作者用 ML Intern 两天做出 6 个模型，总花费约 103 美元
作者在 HuggingChat 中开启 ML-intern 模式，用提示词让智能体自动完成数据准备、训练、评测和发布，两天内做出 6 个模型，总计算花费约 103 美元。
选题角度：作者用 ML Intern 两天做出 6 个模型，含 0.8B 蒸馏、LoRA 训练和总花费约 103 美元的明细，适合按提示词结构做上手教程。
#教程/实践
Hugging Face Blog精选AI 评分7474
ElevenLabs Blog精选AI 评分6666 ElevenLabs 发布 Eleven v4 Audio Tags 列表与自定义写法
ElevenLabs 发布 Eleven v4 的 Audio Tags 列表，用方括号内的自然语言提示词控制语音的情绪、音量、节奏、反应、口音和音效。标签不限于固定列表，可以组合成 [whispering, fearful] 或描述情境与角色，在 Eleven v4、Eleven v4 Turbo 和 Eleven v3 上通过 ElevenAPI 使用。
选题角度：官方给出 Eleven v4 的 Audio Tags 用法和情绪轮试听入口，适合录屏演示同一句台词加不同标签后的语气差异。
ElevenLabs Blog精选AI 评分6666 ElevenLabs 讲解如何用 Eleven v4 的 Audio Tags 导演情绪化语音
ElevenLabs 发布教程，介绍如何用 Eleven v4 的 Audio Tags 为 TTS 脚本加入情绪指令，让同一句话按 [furious]、[excited]、[sarcastic]、[crying]、[worried] 等标签呈现不同表演。
选题角度：原文用同一句台词配 [furious]、[excited]、[sarcastic]、[crying]、[worried] 五种 Audio Tag 生成五版语音，适合做情绪标签前后对比的实测演示。
已经到底了