專案

我在 GeekNews（韓國技術資訊網站）上看到了 awesome-design-md ，雖然我不喜歡把其他網站的設計拆下來當作預設提供的做法，但「讓 AI 擁有一致設計系統」這個想法本身我覺得很棒。

我本來就會做許多專案，所以一直希望能擁有自己的設計系統，讓人光看設計就能認出「啊這是 LemonDouble 的專案！」。

因此我曾實際委託認識的設計師用 Figma 接案製作過，但.. 我畢竟是伺服器開發者.. 有些東西實作起來很困難，而且每個專案都會持續需要新元件，總不可能每次都委外，所以一直沒能真正套用。

但這個方法論也許可行，於是我從自己 favicon 的 logo 開始，先抽出 Primary / Secondary 顏色，再針對各色調整彩度／明度產出多個草稿，肉眼一張張檢視並反覆調整到滿意為止。

從部落格到所有有前端頁面的地方都套用了。

結果還挺不錯的。

TTS 領域有 Bert-VITS → Style-Bert-VITS2 這條譜系。

Bert-VITS 是 Fish-Speech 團隊以前的模型，現在他們已經轉向 autoregression 方式的 Fish-Speech 倉庫，那邊的更新就停了。

在這之上加一層 style 相關的 layer、訓練更多日語資料以提供日語強化的 Pretrained 模型，就是 Style-Bert-VITS2 的倉庫。

另外還做了各種改進。

但 Style-Bert-VITS2 的函式庫更新大概在八個月前就停了.. 既然已經停了，乾脆趁機整理一下程式碼，讓它更好用，所以我就動手做做看。

已完成的內容

• pyopenjtalk-prebuilt 函式庫已經停止更新，在 Python 3.12 以上無法使用。我把它 fork 出來修改成最新版也可以建置的 lemon-pyopenjtalk-prebuilt 函式庫並改用之
• 修正 TTS 文字中若包含英文會被當成靜音處理的問題。利用 loanwords_gairaigo 的資料自動支援約 22 萬個英文→片假名映射，並簡化自訂字典登錄功能
• 對 BERT weight 進行動態量化，記憶體使用量約減少 50%
• 把 Synthesizer 透過 ONNX 最佳化，在 CPU 上達成約 1.6 倍的速度提升
• 將 BERT 與 Synthesizer 模型載入分離，讓 BERT 可被共用，每個說話者只需另外載入 Synthesizer，做到每位說話者只需約 200MB 記憶體
• 發布為 PyPI 套件，整理成 pip install hayakoe 後 3 行程式碼即可使用
• 在純 CPU 環境下無需安裝 PyTorch，僅靠 ONNX Runtime 即可推論，改為雙後端結構
• 支援句子級的串流 TTS（stream()）。不需要一次處理整段長文字，而是按句逐一生成，可用於即時回應
• generate() 對長文字自動以句子為單位分割處理，速度提升約 37 倍（400 字基準 143 秒 → 3.8 秒）
• 將 weight_norm 遷移為 parametrizations.weight_norm，確保 PyTorch 2.x+ 的相容性

開發中的內容

• 正在實作預處理流水線，將想抽取資料的影片自動轉成訓練資料。影片上傳 → 抽取音訊 → 分離背景音 → Whisper 字幕生成 → 自動建立資料集，全程一條龍
• 正在實作互動式訓練 CLI，可從資料集預處理、模型訓練到品質報告生成全部一條龍進行

這是一個可以跟蔚藍檔案的 Arona 對話的 3D 角色檢視器。

• 使用 Babylon.js + babylon-mmd 進行 PMX 模型渲染
• 支援 16 種表情 morph target、14 種 VMD 動作
• 透過 Bullet WASM 進行頭髮／衣物物理模擬
• 預計接入基於 LLM 的對話功能

以前有個叫 arona 的專案，那只是一個簡單的聊天介面，把 query parameter 傳入文字後顯示。

super-arona 是它的續作，名副其實是更野心勃勃的版本。

這是為了透過 HomeAssistant 用 ADB 投放到電視上而做的天氣 app。

會根據氣象廳預報的降水類型，顯示雨／雪等天氣動畫。

因為是個人用沒什麼特別的，但每天早上做一次天氣 briefing 就能決定要不要騎腳踏車上班，所以挺方便的。

這是一個美食評價系統。

每週五都會跟朋友們去探訪美食，既然要吃，順便打個分數應該也不錯吧.. 所以做成了匿名投票系統。

• 輪盤抽選
• 星級評分
• Google Maps URL 自動複製
• QR code 生成

這是一個解析 ~/.claude/projects/ 中的 JSONL 檔，並把 Claude Code 使用量（費用、token、session、模式）視覺化的網頁儀表板。

