作者的做事习惯是「因为想要一个很具体的东西」而开工，然后不知不觉给实验加上数据库、Docker Compose 栈、任务队列、模型管理器、音频编辑器和波形播放器，以及吃掉 40 GB 磁盘的一堆 GPU 模型——这就是 Miso，一个自托管的本地音乐生成与混音工作室，建在 audio.cpp 之上。起因只是想要一个不必回命令行、不必在生成文件之间翻找、不必回忆那次成功用的是哪套荒谬参数组合的界面。真正让他上头的不是「输入提示词得到一首歌」，而是生成之后的一切：如果我只喜欢这首歌、除了中间那八秒呢？