当监控把序列化时间单独拆出来，你会惊讶它能让账单失控。这篇《The Hidden Cost of Jackson Serialization》对我启发很大：默认好用的 Jackson，在某些场景可能成为热路径的成本中心。下面顺手分享给大家参考，以下内容翻译整理自 《The...
在软件工程的共识里，变量命名越清晰越好——意图明确、语义完整、见名知意，这能降低沟通成本、减少误解、提升可维护性。几乎所有风格指南都把“有意义的命名”视为第一原则。 但今天读到的一篇文章《Java Performs Better When You Misspell Variable Names》https://medium.com/javarevisited/java-performs-bette...
Spring Boot集成免费的EdgeTTS实现文本转语音 引言 在需要文本转语音（TTS）的应用场景中（如语音助手、语音通知、内容播报等），Java生态缺少类似Python生态的Edge TTS 客户端库。不过没关系，现在可以通过 UnifiedTTS 提供的 API 来调用免费的 EdgeTTS 能力。同时，UnifiedTTS 还支持 Azure TTS、MiniMax...
使用 ONNX 将 AI 推理引入 Java：企业架构师实用指南 引言 虽然 Python 主导了机器学习生态，但大多数企业应用仍运行在 Java 上。这种脱节造成了部署瓶颈。用 PyTorchhttps://pytorch.org/ 或 Hugging Facehttps://huggingface.co/ 训练的模型在生产中往往需要 REST...
引言 在企业软件世界中，Java 依靠其可靠性、可移植性与丰富生态持续占据主导地位。 然而，一旦涉及高性能计算（HPC）或数据密集型作业，Java 的托管运行时与垃圾回收开销会在满足现代应用的低延迟与高吞吐需求上带来挑战，尤其是那些涉及实时分析、海量日志管道或深度计算的场景。 与此同时，最初为图像渲染设计的图形处理器（GPU）已成为并行计算的实用加速器。 像 CUDA 这样的技术让开发者能够驾驭...
1. 概述 越来越多的现代应用开始集成大型语言模型（LLM），以构建更智能的功能。虽然一个 LLM 能胜任多种任务，但只依赖单一模型并不总是最优。 不同模型各有侧重：有的擅长技术分析，有的更适合创意写作。简单任务更适合轻量、性价比高的模型；复杂任务则交给更强大的模型。 本文将演示如何借助 Spring AI，在 Spring Boot 应用中集成多个 LLM。...
> 在流媒体服务随时可能因系统故障而中断的时代，Netflix 如何确保数亿用户的观影体验始终稳定？本文将揭晓其技术团队的关键实践 —— 从中央 SRE 团队独揽事件管理，到让每个工程师都能主动发起并处理事件的转型之路。你将看到他们如何通过工具选型、流程标准化和文化重塑，把事件从 “可怕的故障” 转化为 “可学习的机会”，甚至让工程师在凌晨三点也能轻松启动事件响应。无论你是关注系统可靠性的技术从业...
从近期社群讨论话题来看，Vibe Coding 话题依然持续火热。作为一名Vibe Coding的深度用户，已经连续开发并上线了好几个产品（比如：TransDuck、OpenWrite、UnifiedTTS）。对于Vibe Coding之前也跟大家聊过《为什么你的 Vibe Coding 体验那么差？》https://didispace.com/posts/439，今天正好看到Martin...
之前在Spring Boot教程https://spring.didispace.com/spring-boot-2/8-1-scheduled.html中我们介绍了如何用 @Scheduled 注解来创建定时任务，Spring 的任务调度用起来确实顺手。可这种实现方式一上多实例（比如多副本部署），同一个定时任务会在每个节点都跑一遍，等于任务会重复执行。 原因很简单：默认情况下，Spring...