用 Docker Compose 啟動就完事了。

可以一眼看出我把 Claude 操了多兇(…)。

正在把原專案重新打包成函式庫，讓人能直接用 pip install style-bert-vits2 安裝。

以 ONNX runtime 在 CPU 上也能即時推論，計畫做到下載套件後 3 行程式碼就能推論。

原本的附加元件是透過 HA REST API 建立 sensor 的方式，沒辦法指定 Entity ID alias。

• 改成 MQTT Discovery 方式，賦予 unique_id，並讓 sensor 名稱也能在 HA UI 中改名與管理
• 透過 Supervisor API 自動偵測 MQTT broker，使設定更為簡便

這是為了讓 Claude Code 在做事的時候我能離開座位而做的 MCP 伺服器。

相比原本擴展了不少，主要功能如下：

• MCP 工具 4 種：ask_on_slack（送出問題並等待回答）、notify_on_slack（只送通知）、upload_to_slack（上傳檔案）、download_slack_file（下載 Slack 附件）
• Slack → Claude：在 Slack 中 mention bot 後會列出專案清單，選擇後就會在該專案啟動 Claude session。也可以直接在 Slack 中建立新專案。
• 即時進度：Claude 每次使用 Read、Edit、Bash 等工具時，Slack 訊息都會即時更新。
• 訊息排隊：Claude 在工作時若在 Slack 討論串裡留言，等工作結束後就會接著處理剩下的內容。
• 以 emoji 反應取消：加上 ❌ 反應就會中斷工作。
• 模型／effort 設定：可透過 thread 內指令變更模型（sonnet/opus/haiku）與 effort 等級，全域預設值也能保存。
• 顯示 token 使用量：回覆完成時會自動顯示模型名稱、token 數量、cache 命中率、費用、耗時。

我在 AliExpress 買了個便宜的 TV 連動背光，雖然官方 app 能用，但沒有第三方整合.. 順便趁機學一下 BLE HCI dump，於是開了這個專案。

這是一個通用控制器，對於沒有專屬 HA integration 的 BLE 裝置，只要在 UI 中指定 Service UUID／Characteristic UUID／hex payload 就能控制。

也寫了 開發過程的部落格文章 。

受 LangGraph 啟發而做的專案。

Home Assistant 的 Entity 越來越多，要讓單一 Agent 處理全部太吃力，能不能拆成適當的 subagent？這是出發點。

光是現在我家就有大約 300 個 entity。

一開始是用 React Flow canvas 拖拉 node 來自行組合工作流，但用 Claude Code 用得多了之後，我有了個體悟。

其實大家幾乎不會想自己畫 graph。

要怎麼組起來，老實說也得實際跑過一次才能抓到感覺..

所以從 v2 開始改採像 Claude Code 一樣，用自然語言不斷更新工作流，最後只在實在不行的部分手動微調的方向。

只要用自然語言說明，AI 就會自動生成／修改 LangGraph 風格的工作流，儲存後即可作為 HA Conversation Agent 直接註冊。

反正 BERT-VITS 伺服器我都長期開著.. 抱著「順便讓認識的人一起用」的想法做了這個 HA 整合。

• 輸入韓文／英文等，會先自動翻譯成日文後以日語語音輸出
• 從 API 伺服器抓取 speaker 清單，自動為每位 speaker 建立 TTS entity

