标签
一个开源的 TypeScript 入门项目,通过 WAHA 在 WhatsApp 上运行 LangGraph 智能体,支持语音消息、照片、图像生成,以及借助摘要中间件实现的各聊天独立线程记忆——所有功能均无需数据库。它重点展示了线程 ID 哈希化、每个聊天串行执行单次运行,以及限制图像生成数量等设计选择,以确保回复安全且可预测。
Eric Zakariasson 分享了 Voiced,这是一款开源的原生 macOS 菜单栏听写应用,可将语音流式传输至 xAI API 进行转录,并由 Grok 润色,再将结果粘贴到任意文本框中。他还思考了编程智能体将如何让任何人都能构建定制化、可灵活修改的软件。
ChatGPT 推出 Live Dictation 功能,语音输入时可实时转写成文字,减少等待转写时间,官方称速度和稳定性均有提升。
DeepSeek 发布了开源静态聊天应用 deepseek-ai/chat-demo,无需后端即可直接调用 API,内置深度思考、联网搜索、文档解析、语音输入与本地数据存储等功能。
OpenClaw v2026.10.10 发布,带来 Chat Details 侧边面板、可在任务中建议调整方向的 Advisor,以及浏览器 Talk 的分体语音模式,同时包含数百项日常聊天、记忆搜索、自动化与编码代理方面的改进。
Omar Shai 回顾了他几个月前构建的一个类似代理交互工具,以及如何将其集成到他的代理编排器中。他指出,模型在理解复杂信息方面已经有了很大提升,不同的交互方式将适用于不同类型的工作。他还提到了 Kit Langton 演示的一款语音驱动的生产力工具。
作者强烈推荐在安静的夜晚戴上耳机,用语音输入与AI做一次深度自我复盘,涵盖童年、家庭、执念、高浅与低谷,称其比性格测试或倾诉更深刻,并分享了一套自用的复盘方法与提示词。
用户解释自己将主力手机从苹果换成安卓的原因:不满 Apple 不提供好用的语音输入,也不允许第三方键盘获取麦克风权限,却允许键盘跳转应用或使用浮窗获取后台权限。
Openbroca 是一款轻量级的原生 Swift AI 听写应用,适用于 Mac(约 6.5 MB),可将语音转写为整洁的文本,自动去除填充词同时保留语气,支持个人词典、Typeless 导入以及 28 种语言的翻译。
一款全新的开源应用让用户只需对着摄像头默念(做出口型)即可输入文字,通过唇语识别技术避免在公共场合出声。该项目已在 GitHub 上开源。
jambuild 是一款近乎即时的多人协作 vibe 编码工具,用户只需用鼠标指点并说出想法,即可在几秒内完成修改。工具提供有限的可用额度,并支持自带 API 密钥。
作者比较了使用 Typeless 进行语音输入与 ChatGPT 和 Claude 的内置语音输入和文本整理功能,认为如果这些 AI 模型推出输入法工具,可能会威胁到许多初创企业。
这篇帖子讨论了 AI 如何使语音成为软件的默认输入层,并介绍了 Multilingual Voices 功能,以在不同语言间保持业务特色。
Sente 是一款可以对话交互的编码代理,可在终端或移动端使用,支持双向语音交互,并可通过 OpenAI/Anthropic 兼容 API 调用 400 多个模型(Claude、GPT、Gemini、DeepSeek)。它采用 MIT 开源协议,由日本团队打造,语音注册采用按量计费、用户同意优先的机制。
SavorApp_AI 是一款在 Product Hunt 上发布的 AI 驱动的意图管理应用,支持通过语音、文字或拍照快速记录想法,并将其归类为“现在”“近期”或“以后”,还提供 AI 辅助的行动规划与草稿生成功能,可在 iOS 和 Android 上免费使用。
该推文讨论了移动设备上功能齐全的智能体如何推动语音AI增长,作者提到因Instinct而大幅增加语音输入使用,并引用Jane Manchun Wong关于Instinct在iPhone上的“Talk to Instinct”功能的推文。
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。
Voxtype Enhance is a plugin for the Omarchy platform that adds native voice input with improved Chinese support, using offline AI models like SenseVoice and Paraformer for local CPU inference.
Spencer Barnett 宣布推出 Meta AI Mac OS 应用,突出其听写功能,允许在电脑任何位置进行高精度语音输入。