Kevin
目前就讀大學三年級,兼具混音工程師、音樂製作人與軟體工程師背景,也是 Echo Canvas 開發者與 AI 人機互動研究者。從聲音製作的實務出發,探索音訊技術、互動介面與 AI 協作如何結合,讓創作想法轉化為可操作、可驗證的工具。
在 OpenAI Build Week 期間,與 Codex 協作開發 Echo Canvas,將自然語言場景描述、空間編輯與確定性聲學計算整合為瀏覽器空間音訊原型。關注開發者如何向 AI 表達意圖、檢查生成結果,並結合工程測試與實際聆聽評估使用體驗。希望透過跨越音樂製作、軟體工程與人機互動的實作經驗,與社群交流 AI 輔助創作及開發的可能性與限制。
Sessions
當 AI Agent 能夠協助產生大量程式碼,開發者如何確認一個跨越幾何、聲學與即時互動的應用,真的符合原先的設計?
本演講以 OpenAI Build Week 期間開發的 Echo Canvas 為案例,分享如何與 Codex 協作,將自然語言描述與可編輯的空間場景,轉換成能在瀏覽器中操作與試聽的空間音訊原型。使用者可以調整牆面、開口、音源與聆聽位置,觀察聲音路徑,並比較遮蔽、早期反射與殘響帶來的變化。
演講將說明兩個互相配合的設計:以規格、資料契約與測試約束 Codex 的開發工作;在應用內,讓 GPT-5.6 負責編譯候選場景及解釋結果,並透過結構與領域驗證,把模型輸出交給確定性的幾何與聲學計算,再由 Web Audio 完成瀏覽器 HRTF 渲染。
透過架構拆解與 Demo,我們將討論如何界定 AI 的責任、檢查生成結果,以及區分自動測試與人耳驗收所能證明的事情。
Echo Canvas 定位為用於空間音訊原型設計與預視的互動式聲學近似;演講也會交代近似方法與使用限制。聽眾將帶走一套把 AI 協作、可驗證計算與互動展示連接起來的工程實作思路。