我管理個人工作會用看板.. Jira 在公司用要付費，Notion 又慢又不順手，其他的也都覺得少了點什麼，所以乾脆自己做。

• 卡片是 .md 檔，可以用 LLM 自動處理
• 歸檔之後可以當作個人工作筆記使用
• 因為基於 Obsidian，資料完全保存在本機

這個外掛在筆記儲存時會自動由 LLM 推薦標籤，並能透過 YAML 定義表單範本，為各欄位設定 LLM prompt。

本來是想用來寫東西的，但因為太忙最後沒怎麼用上(…)。

Vault 中佔最多容量的就是圖片.. 所以在剪貼簿貼上或加入 vault 時，會自動把 JPG/PNG/HEIC 轉成 WebP/AVIF。

剪貼簿貼上時有時會出現外部連結圖片，之後會壞掉，這個外掛也會防止那種情況。

雖然原本就有 git 外掛.. 但每天離開 vault 前我都會忘記同步，所以做了這個。

按下 X 鈕就會自動 commit→push，忘記的次數就大幅減少了。

因為 pyopenjtalk 不支援 Python 3.10 以上版本，所以我自己 build 後公開的套件。

不需要 CMake／C++ 編譯器，光用 pip install 就能安裝。

這是以前做到一半就 drop 的 RabbitProtocol 的續作。

要分享大型檔案時找不到適合的服務，所以乾脆自己做。

• 使用 S3 multipart upload 上傳大型檔案（chunk 10MB~500MB 自適應）
• 密碼保護、下載次數限制、IP 過濾（CIDR）
• TTL 1~90 天到期設定
• Drop Link：別人可以上傳檔案給我的一次性接收連結（24 小時到期）
• 下載 log 追蹤與 Web Push 通知
• 與 lemon-auth 整合

做了不少函式庫想公開時，發現 docs 頁面也想統一風格，所以做了這個。

這是把 lemon-design-system 的色彩／字體套用到 VitePress 上的主題套件。

hayakoe docs 就是用這個主題做的。

隨著 auth-server 的功能越來越多（個人檔案設定、passkey、TOTP 2FA、稽核 log、裝置管理等等…），整合流程變得相當複雜。

每次新服務都要從頭寫一次認證整合實在太麻煩，所以做了這個 Next.js 專用函式庫，讓人能以標準化的方式接入。

這是在 GitHub Actions runner 上安裝 Skopeo 的 action。

自架的 OCI 相容 registry 光靠 docker buildx 沒辦法更新 layer.. 需要的 action 卻找不到合適的，所以乾脆自己做了一個來用。

在 sns.lemondouble.com 上已經營運約 1 年的 Misskey 站點。

在 lemon branch 中做圖示變更等客製化，同時持續與 upstream release 保持同步。

我設想了一個系統：類似 AdBlock，在瀏覽器 DOM 中用 ML 自動過濾掉仇恨言論。

架構是用 PyTorch 訓練模型後轉成 ONNX，再透過 Transformers.js 在瀏覽器中推論。

因為資料集公開有疑慮所以以非公開方式進行，做到了「在 DOM 中偵測到仇恨言論時用紅框標記」的程度..

但資料集難以強化、Transformers.js 支援還很弱、要在 DOM 中處理的資料量太大需要極致最佳化，加上一個人不可能涵蓋所有網站，所以暫時 drop 了。

原本想用 OpenWakeWord 訓練自訂喚醒詞，做出叫「Arona」就會回應的智慧音箱。

雖然完成了喚醒詞訓練.. 但要寫韌體實在頭大，內建麥克風效果也不好，加上不確定方向是否正確，於是 drop 了。

其實我想要的是能在動態畫面中看到 Arona。

這是接收 GeekNews（韓國技術資訊網站）提供的 Google Chat webhook，並用 Misskey bot 帳號自動轉貼的 Cloudflare Workers。

從 2023 年 7 月起，已經運行約 3 年了。

兩個月前 GeekNews 增加了 domain 檢查導致整合中斷，我抱著姑且一試的心情向 GeekNews 詢問，結果他們真的非常友善地幫我加了例外，於是又恢復正常運作了。

家用 K3S 叢集的 GitOps Config 倉庫。

以 ArgoCD Apps-of-Apps 模式管理，由 mini PC（Ryzen 3750H）與 GPU 工作站（Ryzen 5600x／RTX 3090／64GB）兩個節點運行中。

在這個叢集上運行的服務：

• auth-server：用 Go 寫的 SSO 伺服器（Traefik ForwardAuth 整合）
• search-server：基於 OpenSearch 的搜尋 API 伺服器
• ml-server：TTS／ML 相關伺服器（使用 RTX 3090）
• Immich：自架照片／影片備份
• LibreChat：多 LLM 聊天 UI
• Ollama：本機 LLM 推論伺服器（KEDA HTTP 擴縮）
• OpenSearch：搜尋／日誌 DB + dashboard
• RustFS：S3 相容物件儲存
• Zot：OCI 相容容器映像 registry
• CloudNative PG：PostgreSQL 叢集（pgvector、S3 備份）
• Argo Workflows：cron 工作流（追蹤者檢查、Misskey cache 清理等）
• Longhorn：分散式 block storage（SSD/NVMe/HDD 三層）
• 其他基礎建設 stack：Traefik、MetalLB、cert-manager、KEDA、Sealed Secrets、Beszel 等

