NiceKate AI：保姆級教程 Grok CLI + Goal 實戰，用 Fish Audio 免費 API 搭建 AI 聲音工作室

開場閒聊

可角一開場就帶來好消息：Fish Audio 正式向開發者免費開放文字轉語音 API！S2.1 Pro 模型支援 83 種語言，包括繁體中文，而且免費使用期限延長到 7 月底。她興奮地說，Fish Audio 的限制比想像中少很多 — 沒有隱性的字符上限，只受到公平使用政策約束。

聊到 TTS 模型的排名時，可角提到 Google 的 Flash 模型品質確實很好，阿里系的 TTS 也不錯，但 Fish Audio 最大的優勢就是免費，可以讓開發者盡情體驗。比較特別的是，她沒有直接使用 Fish Audio 的官方介面，而是用 Groq CLI 搭配 DeepSeek，親自打造了一個多角色 AI 聲音工作室「Vox Weaver Studio」。

懶人包速覽

核心痛點	解決方案 / 關鍵觀點
TTS API 費用高昂，入門門檻高	Fish Audio S2.1 Pro 免費開放，支援 83 種語言，7 月底前完全免費
多角色配音難以穩定維持音色一致性	Vox Weaver Studio 支援角色音色鎖定、AI 覆查機制、音色庫持久化
Grok CLI 功能多但學習曲線陡峭	斜槓命令（/resume、/context、/fork、/review）大幅提升開發效率
AI 編碼計劃與實作常有落差	Grok 的 Goal 功能自動驗證計劃與程式碼一致性，發現問題後自動修復

我花了大約 15 分鐘看完這集 NiceKate AI，內容從 Fish Audio 免費 API 的宣布一路延伸到 Grok CLI 的深度實戰，資訊量非常紮實。可角不僅展示了如何用 AI 搭建應用，還完整記錄了從「跟 GPT 討論規格」到「用 Grok 寫 Code」再到「讓 Codex 審查」的多模型協作流程，對想要入門 AI 開發的朋友非常實用。

Fish Audio S2.1 Pro 免費開放：開發者的 TTS 福音

Fish Audio 這次開放的 S2.1 Pro 模型在 AA 榜單排名第 14 名，雖然不是最頂尖，但考量到它是完全免費的，性價比極高。可角實際測試後表示，S2.1 Pro 的合成品質相當夠用，無論是旁白朗讀還是角色對話都能勝任。

免費使用期限延長到 7 月底，讓開發者有充足的時間進行測試與整合。可角特別強調，Fish Audio 的 API 限制很少，沒有隱性的字符上限，對需要大量文字轉語音的應用場景非常友善。

多角色 AI 聲音工作室：Vox Weaver Studio 實戰

可角開源的 Vox Weaver Studio 是一個支援多角色配音的 Web 應用，核心功能包含：

AI 角色辨識與分集

使用者輸入一段文字後，選擇 DeepSeek 的 Pro 或 Flash 模型，系統會自動分析內容，將旁白與不同角色的台詞分開，並為每個角色建議風格標籤。可角發現，無論是 Flash 還是 Pro 模型，偶爾都會漏掉一小段話，於是她加了一個 AI 覆查功能，在角色分好後進行第二輪驗證。

音色庫與角色鎖定

每個角色可以試聽不同的音色選項，不滿意可以重新生成，滿意後鎖定為角色音色。關鍵的是，音色會被保存到音色庫並產生引用 ID，後續可以透過同一個 ID 重複使用相同的音色 — 這確保了跨 session 的角色聲音一致性。

批量處理與下載

支援批量上傳 txt 檔案，系統自動優化後批量生成音頻，最後可以下載合併後的完整音頻檔。整個流程從輸入文字到產出最終音頻，幾乎是全自動的。

Grok CLI 實戰：從計劃到編碼到驗證的全流程

這集的重頭戲是 Grok CLI 的深度使用分享。可角採用了多模型分工策略：

規劃階段：GPT-5.5

可角先將 Fish Audio 的開發者文檔、官方部落格文章一口氣丟給 GPT-5.5，請它根據這些資料撰寫完整的應用規格書。她比較過 Gemini 和 Claude，認為目前做規劃最強的是 GPT，產出的計劃包含技術棧選擇、模組劃分、頁面設計要求等細節，非常完整。

編碼階段：Grok Composer 2.5

拿到規格書後，可角將任務交給 Grok CLI 的 Composer 2.5 模型。她使用的是 SuperGrok 方案（非 Heavy），整個專案花了可用額度的 14%。Composer 2.5 的開發流程是：先讀規格 → 搭建結構 → 實作服務端 → 實作前端 → 持續驗證。

在開發過程中，當點擊「AI 優化」時控制台報錯 500，Composer 很快就排查出是 DeepSeek 的 JSON 格式與專案 Schema 不一致，並在第一時間修復。可角對此讚譽有加：「很多問題基本上提示了一次 Composer 2.5 就解決了，很少有來回拉扯的情況。」

