从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
文章 1
工具 16
逗逗AI工具全双工实时语音对话的AI游戏伙伴,能识别游戏、观影、购物与代码画面,兼顾攻略答疑与情感陪伴
腾讯会议AI小助手工具腾讯会议基于混元大模型推出的智能会议助手,覆盖会前会中会后,提供实时转写、多语言翻译、智能纪要与待办生成。
讯飞听见工具实时录音转写与AI会议纪要工具,语音转文字准确率达98%,适配会议、课堂、采访等场景。
MiniMax工具自主研发覆盖文本、语音、音乐、图像、视频的多模态大模型,配套 MiniMax Code、MiniMax Design 等 AI 原生产品与面向企业和开发者的开放平台。
猫箱工具字节跳动推出的AI角色扮演与情感陪伴App,内置200多个性格各异的虚拟角色,支持文字与语音对话,也可自行创建专属AI伙伴。
通义听悟工具阿里云推出的会议音视频学习AI助手,可将会议、讲座、访谈等内容转写为文字并自动生成摘要、章节速览与发言总结。
叨叨工具自定义AI伴侣陪你记账、背单词、对戏、监督学习与倾诉,融合自律养成与二次元社交。
百宝音工具专注自媒体配音的AI工具,提供1200+音色、情感语调调节与3秒声音克隆,支持字幕生成与多端同步,适配短视频、有声书等场景。
TRAE(原MarsCode)工具字节跳动推出的AI原生IDE,内置Builder模式与SOLO智能编码体,支持多模型切换,可从零生成完整项目并实时预览。
腾讯元宝工具同时接入混元与DeepSeek双模型,提供长思考与快思考两种模式,搜索优先覆盖微信公众号和视频号内容,可解析长文档、生成图片并进行语音交互。
Xiaomi MiMo工具小米自研的通用智能基座大模型,覆盖语言、多模态、语音与编程方向,已发布 MiMo-V2.6 系列、MiMo-V2.5-TTS 系列等版本并公开技术报告。
万彩微影工具把文字、图文、照片等静态内容一键转成手绘、字幕动画等短视频,内置配音、字幕与商用素材,适合营销推广与教学课件制作。
魔音工坊工具800多款真人质量AI声音、1000多种风格,支持3-10秒声音克隆与逐句调音,覆盖短视频、有声书等配音场景。
千问工具基于Qwen模型体系的多模态助手,覆盖文本、图像、音频、视频的理解与生成,支持百万级长上下文、多语言与阿里生态应用接入。
DeepSeek Harness工具DeepSeek Harness 桌面端可整理文档、分析表格、编写代码和安排定时任务,并能通过可自由组合的插件拓展 Agent 能力。
WorkBuddy工具用一句话下达办公任务,自动拆解步骤并调用多工具执行,直接产出文档、图表、PPT等可交付文件,支持Windows/macOS一键安装。AI热点 54
OpenAI披露ChatGPT搜索与语音使用规模AI热点OpenAI披露ChatGPT周活增至12亿,搜索量约为Google的20%,语音周活达2.5亿,并计划合并Chat与Work模式。
模思智能发布全双工语音系统MOSS-LiveAI热点模思智能发布全双工实时交互系统MOSS-Live,多项语音交互指标领先,并开放API接入。
DeepSeek API开放App同款搜索与语音能力AI热点DeepSeek API开放App同款搜索、文件与语音能力,V4.1-Flash支持多项内置工具。
谷歌开源多模态实时语音试衣助手FashionMindAI热点谷歌开源基于ADK与Gemini Live 2.5 Flash的实时语音时尚助手FashionMind,支持全双工对话、摄像头穿搭点评与跨会话记忆。
Voice Arena发布听写应用基准AI热点Voice Arena推出首个开放AI听写应用基准Dictation Bench,实测10款真实应用,Wispr Flow得分79%,Apple为35%。
谷歌Gemini接入苹果CarPlayAI热点谷歌宣布Gemini接入苹果CarPlay,全球iOS用户可在车内免提语音对话。
DeepSeek拆分App能力为独立API按量售卖AI热点DeepSeek将搜索、OCR、语音等App后台能力拆分为独立API按量销售,搜索定价远低于竞品,并开源前端demo。
OpenAI称印度成ChatGPT最大市场AI热点OpenAI印度区董事总经理辛格称,印度ChatGPT周活跃用户数已反超美国,且自1月以来翻了一番。低价策略ChatGPT Go套餐功不可没,未来增长将押注印地语、地方语言和语音功能。为支撑需求,OpenAI正与TCS合作在印度扩充算力。
Fable 5.2直出三款硬件设计AI热点Claude Fable 5.2 从短提示词产出三款电子设备的完整设计文件,板厂直接制造成功,并在PCB布局基准上取得69%得分。
OpenAI用GPT-6 Astra造出Codex宠物AI热点OpenAI披露由GPT-6 Astra完成全链路设计的可对话Codex宠物原型,一周完成设计、不到一月交付,但制造公差与装配细节仍需人工迭代。
Hume发布Audio Decision APIAI热点Hume推出Audio Decision API,可直接从音频回答自定义问题并返回概率,无需转写步骤。
OpenRouter升级MCP视频生成与上下文优化AI热点OpenRouter发布多项MCP更新:视频生成改为链接返回、模型查询上下文缩减96%、Claude Code任务完成率提升至8/8,并支持聊天内测试600+模型。
