AI语音

• Meta推出Mac版AI应用，可分享当前窗口让聊天机器人基于屏幕内容作答。
• Meta AI on Mac还支持跨应用语音听写，进一步贴近系统级助手体验。

• Aloud将用户的口头反馈转化为编程智能体可执行的任务。
• （基于标题摘要推断）面向语音输入场景，让非技术用户也能用自然语言驱动编码。

• 提供统一的API与基础设施，用于构建AI会议智能体。
• （基于标题摘要推断）旨在简化会议语音接入、转录与行动项提取的开发流程。

• ElevenLabs推出MCP，可在Claude中直接管理语音Agent
• 用户在聊天界面即可创建和配置语音代理
• 语音能力与对话式AI进一步融合

• Speko是YC S26项目，定位语音AI领域的OpenRouter
• 统一接入多家语音模型，开发者可一键切换引擎
• 降低语音应用开发者的接入成本

• Recall.ai 推出面向初创的「Startup Program」，提供会议记录基础设施
• 为创业团队提供语音会议抓取、转写与结构化能力
• 降低企业自建会议 AI 能力的门槛（基于标题摘要推断）

• Chert 定位为“Vapi for FaceTime”，让开发者用几行代码构建 AI 视频智能体
• 支持在 FaceTime 通话中运行能看、能说、能听的实时 AI agent
• 大幅降低视频智能体的开发门槛，主打实时对话交互场景

• Suno 发布 Studio 2.0，新增 MIDI 支持、聊天机器人与自定义效果
• MIDI 是其用户呼声最高的功能，也是专业 DAW 的基本配置
• 推动产品从生成式音频工具向真正音乐制作工作站演进

• The Verge 专访 Bose CEO Lila Snyder，探讨AI对音频硬件的影响
• 讨论耳机从「播放设备」进化为「AI交互终端」的趋势
• Bose 在AI可穿戴领域的战略布局和授权合作方向

• 福特在Ford和Lincoln移动App中推出全新AI助手，可回答车辆各种相关问题
• AI助手可实时查询油量、胎压等车况信息，并计算长途旅行所需燃料
• 这是传统车企将AI技术集成到存量用户触点的典型案例，务实且高效

• AI Group Call让用户输入目标后，可与六个不同AI角色进行实时语音通话
• 六个AI具有不同「人格设定」和专业领域，模拟真实团队的头脑风暴过程
• 将多Agent协作从文本层面推进到语音实时交互，开创全新使用范式

• GenSpark推出MagSafe磁吸式AI录音笔记SecondBrain Note，可吸附在iPhone背面
• 不仅能高质量录音，AI还可根据对话内容自动生成待办事项和行动建议
• 代表AI硬件从「取代手机」到「增强手机」的产品思路转变

• 一款语音驱动的谋杀谜案游戏上线，玩家可通过语音实时审讯AI嫌疑人角色
• 嫌疑人AI具有不同性格和背景故事，能根据玩家提问方向动态调整回应策略
• 展示AI语音交互在沉浸式娱乐领域的新商业化应用场景

• Google 宣布下月起停止在 Android 手机和平板上提供 Google Assistant
• 原有 Assistant 功能将由 Gemini AI 全面接管
• 这标志着 Google 完成从传统语音助手到生成式 AI 助手的战略转型

• 开发者使用 50 美元的 Arduino Uno Q 在本地运行 AI 语音代理，无需云端连接
• 结合边缘 AI 芯片实现语音识别和自然语言处理，可应用于零售交互等场景
• 极低成本证明边缘 AI 部署的可行性，为 IoT 设备智能化提供新思路

• Crodo AI 是专为 macOS 打造的语音优先 AI 助手，强调本地化体验
• 用户通过语音即可完成文件操作、信息查询和任务自动化
• 在桌面 AI 助手赛道中聚焦语音交互，差异化明显

