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
谷歌Gemini移动端上线66种地区语音AI热点谷歌为移动平台Gemini应用推出66种地区语音,覆盖7类语言,用户可在语音设置或Gemini Live对话中切换口音,英国用户可选10余种地区口音。
Liquid AI发布74M参数流式音频编解码器AI热点Liquid AI发布流式语音编解码器LiquidCodec,约74M参数,权重已上架Hugging Face。
DeepL发布语音翻译模型AureAI热点DeepL推出语音AI翻译模型Aure,可实时复现说话者语气、情绪与语速,首发支持八种语言,暂不支持中文。
Meta Muse上线实时语音与虚拟形象AI热点Meta宣布个人AI助手Muse正式上线实时语音对话与虚拟形象功能,率先面向美国用户推送。
腾讯AI游戏陪伴Agent鹅次元内测AI热点腾讯首款专属AI游戏陪伴Agent“鹅次元”11月10日开启内测,面向PC玩家提供实时语音互动与游戏画面感知陪伴。
小米开源桌面AI硬件HachimoDockAI热点小米推出开源AI硬件HachimoDock,自制成本约150元,集成桌宠、语音Agent与智能家居联动。
Cursor上线智能体实时语音聊天AI热点Cursor于11月6日宣布推出与智能体的实时语音聊天功能,支持语音对语音双向交流,开发者可语音下达编码任务并查询进度。
雷鸟iO眼镜新增高德导航AI热点雷鸟为iO AI智能眼镜升级高德导航,支持语音唤醒与HUD实时指引。
Otter AI新增27种语言及跨语言转录AI热点Otter AI宣布新增27种语言支持并推出跨语言会议转录跟随功能。
Voxtral 3新增话轮结束检测AI热点Mistral AI 为 Voxtral 3 新增话轮结束检测功能,帮助开发者判断用户何时说完话,以构建响应更灵敏的语音交互。
iOS 27.3开放Siri AI第三方应用操作AI热点苹果在iOS 27.3开发者预览版中允许第三方应用接入Siri AI,可结合个人上下文、自然语言与屏幕感知执行任务,并新增app skills功能。
罗永浩双11直播带货TRAEAI热点罗永浩在双11直播间演示AI编程工具TRAE,展示其生成PPT与语音输入法软件的能力。
微信输入法上线AI录音笔功能AI热点微信输入法新版本在多端推送AI录音笔功能,支持实时录音转写与结构化AI总结。
千问AI眼镜OTA新增通话媒体翻译AI热点阿里千问AI眼镜11月1日推送OTA,新增通话与媒体实时翻译并升级抗噪能力。
Neuralink脑机接入Grok,意念可驱动AIAI热点Neuralink最新进展显示,渐冻症受试者可通过意念唤醒Grok Agent自主操作电脑,并实现意念拨打电话,团队在72小时黑客松中开发出8项新技术。
Gartner发布2027十大技术趋势AI热点Gartner解读2027十大战略技术趋势,非文本AI与智能体治理成重点。
Underdog发布32MB语音模型WoofAI热点Underdog发布仅32MB、3100万参数的语音生成模型Woof,并推出浏览器演示游戏,可在无网络设备上运行,模型开放下载。
Claude语音模式接入苹果CarPlayAI热点Anthropic宣布Claude移动应用升级,iPhone语音模式支持CarPlay,驾驶中可语音提问。
腾讯混元实时语音模型Hy Realtime上线AI热点腾讯混元发布实时语音模型Hy Realtime,已在元宝语音通话与腾讯客服上线,新增工具调用与唱歌能力。
ElevenLabs发布Scribe v3语音识别模型AI热点ElevenLabs发布Scribe v3与Scribe v3 Live两款语音转文本模型,分别面向预录音频与低延迟实时场景。
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