标签
StreetReaderAI 作为开源实验性研究原型发布,让盲人及低视力用户通过键盘快捷键或语音探索街景,系统会描述场景、播报相交街道并回答关于当前视野的问题。它默认使用 Panoramax 街景图像和 OpenStreetMap,由 Gemini 或 OpenAI 生成描述,采用 Apache 2.0 许可。
Pi 扩展圈再度火热:DeepSeek 主动型超级 Agent 移植、Percy 上下文瘦身、本地语音对话、密钥打码器等一系列社区扩展让 Pi 变成能自主接活的编程助手。
ByteVoice 是一款新产品,让你可以与编码智能体对话并听到它们的语音回复,为 AI 编码工作流增添了一层语音交互能力。
讨论了 AI agent 的下一个交互界面可能摆脱屏幕,并介绍了 NaturaAI 推出的 Interface 智能戒指——一款 $99 的可穿戴设备,可通过按住说话的方式直接向 Claude Code、Codex、Hermes 等 agent 下达指令。
Natura 发布售价 99 美元的智能戒指 Interface,可通过语音调用 Claude、ChatGPT、Grok Bot 等多种 AI 代理完成日常任务,同时兼具心率、睡眠等健康追踪功能,预计 12 月至 1 月发货。
Dabit3 分享称,AI 软件工程师 Devin 现已支持电话/语音交互,有用户称赞通话体验非常流畅。
Devin Voice 是一款新产品,允许用户通过语音命令与 Cognition 的 AI 软件工程师 Devin 交互,利用 GPT-Live 和 SWE-2 编码模型来自动化编码任务。
本文认为,对于操作自主代理,语音和消息渠道比桌面仪表板更有效,并描述了为 prompt2bot 上的 Mentat 实现的实际解决方案,如双工音频和共享聊天动态。
Vellium v1.1.0 引入实时语音聊天功能,支持使用 Whisper 和 TeraTTSv2 进行本地 STT/TTS,并简化了 llama.cpp 设置,以便更轻松地与本地 AI 模型集成。
该帖子汇总了用户对改进Grok AI聊天机器人的反馈,重点提到了提高使用限制、增加更多连接器以及增强移动和语音功能等领域。
来自Nader Dabit的一条幽默推文,反映了从键盘输入到AI驱动与计算机交互的转变。
WhoDunnitAI 是一款语音驱动的谋杀悬疑游戏,让玩家用自己的声音审讯AI嫌疑人,首部剧本为《黑木庄园谋杀案》。
彭博社报道,OpenAI的首款消费设备将是一款无屏、冰球形状的AI音箱,定价300至400美元,计划于2027年发布,并最终有望取代智能手机。
一条推文展望未来,数字设备将通过语音与AI代理交互,取代基于应用的导航。
FarzaTV宣布为AI智能体推出新的用户体验,该体验能学习用户工作流并主动通过语音提供帮助。