站内搜索「语音交互」共 83 条结果

推荐模型
Omniparse — 将任意文档/图片/音视频解析为LLM友好格式Ingest, parse, and optimize any data format:PDF/Word/PPT/Excel、图片、音频、视频一键转结构化Markdown,专为GenAI框架优化
5个月前

推荐模型
Replicate - 一行代码调用数千AI模型AI模型云平台,聚合Flux/GPT-Image/Seedream/Claude等数千个模型,Python/Node/HTTP一行代码接入,支持微调和自定义部署,按用量付费
5个月前

推荐Tiktok
麦斯创意MaxCreative - 跨境卖家AI内容工厂(爆款复刻/数字人口播/40+语言翻配)跨境TikTok素材不够发?爆款模板套素材几分钟出片,数字人口播+40种语言一键翻配,一套素材铺全球,免费版先摸底!
1个月前

推荐程序员
Midscene.js - 视觉驱动 UI 自动化字节开源视觉UI自动化框架15k stars:AndroidWorld跑分93.1%,一句话让AI点美团订酒店,60个任务模型成本仅0.59美元
7个月前

推荐程序员
Paseo - 一个界面指挥所有AI编码代理(手机遥控Claude Code/Codex/Copilot,17.9k Star)Claude Code、Codex、Copilot、OpenCode全塞进一个界面并行跑,代理在你自己机器上,出门用手机接着指挥,开源无遥测
7个月前

推荐MacOS
Rapid-MLX - 专为 Apple Silicon 打造的极速本地 AI 引擎比 Ollama 快 4.2 倍,17 种工具调用解析器,0.08 秒首字延迟,完整兼容 OpenAI API
6个月前

推荐模型
Google Gemma 4 12B - 无编码器多模态大模型Google DeepMind 开源多模态模型,11.95B参数支持文本+图像+音频,256K上下文,原生函数调用,Apache 2.0免费商用
5个月前

推荐模型
短视频音视频联合分析:Qwen3.5-Omni 五条链路实测与选型要同时读画面+声音分析快手/抖音短视频,实测硅基流动 Qwen3-Omni、DashScope Qwen3.5-Omni flash/plus、本地抽帧+ASR 五条链路,给出选型建议和避坑点。
2个月前

推荐模型
Tel-Agent:开源自托管的 AI 电话助手,把电话线接到任意大模型SIP 电话线接任意 AI 模型,实时接听可调用工具,录音转写全归自己。pre-alpha 阶段,值得提前关注。
2个月前

推荐软件
Aider - 终端AI结对编程鼻祖(Git自动提交+Repo Map,49k Star,100+模型任选)Claude Code都得叫前辈的终端AI编程工具:AI每次改动自动git提交可回滚,仓库地图自动定位,Claude/GPT/本地模型随便换
1个月前