亚马逊为Alexa新增100多项购物功能AI热点亚马逊为Alexa新增100多项购物功能,支持管理订阅、清单及配送指令。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度,基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点,并优于SpeechJudge与UniSRM。
Voice Arena发布双人通话语音识别基准AI热点Voice Arena推出针对真实双人电话通话场景的语音识别基准,首个数据集已上线。
Wispr自研语音模型Canto 1词错率降至3.4%AI热点Wispr转向自研语音模型,首个模型Canto 1在真实听写测试中词错率达3.4%。
小红书开源语音编辑模型V1.1AI热点小红书升级发布端到端语音编辑模型dots.tts.edit V1.1并开源配套工具,支持局部编辑与中英双语多说话人生成。
OpenAI将停用ChatGPT旧版语音模式AI热点OpenAI宣布2026年12月11日停用ChatGPT旧版语音模式,全面转向GPT-Live。
Fish Audio发布全双工语音模型Live 3AI热点Fish Audio推出面向实时语音Agent的全双工模型Live 3,短反应最快186毫秒,支持平台、API与本地部署,限时定价每分钟0.035美元。
Phonon TTS端侧语音模型登顶TTS榜单AI热点Hugging Face官方深度解析Phonon TTS端侧语音模型,公布其在Open TTS Leaderboard多项指标领先及两周下载超20万次的成绩。
开源项目 63
chat-demo:基于 DeepSeek API 的静态聊天应用开源项目无需后端的浏览器聊天演示,支持流式回复、深度思考、搜索与链接阅读、附件与语音输入,数据保存在浏览器本地。查看
bolt.diy:多模型浏览器全栈开发工作台开源项目开源 AI 开发工作台,在浏览器内构建全栈 Web 应用,可选 22+ 模型提供方并支持部署与 Git 工作流。查看
dsh-go:DeepSeek Harness 的 Android 客户端开源项目基于 DeepSeek Harness 的第三方 Android 客户端,内置 Linux 运行环境,也可 SSH 遥控电脑上的 DSH。查看
DeepEval:LLM 应用评估框架开源项目类似 Pytest 的 LLM 评估框架,用本地运行的 LLM-as-a-judge 等指标测试 Agent、RAG 与多轮对话系统。查看
AgentScope 2.0:面向Agent的Python框架与服务开源项目生产可用的Agent框架,提供ReAct循环、工具与中间件等抽象,并附带多租户FastAPI Agent服务和Web UI。查看
Onyx:面向团队与智能体的知识上下文层开源项目Onyx 连接 50 多个应用建立知识索引,为团队和 LLM 智能体提供可自托管的检索与上下文层。查看
cicada:会议实时字幕与同传工具开源项目cicada 是跨平台会议工具,提供实时双语字幕、结构化会议笔记与同声传译,直接读取系统音频。查看
hyperframes:HTML 转视频的渲染框架开源项目把 HTML、CSS、媒体与可寻址动画渲染成确定性 MP4,附 CLI 与面向编码 Agent 的技能。查看
Scira:带引用的智能研究平台开源项目Agentic 研究平台,把问题拆解为子任务、检索实时来源并交叉验证,返回带行内引用的答案。查看
Qwen3-TTS:语音生成模型系列开源项目支持语音克隆、语音设计与自然语言控制的语音生成模型,覆盖10种语言,提供流式低延迟合成。查看
Confucius4-TTS:多语言零样本语音合成引擎开源项目基于语音编码器与大语言模型架构的多语言 TTS 系统,支持 14 种语言的零样本声音克隆与跨语言声音迁移。查看
Handy:离线语音转文字桌面应用开源项目跨平台离线语音转文字应用,按快捷键录音后用Whisper或Parakeet本地转写并粘贴到当前文本框。查看
Qwen3-ASR:语音识别与强制对齐模型开源项目支持52种语言和方言的语音识别与语种判定模型系列,另含11种语言的文本-语音强制对齐模型。查看
ElevenLabs MCP Server:文本转语音 MCP 服务开源项目对接 ElevenLabs 文本转语音 API 的 MCP 服务器,附带 SvelteKit 示例客户端,用于生成、管理和回放语音任务。查看
FireRedASR:开源工业级语音识别模型开源项目支持普通话、中文方言和英文的开源ASR模型家族,含LLM与AED两种架构及命令行/Python推理代码。查看
transcribe.cpp:C/C++语音转文字推理库开源项目基于GGUF模型与ggml运行时的语音转文字推理库,支持流式与批量转写,覆盖16个模型家族60余个变体。查看
FunASR:工业级语音识别工具包开源项目面向离线、流式与边缘部署的语音识别工具包,涵盖ASR、VAD、标点、说话人与情感等流水线。查看
VoxCPM:无离散token的文本转语音模型开源项目基于扩散自回归架构的开源TTS系统,支持30种语言、声音设计、可控声音克隆与48kHz输出。查看
Hermes Voice:让旧款 Echo 与 Hermes Agent 语音对话开源项目通过 Home Assistant Assist 把旧 Amazon Echo 变成 Hermes Agent 的语音入口,Echo Show 屏幕同步显示对话、工具与后台任务。查看
Hex:Mac、Windows、Linux 本地语音听写工具开源项目按住快捷键说话,松开后在本机转写并粘贴到当前应用,首次运行下载模型后数据不出机器。查看