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
Voicebox:本地运行的AI语音工作室开源项目本地优先的开源 AI 语音工作室,支持声音克隆、多引擎语音合成、全局热键听写,并通过 MCP 让 Agent 用你克隆的声音说话。查看
Dograh AI:可自托管的开源语音 Agent 平台开源项目开源可自托管的语音 Agent 平台,提供可视化工作流构建器、浏览器语音测试和 MCP 集成。查看
Open-LLM-VTuber:语音交互的 Live2D AI 伴侣开源项目支持实时语音对话与视觉感知、带 Live2D 形象的本地 AI 伴侣,可完全离线运行,提供网页与桌面宠物两种客户端。查看
VibeVoice:语音合成与识别模型系列开源项目微软开源的语音AI模型系列,包含长音频语音识别与文本转语音模型,支持说话人、时间戳与流式识别。查看
OpenAmika:MekaHime 的开源 AI 伴侣开源项目MekaHime 的开源 AI 伴侣应用,Windows 本地安装,含语音与 Live2D 模型,通过 OpenRouter 密钥驱动对话。查看
Call Center AI:Azure 与 OpenAI 的呼叫中心方案开源项目基于 Azure 和 OpenAI 的 AI 呼叫中心概念验证,通过 API 或电话号码发起与机器人的实时语音对话。查看
MOSS-TTS Family:语音与声音生成模型家族开源项目开源语音与声音生成模型家族,覆盖长篇语音、多说话人对话、音色设计、环境音效与实时流式 TTS。查看
MiniMax CLI:MiniMax 平台命令行工具开源项目MiniMax AI 平台官方 CLI,可从终端或 Agent 生成文本、图像、视频与语音,并支持视觉理解、网页搜索与双区域认证。查看
FluidVoice:macOS 语音转文字听写应用开源项目macOS 开源语音转文字听写应用,支持多种本地语音模型、实时转写浮层、语音命令与写入模式。查看
AI Engineering Hub:AI 工程教程与项目合集开源项目按难度分级的 AI 工程学习仓库,收录 93+ 个可运行项目与 LLM、RAG、Agent 等主题教程,覆盖 OCR、聊天界面、RAG、多模态、MCP 等方向。查看
CopilotKit:为应用接入AI Agent的开源前端栈开源项目为已构建的 Agent 提供聊天、生成式 UI、共享状态和人机协同组件,支持 React、Angular、Vue、Slack、Teams 等多端。查看
PeakCut:长视频与直播的AI切片工具开源项目自托管的AI切片工具,把长视频和直播剪成带逐词字幕的9:16竖屏短片,可自动发布到已连接账号。查看
Cherry Studio:多模型 AI 工作站桌面应用开源项目Windows、macOS、Linux 上的 AI 工作站,支持多模型对话、Agent、知识库、图像生成与日常工具。查看
Agent-Reach:让AI Agent访问受限平台的工具集开源项目为各类AI Agent提供搜索和读取B站、小红书、X、Reddit、YouTube等平台内容的工具集合,一条命令即可安装。查看
OpenMAIC:多智能体互动课堂平台开源项目把任意主题或文档一键生成为互动课堂,由AI教师与AI同学实时讲解、讨论并配合白板与语音。查看
ruby_llm:Ruby AI 应用开发框架开源项目面向 Ruby 与 Rails 的 AI 框架,统一 23 家模型提供商的 API,覆盖对话、工具、Agent、评估与多模态能力。查看
Hermes Agent:带学习循环的自改进AI Agent开源项目Nous Research 的自改进 AI Agent,能从经验创建技能、跨会话记忆,并通过多平台网关使用。查看
AgenticSeek:本地运行的私人 AI 助手开源项目完全在本地运行的 AI 助手,可自主浏览网页、编写代码、规划任务,数据不离开设备。查看
MOSS-TTS-Nano:0.1B 参数多语言轻量语音合成模型开源项目开源多语言 tiny TTS 模型,0.1B 参数,支持 CPU 流式推理、声音克隆、ONNX 部署与微调。查看
cinecode:用代码生成影片的 AI 编码 Agent开源项目在 Claude Code 或 Cursor 中运行的编码 Agent,把想法写成剧本,逐帧用代码渲染画面并设计声音,输出成品 MP4。查看