标签
Hemory是一款产品,通过手机或Apple Watch捕捉对话,自动将日常分割成带有说话者标签的时刻,并通过MCP与Claude等工具集成,为AI代理提供可搜索的记忆。
Walkie 是一款设备端应用,提供听写、带说话人识别的会议转录以及超过950种声音的文本转语音功能,可在Mac、Windows、Linux和iPhone上免费使用。
Grok Voice Transcribe 2.0 是 x.ai 推出的新语音转文本模型,其准确性较前代产品翻倍,在多语言和真实世界音频转录方面表现出色,并在公共排行榜上名列第一。
Meetily 是一款本地 AI 会议助手,通过在用户计算机上处理录制、转录和总结来确保隐私。它使用 Whisper 和 Parakeet 等模型,支持 macOS、Windows 和 Linux 平台。
Google 发布了新的 Gemini 模型,包括 Gemini 3.8 Live 和 3.5 Transcribe,旨在增强实时语音应用,为开发者提供改进的对话式 AI 和多语言转录功能。
Thoughts for Mac 是一款菜单栏应用程序,支持使用文本、图像和语音快速记笔记,并具有AI驱动的音频转录和文本转换功能。
Shall We Talk 是一款适用于 iPhone 和 Mac 的开源语音听写工具,它能将语音转换为干净的文本,提供带说话人标签的转录文本,并包含清理功能,同时保留用户的原始措辞。
Apple为Apple Watch推出了新的AI功能,包括实时音频处理和转录,这引发了关于使‘始终监听’技术常态化的隐私担忧。
Speechmark 是一款私密的 macOS 应用,可在设备端完全本地化地录制、转写并总结会议,支持带有说话者识别的转录稿,并能通过 MCP 服务器与 Claude Code 集成。
这项预注册消融研究测试了生产语音转录工具中的提示层级上下文,发现侧级词错误率无显著变化,与先前关于提示条件化带来收益的报告相矛盾。
Plaud 推出 Plaud One Explorer Edition AI 耳机,这款耳机能够记录、转录和总结对话,内置 4G 连接功能,并支持与 Gmail 和 Google Calendar 等工具集成。
Relay推出了一款AI驱动的麦克风和应用程序,实现高保真语音转文本,利用Google的Gemini模型增强专业环境中的听写和自动化功能。
Google已宣布Gemini 3.5 Transcribe,这是一款用于语音转文本的AI模型,通过移除如“嗯”这样的填充词并支持85种语言来提高速度和准确性,正在其生态系统中推出。
Gemini 3.5 Transcribe 被宣布为目前最精确的语音转文本模型,并在Product Hunt上提供了讨论链接。
Google DeepMind 宣布 Gemini 3.5 Transcribe,这是一个新的语音转文本模型,用于精确和智能的转录。
Google 推出 Gemini 3.5 Transcribe,这是一款新的 AI 模型,提供精确且智能的实时语音转文本转录,开发者可通过 API 获取。
Google发布Gemini 3.5 Transcribe,这是一种AI模型,通过自动移除填充词、支持超过85种语言以及提供自定义词汇和说话人归属来改善音频转录。
Particle推出Radar,这是一个播客搜索引擎,转录和索引了超过130,000个播客,使音频内容可搜索,并可供AI代理用于各种商业应用。