探How 社区

Abra 发布了一套面向创作者的 AI 工具，底层使用 Meta 的 Muse 模型，定位是帮创作者打开被卡住的创作环节，而非代替创作者生成内容。其名称取自 abracadabra，强调「我言即我创」。官方同时放出一段 3 分钟演示视频。

以下正文由 AI 翻译自 Hacker News 最新（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。

Abra 是一个动词。abra 的意思是打开。

每个创作者都熟悉那种闭门的感觉：一条视频躺在那里发不出去，因为你不知道怎么给它取景；收件箱满得不敢看；收益和合同你宁愿不去看；品牌的大门你不知道怎么敲。阻碍你的从来不是排期问题——而是一扇关着的门。

这个名字就是人人都知道的那个古老魔法词——abracadabra——长久以来被解读为“我言即我造”。创造不是从“全都想清楚了”开始，而是从“说出来”开始：让它有，然后就有了一个开口。这是给创作者的最古老的指令，也依然是唯一重要的那条——你拿着一无所有，一个念头或一段手抖的片段，说出一个原本不存在的东西。这件事 quietly sacred，哪怕只是个星期二。

Abra 不替你创作。它打开关着的东西，让你能重新创作。

三个开口。一支团队。全都服务于一件事：你，去创作。

很多创作者工具建立在排期、自动化、优化之上——它们把你当成内容机器，而发得越多，你只得到更大的收件箱、更糊涂的钱、更多你依然打不开的门。Abra 建立在一个动词上：打开。别的工具从帖子开始。Abra 从人开始。

为 Meta Global AI Developer Hackathon 而构建（Indie Dev Track，2026 年 10 月 26 日 – 11 月 4 日）。

本次黑客松项目是 Abra 的 AI 创作者工作室，基于 Meta Model API 和 Claude 构建，在活动窗口内完成。团队和评论循环早于本次活动（首个快照，2026 年 10 月 21 日）；以下功能是在活动期间新增或大幅重做的：

诚实的范围：评论回复循环和首个仪表盘快照（2026 年 10 月 21 日）早于本次活动。上表列出的是活动期间新增或大幅重做的内容。就本次提交而言，实时摄像头录制、免手动手势、Greenscreen、Create 模板和 Create 提词器、语音命令和语音回复在应用内处于关闭状态。它们的代码保留在仓库中。摄像头、Greenscreen 和语音在 liveview.py 中各有一个开关；Create 模板关闭是因为 film_genres.json 为空；它们不在演示范围内。

Abra 调用五个托管的 Meta Model API 模型，每个对应产品中的一个功能。Muse Image 渲染 Story FX 叠加层。一次实时测试调用返回了图像；完整叠加路径尚未端到端测试。

Claude Opus 负责实质性的、贴合人设的评论回复，以及为文案提供依据的画面理解。一个产品：五个 Meta 模型加 Claude，其中 Muse Image 的叠加路径尚未端到端测试。团队的声音在此版本中关闭。开启时，如果设置了 key 就用 ElevenLabs，否则用 Microsoft edge-tts。对什么由什么驱动保持诚实。

每个角色拥有创作者业务的一个领域，Nico、Sage 和 Koa 在应用内各有自己的工位：

团队是队友；驱动他们的模型——内容/分析用 Meta 的 Muse 系列，贴合人设的回复和画面理解用 Claude——就是上表所列的那些。

丢进去一条视频，整篇帖子就自己成型了——然后由你批准：

发布按页面设置：审核模式（你逐条批准每个帖子，默认）或全自动。评论回复和首条评论种子按回复规则自动发布。审核模式下，Reels 和 Stories 只在你批准后发布。

黄金时段：发布不到 90 分钟的帖子能获得即时互动，所以回复会在帖子还新鲜时落地

自适应节奏：3 个并行起草线程在一个统一的限速写入闸门后面（按需 surge 模式到 60/15 分钟，任何平台推回时自动跳回 30）

原子声明锁（SQLite），并发 worker 永远不会重复回复

数据驱动：发布时间跟随那些帖子获得最多 reaction、评论和分享的小时（来自页面自身帖子数据），标题匹配你互动最高的语气，回复遵循你的人设和你过往真实回复的示例

安全优先：仇恨、侮辱和垃圾内容在 Muse 筛查可用时由它跳过，并由回复规则跳过；创作者回复人设禁止索要点赞或 @提及，节流守卫在 Facebook 返回限流错误时退避

架构

bot.py — 7×24 互动引擎：Meta Graph API + Meta Model API（通过 /v1/responses 调用 Muse Spark）+ Claude、基于画面理解的回复、节流守卫、花费台账、首条评论种子、视频 Story 发布

content_pipeline.py — 视频 → 草稿：Muse Voice 转写、ffmpeg 抽帧、画面理解、缩略图挑选、Story 切片

content_brain.py — 从页面自身历史中学到的触达/时机智能；Muse Spark 文案

content_publish.py — 可断点续传的 Reels 发布/排期到 Graph API

liveview.py — 基于 Python 标准库 HTTP server 的实时仪表盘：团队、实时互动流、内容排期器、Koa 的台账、按页面设置

analytics.py — 每日洞察 + 收益快照

UI 是液态铬 / 拉丝金属主题。Story 叠加层美术是唯一用 Muse Image 渲染的部分，一次实时测试调用返回了图像；完整叠加路径尚未端到端测试。

我们把 SAM 3.1 的 mask decoder 从现有的 JavaScript 解析器（@meta-sam/parser）移植成了纯 Python。SAM 以自定义算术范围编码的 one_bit 编码（不是 base64）返回分割 mask。解码器位于 sam_cutout.py，我们还加了 matte 清理（erode → feather、空 mask 拒绝），让抠图足够干净，可以作为无边框贴纸合成。

所有合成都用 PIL，这是不得已。这个 ffmpeg 构建没有 drawtext/subtitles 滤镜，所以每个字幕、标题党帧和 Story 叠加层都在 Pillow 中合成，并通过定时叠加 … enable='between(t,a,b)' 滤镜图烧录进去。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）

正文由探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。

Abra 推出基于 Meta Muse 模型的 AI 创作者工具