驗證階段：Grok 的 Goal 功能

Grok CLI 最讓可角驚豔的功能是 Goal — 它會自動驗證計劃與程式碼之間是否有落差。開啟後會看到一個驗證面板，從最初的 6 項驗證擴展到 9 項，逐一檢查計劃規格是否被正確實作。發現問題後，系統自動修改程式碼來縮小差距。

最終整個專案花了約 42 分鐘，完成 95% 的工作量，消耗 741K tokens。對於一款多角色配音的 Web 應用來說，這個效率相當驚人。

審查階段：Codex GPT-5.5

最後一關，可角用 Codex 裡的 GPT-5.5 做安全審查。Grok Composer 在寫程式時已經發現了一些安全問題，可角將其中四項交給 Codex 進一步處理，確保應用程式上線前的安全性。

Grok CLI 快捷鍵與斜槓命令大全

可角整理了一系列 Grok CLI 的實用操作：

快捷鍵：

• Ctrl + R：搜尋歷史提示詞
• Ctrl + W：在提示詞中刪除一個字

核心斜槓命令：

• /resume：從中斷處繼續對話
• /fork：分支出新對話（非常重要）
• /context：顯示 token 使用量
• /review：回退到之前的對話狀態
• /memory：調用記憶功能
• /skillify：將當前 session 捕獲為可複用的 skill
• /recap：快速生成對話總結
• /export：匯出整個 session

可角特別推薦 skillify 命令，可以將一次成功的開發流程沉澱為一個斜槓命令，下次遇到類似任務直接呼叫就好。這個設計理念與 Hermes Agent 的 skill 系統非常相似。

QA 精選

Q1：Fish Audio 免費方案有哪些限制？

免費 API 沒有隱性的字符上限，但受到公平使用政策（Fair Use Policy）約束。支援 83 種語言，包括繁體中文。免費期限延長到 7 月底，之後是否收費或調整政策尚未公布。S2.1 Pro 在 TTS 榜單排名第 14，合成品質對一般應用場景已經足夠。

Q2：Grok CLI 的 Goal 功能到底在做什麼？

Goal 是 Grok CLI 的自動驗證功能。當你交給 Grok 一個開發任務後，開啟 Goal 會讓系統自動生成驗證清單（可從 6 項擴展到 9 項以上），逐項檢查 AI 寫的程式碼是否完全符合最初的計劃規格。發現落差時，系統會自動修改程式碼來補齊差距，不需要使用者手動介入。

Q3：Vox Weaver Studio 如何確保角色聲音的一致性？

系統透過音色庫機制來實現：每個角色選定的音色會被儲存並產生唯一的引用 ID。後續只要使用相同的 ID，就能生成完全一致的聲音。即使跨 session 使用，角色的聲音也不會跑掉。此外，AI 覆查功能會確保角色分集沒有遺漏任何台詞。

Q4：Grok Composer 2.5 的開發效率如何？適合什麼類型的開發？

可角用 42 分鐘完成了 Vox Weaver Studio 的 95% 工作量，消耗 741K tokens（約 SuperGrok 月額度的 14%）。她認為 Composer 2.5 非常「能寫」，而且很會檢查錯誤。適合有明確規格的 Web 應用開發，特別是當你已經先跟其他模型（如 GPT-5.5）討論好計劃後，Grok 負責實作效率最高。

Q5：多模型協作（GPT → Grok → Codex）的必要性？

可角認為每個模型各有專長：GPT-5.5 最適合做搜尋與規劃（目前最強），Grok Composer 2.5 編碼速度快、修正到位，Codex 的 GPT-5.5 適合做安全審查。透過分工，可以讓每個模型在自己最擅長的領域發揮最大價值。

主編隨筆

這集內容對正在摸索 AI 輔助開發流程的人來說非常有參考價值。可角展示的不只是「用 AI 寫程式」，而是一套完整的工作流：先用強模型做規劃（GPT-5.5），再用快速模型做實作（Grok Composer 2.5），最後用另一個強模型做審查（Codex GPT-5.5）。

這個「規劃 → 實作 → 審查」的三段式分工，其實跟大型軟體團隊的開發流程一模一樣，只是角色全部由 AI 擔任。對於獨立開發者或小團隊來說，這意味著可以用極低的成本獲得接近團隊級的開發效率。

另外，Grok CLI 的 Goal 驗證功能值得特別關注 — 它解決了 AI 編碼中最令人頭痛的問題：AI 寫的程式碼跟你的需求對不上。能夠自動比對計劃與實作的差距，並主動修復，這比很多號稱「AI 助手」的工具實際得多。

相關文章：Gary Talks Stuff：為什麼你該開始做產品給AI用了？

結語

這集 NiceKate AI 從 Fish Audio 免費 TTS API 出發，完整走過了一個 AI 應用從規劃到上線的全流程。可角透過 GPT-5.5 規劃、Grok Composer 2.5 編碼、Codex 審查的多模型協作模式，在 42 分鐘內完成了 Vox Weaver Studio 的開發，展示了現代 AI 開發工具的真正實力。

對於想入門 AI 開發的人來說，最大的啟發或許是：工具已經準備好了，剩下的是你有沒有想清楚要做什麼。 規格越清楚，AI 的執行力就越強。