• Hey Noah 定位为创业者的 AI 执行助理，可主动管理日程、邮件和任务
• 与传统被动响应的 AI 助手不同，它能根据上下文主动发起行动建议
• 目标是减少创始人在行政事务上的精力消耗，专注核心业务决策

• Bolcho AI聚焦印度市场，构建支持多语言（含印地语、泰米尔语等）的语音AI Agent
• 产品定位为让企业快速部署语音客服、语音助手等场景化应用
• 支持印度特有的语言和文化语境，弥补了主流语音AI在印度市场的空白

• SKI 是一款免费的语音编程工具，支持用语音指令操作Claude Code、Codex等多种AI编码工具
• 用户可以用自然语言口述代码需求，AI编码Agent实时响应并生成代码
• 该工具旨在解放开发者的双手，让编程像对话一样轻松自然

• Sorinai 是一款交互式AI会议笔记本，能实时记录会议内容并生成结构化笔记和待办事项
• 用户可以在会议过程中与AI互动，即时提问、补充上下文或调整笔记方向
• 该产品定位为「会议的AI搭子」，在ProductHunt上受到远程办公用户的热烈欢迎

• SoundGate Guitar利用AI实时分析吉他演奏，提供即时音准和节奏反馈
• 将传统的「录完再听」学习模式升级为「边弹边纠正」的实时交互
• AI音乐教育从理论走向乐器实战的又一创新尝试

• The Verge探讨智能戒指作为AI硬件新形态的潜力
• LLM推动的语音识别技术进步使无屏交互体验大幅提升
• 多款智能戒指产品已集成AI助手，支持语音指令和实时翻译

• Phantom是一款语音优先的AI代理，可以直接操作Mac系统
• 支持自然语言指令执行文件管理、应用控制和自动化任务
• 定位为桌面效率工具，让用户通过语音完成复杂操作序列

• ChatBeacon AIX宣称其AI客服能自动解决87%的客户对话
• 支持实时聊天、邮件和社交媒体多渠道接入
• 内置知识库管理和人工接管机制

• Leaping AI提供能执行多日电话和短信营销活动的AI代理
• AI代理可自主规划通话节奏、处理应答并持续优化话术
• 定位B2B销售场景，帮助销售团队自动化重复性外联工作

• Heard 为 Claude Code 和 Codex 等 AI 编程工具添加语音交互能力
• 开发者可以通过语音与 AI 编程助手对话、下达指令
• 支持语音反馈，让编程助手能「说出」代码分析和建议

• Openbase 允许用户通过语音指令管理和调度多个 AI 代理
• 产品定位为「AI 代理的语音指挥中心」，随时随地操控
• 支持从手机端语音下达任务，AI 代理在后台执行并汇报

• Meta 为旗下 AI 聊天机器人增加了日历管理、日程规划和深度研究等生产力功能
• 此次更新旨在与 Gemini、ChatGPT 和 Claude 在生产力赛道正面竞争
• 用户可通过 Meta AI 执行复杂的研究任务并实时调整方向

• Speech To Markdown 利用本地 AI 将语音直接转换为 Markdown 格式笔记
• 数据完全本地处理，无需联网，保障隐私安全
• 适合会议记录、灵感捕捉和日常笔记场景

• Wisprkey 是一款 Mac AI 语音助手，可与任何应用进行语音交互
• 用户可通过自然语音指令控制 Mac 上的任意软件操作
• 基于 AI 语音识别和意图理解技术，实现跨应用的自动化操作

• Anthropic将Claude的语音模式从Haiku扩展至更强大的Opus和Sonnet模型
• 语音模式还集成到Gmail、Slack、Canva等第三方应用中，提升工作场景的语音交互体验
• 此举使Claude在语音交互能力上直面ChatGPT的语音模式竞争

