标签
OpenAI为ChatGPT移动应用引入了基于语音的代理功能，使订阅者能够直接在手机上自动化工作流程，如起草文档和总结电子邮件。
Google 宣布了三个新的基于语音的 Gemini 功能，用于 Google Workspace，允许用户通过语音而不是打字与 Gmail、Docs 和 Keep 进行交互。
一位独立开发者描述了一款Mac应用，该应用在刘海区域放置了一个AI代理，通过审核卡片将语音或文字输入转化为提醒、待办事项和日历事件，并向社区询问对重复操作是否应自动批准的看法。
Waze 正在整合 Google 的 Gemini AI，通过对话式语音指令实现报告路况和查找目的地，同时还新增了精简播报模式和摩托车导航等功能。
Google AI Edge Eloquent 现已支持 Mac，作为完全本地的 Wispr Flow 替代品，基于最新 Gemma 模型实现实时语音转录和语音命令编辑文本，免费、无订阅且隐私全本地。
Moonshine 提出了一系列用于语音识别的编码器-解码器 Transformer 模型，这些模型采用了旋转位置编码（RoPE），专为实时转录和语音命令优化。与 Whisper tiny.en 相比，计算量减少了 5 倍，而词错误率没有增加。
这篇文章介绍了如何在手机上使用ChatGPT Work，通过语音指令高效处理工作邮件、Slack消息、个人财务查询，并远程控制电脑，实现移动办公。