只要有一張動畫角色圖片，就能在瀏覽器中與該角色對話的專案。

把 talking-head-anime-3-demo 部署到 ML 伺服器上產生上半身動畫，並用 MediaPipe 抽取臉部 landmark 後映射到角色上。

管線相當長：語音錄製→STT→ChatGPT 生成回答→翻譯→TTS 語音合成→talking-head-anime-3 生成影像，全部一氣呵成。

細節也都顧到了：對左右眨眼用平均值做校正使其同步、對話結束後讓嘴巴閉上、讓角色根據頭／身體方向看向我等等。

為了瀏覽器相容，連影像 codec 都從 VP9→H.264（PyAV）改了過來，挖了不少坑。把翻譯與 TTS 生成做成非同步並行，也縮短了推論時間。

雖然挺認真做的，但現在已經沒在用，所以是 archived 狀態。

基於 Hugo + GitHub Pages 的個人部落格。

就是你現在正在看的這個部落格！

這是利用 ChatGPT API 與 AWS Lambda 做出 Serverless Discord Bot 的範本。

每次只為了跑一個 bot 就開伺服器太貴了嘛~

這是個 Chrome 擴充功能，會在使用 ChatGPT 搜尋時把韓文 prompt 自動翻成英文。

當時韓文表現遠不如英文，用英文提問也算是個小技巧。

就算機翻的英文有點生硬，也比直接用韓文問得到的回答好太多了。

某天 Elon Musk 突然在 Twitter 上把 logo 換成 Doge 幣的圖示(…) 我實在很想把它弄掉，於是第一次寫了 Chrome 擴充。

這是把 Twitter logo 還給原本主人 Larry 的擴充功能。

當時為了求職作品集，想著「順便做點有趣的東西吧 + 做個會吸引大量流量的服務，把 AWS 帳單附在履歷上應該會很搶眼吧？」於是規劃了這個野心勃勃的專案。

這是把使用者推文 mention 對（問／答）以 BERT embedding 訓練後，做成個人化聊天機器人的服務。

以 AWS Lambda + SQS pipeline 將 ML 處理並行化，並由家用 Spring 伺服器負責認證／DB，做成混合架構。

上線當天 Spring 的 SQS 消費瓶頸與 Twitter API rate limit 同時爆發，吃了不少苦頭，詳細內容寫在回顧文裡了。

在 LLM 已經氾濫的現在，BERT 看起來像老古董，但當時對學部生而言是相當新潮的技術。

疫情期間有段時間每個人進出都要寫日誌，所以做了這個用 BLE「人經過就自動寫好」的專案，這樣彼此都方便嘛？

這是學校的全球協力計畫（GBPL），跟日本、中國、台灣、越南的朋友一起進行的，能跟各國朋友協作真的是非常新奇的經驗。

藍牙 beacon 我也親手做了，雖然完全不懂 Android，但還是想盡辦法讓它跑起來(…)。

第一次實習時進了一家做音樂處理的新創，這是當時為了學習而建的倉庫。

mel spectrogram 之類的東西就是在這時學的，現在玩 VITS 時還挺派得上用場。

學起來終究都會有用處的。

大學網路 socket 程式設計課程的作業，記得是發表前一天熬夜趕工才勉強完成的(…)。

第一次用 C++ 做 low-level socket 通訊，還自己設定封包大小做了客製化通訊，挺有趣的。

大學編譯器課程的作業。

做到了 Scanner 跟 Parser，本來想繼續做下去，但學部一個學期太短，只能到這裡了..

有機會的話，我也想做做看屬於自己的語言。

因為真的很有趣。

大學資訊檢索（搜尋引擎）課程的作業。

會讀取文件後做成 TF-IDF weight dictionary，並計算與 query 的相似度，輸出前 10 筆結果。

第一次學 React testing。

當時為了求職還真的學了不少東西呢..

第一次用 Spring 做的專案。

從簡單系統開始，一步步加上需求，思考為什麼需要物件導向設計與測試。

這是讀「Architecture Patterns with Python」（Cosmic Python）一書時，學習 DDD、Repository pattern、Unit of Work、CQRS、event-driven architecture 等的倉庫。

學到了很多，但實際應用又是另一回事，這是我工作後才體會到的。

這是大一學 C/C++ 時做的東西。

• 五子棋遊戲
• 基於 System Call 的貪食蛇遊戲
• 模仿 MySQL 基本功能的簡易 SQL 實作

畢竟是大一做的，請可愛地看待(…)。當時對我來說真的很難..