一个人 + 一台 DGX Spark：我把哪些 AI 实验跑通了（清单 + 数据）

先交代家底：一个人，一台 DGX Spark（128GB 统一内存），不租云卡。最近跑通了五条 AI 实验线——视频生成、语音与知识库、音乐、建站、量化。每条线只讲三件事：做了什么、关键数字、教训。

线	代表作	关键数字
视频生成	Sol-H3 管线	5 秒成片 237.3 秒
语音	SenseVoiceSmall	RTF≈0.05 纯 CPU
音乐	YuE2	5 首批量 12 分钟
建站	craft.cosmocat.dev	拍板到上线 3 分钟
量化	炒股助手	5225 只股票每日更新

线一：视频生成——5 秒成片 237 秒，60 秒成片 14 分钟

模型是 MiniMax H3（视频和原生音频一次生成），跑在本机 ComfyUI；加速用英伟达给 DGX Spark 的 Sol-H3 管线。

• 单条 5 秒成片（1344×768、带音频）：全流程 237.3 秒（其中草稿阶段 85.2 秒、精修阶段 130.3 秒）
• 预量化权重缓存把草稿阶段的模型加载从分钟级压到 10~17 秒
• 管线内存从 116.9G 压到 50~55G——办法是三个常驻进程改串行，一次只驻留一个阶段
• 60 秒正片 = 12 条 5 秒拼接；复用文本编码后，批量出片 826.5 秒（约 13.8 分钟）

衍生玩法：Blender 白模预演 → H3 参考生视频，第 17 版做到零伪影（完整流程见另一篇）。

教训：批量推理的瓶颈不在显存，在编译器。12 条提示词长度不一（151~186 tokens）触发重编译上限（默认 16），第 4 条硬失败；提到 128 后全过。

线二：语音与知识库——纯 CPU 转写，RTF 0.05

知识库的进料口是 ASR：视频、音频先转成文本才能入库（现已有 5000 多页）。

• FunASR SenseVoiceSmall，纯 CPU 转写：34 分 26 秒音频 115 秒转完（RTF≈0.05）；8.6 小时音频 4 进程并行约 12 分钟
• 为什么死守 CPU：统一内存机器上，内存紧张时启动 GPU 推理会触发分配失败，级联到整机冻结——历史上发生过多次

教训：长音频必须切段——600 秒整段只转出 1375 字，切 30 秒小块后是 4071 字。单段限 30 秒内（VAD max_single_segment_time=30000）后恢复正常。并行度也别贪：8 个进程并行曾把内存打爆，上限 3~4 个。

线三：音乐——两首上架，5 首批量 12 分钟

本机开源模型 YuE2 生成歌曲；两首原创已上架汽水音乐（字节系），AI 声明如实填写。

• 单首生成约 120 秒
• 批量测试：5 首不同风格（国风/怀旧/治愈/儿歌/流行）无人值守 12 分钟全部出片，5/5 成功、零截断
• 流水线全脚本化：生成 → 截断自检 → 淡出 → 母带 → ASR 质检

诚实数据：汽水播放 4 次、收益 ¥0.00；抖音 MV 播放 41、2 秒跳出率 71.9%。还在验证期，不美化。完整记录和 5 个坑在这一篇。

教训：max_duration 是上限、不是目标。前两首恰好死在上限（90.0、100.0 秒）被硬切；放宽后同种子自然收尾成 164 秒和 137 秒。

线四：建站——拍板到上线 3 分钟

第一条工具站上线：craft.cosmocat.dev，Craft 系列应用的中文导航站（13 个应用 + Launcher、6 类筛选、带搜索）。

• 拍板到上线 3 分钟——模板库（零依赖、SEO 就绪）和部署流水线是提前建好的
• 域名策略：主域名挂博客，工具站先跑子域，有信号再升级独立域名

教训：Cloudflare Pages 没放 404 页面时，未知路径全回退首页并返回 200——robots.txt、sitemap.xml 可能只是 HTML 假 200。补上 404.html 才正常。

线五：量化——5225 只股票的数据湖 + 每日三班岗

这条线是给自己搭一套交易操作系统：研究、信号、执行、复盘规则化；机器只做纪律和计算，不下单、不荐股。

• 数据湖：5225 只股票日线（首次入湖 38 分钟，每日增量 4~6 分钟）+ 8 个指数 + 25 只 ETF 日线
• 每日三班岗：盘前 8:40 作战清单、盘中每 10 分钟风控雷达（触发才响）、盘后 15:30 复盘
• 研究纪律：先「最小检验」再工程化——追涨动量在 A 股月频价差 -1.43%（t=-2.93），一个下午就证伪

教训：免费行情源盘前会返回 0 值——雷达上线当天误报「浮亏 -100%」，同一天又因总市值为 0 崩溃。修复=计算前校验价格 > 0，雷达只在交易时段运行。

（以上仅为系统建设记录，不构成任何投资建议。）

可拿走的清单

1. 大内存任务串行化——峰值从 116.9G 压到 50G 级，靠排队不是优化
2. 批量任务先查三个上限——编译缓存、提示词长度差异、并行度
3. 生成类任务留余量——上限别贴着目标写，出片后自检截断
4. 长音频切段——单段 ≤30 秒，并行 ≤4
5. 免费数据源配数据守卫——价格 > 0 才计算，任务只在该跑的时段跑
6. 先最小检验，再工程化——一个下午证伪一个方向，好过写完再返工

五条线里最值钱的不是任何模型，是「可复现」：数字有日志，坑有解法，下次直接抄作业。