• 亚马逊推出Alexa Plus AI更新，支持更复杂的多步骤智能家居指令处理
• 新版本可自动路由请求至Bosch、Delta、Whirlpool等多家品牌的智能设备
• AI能力使Alexa理解场景化需求，如「为晚宴准备客厅氛围」自动联动灯光、音响、空调

• PodcastorAI允许用户创建AI数字分身来主持视频播客节目
• 降低了视频播客的制作门槛，一个人即可完成原本需要团队才能做的事

• Mufal是一款在实时会议中不可被检测的AI助手工具
• 可实时提供会议建议和分析，辅助用户进行更高效的会议沟通

• AI语音克隆技术只需3秒音频即可生成足以欺骗银行验证的合成语音
• 现有电话银行和语音身份验证系统无法有效防御AI生成的语音攻击
• 文章呼吁金融行业紧急升级语音身份验证方案，引入多因素认证

• Spotify正在测试「Talk to Spotify」功能，允许Premium用户通过聊天对话的方式发现和播放音乐、有声书和播客
• 功能集成在移动端的Home和Now Playing页面，用户输入自然语言请求即可获取推荐
• 这是Spotify从「搜索驱动」向「对话驱动」交互模式的重要探索

• 彭博社报道OpenAI计划年内推出首款硬件设备——ChatGPT智能音箱
• 设备将不配备屏幕，但通过摄像头和传感器理解用户环境，实现自然语音交互
• 此时正值苹果起诉OpenAI窃取商业机密的敏感时期，硬件发布面临法律不确定性

• EQK是Mac平台的AI音频均衡器应用，可动态分析音频内容并实时调整EQ参数
• 无需手动配置，AI自动识别音乐类型和人声特征，实现个性化音质优化
• 定位为消费级音频增强工具，让普通用户也能享受专业调音效果

• iOS 27公测版正式推送，Siri AI是最大亮点，支持自然语言理解和上下文对话
• 实测发现Siri AI在日常任务（设提醒、查天气、控智能家居）上表现显著提升
• Apple将AI能力深度融入系统级交互，而非作为独立应用

• Google将Gemini AI助手集成到Waze导航应用，推出四项AI新功能
• 用户可用自然语音报告交通事件和提交地图更新
• 新增AI个性化路线推荐功能，根据驾驶习惯优化导航体验

• Mispher 是一款面向 Mac 的智能转录工具，强调 Agentic 特性
• 不只是一个转录器，而是能根据上下文主动执行后续任务的 AI 助手
• 主打本地隐私保护和高准确率

• Mira 是一个 AI 面试工具，可以主持用户访谈和调研
• 具备情感识别能力，能分析受访者的情绪变化
• 替代传统人工主持，降低成本并提高访谈一致性

• Ellis 是一款专为面对面会议设计的 AI 笔记工具
• 无需连接网络即可在本地记录和整理会议要点
• 主打隐私优先，录音本地处理不上传云端

• ProductHunt新品Vox让开发者通过语音直接与GitHub Copilot交互
• 支持语音指令生成代码、调试、重构等操作，解放键盘输入
• 代表了AI编程工具从打字交互到自然语音交互的进化方向

• Tough Tongue AI为销售团队提供AI话术训练
• 实时分析对话并给出优化建议
• 面向销售培训和业绩提升场景

• Oxlo.ai为销售团队提供AI外呼和线索筛选
• 自动化销售流程从获客到成交
• 面向B2B销售和SDR团队的效率工具

• Dub Ninja利用AI实现视频自动配音和多语言翻译
• 支持口型同步和情感语调保留
• 面向内容创作者和全球化营销团队

Mac端本地运行的语音转文本自动补全工具。在任何文本框通过语音输入，AI实时补全句子。完全离线运行，隐私数据不离开设备。支持自定义快捷词和行业术语库。

专为语音AI Agent设计的开源降噪库。在85dB噪音环境下仍保持95%+识别准确率。轻量级（<5MB），适合边缘设备部署。支持与Whisper、Deepgram等主流ASR引擎配合。

• AI 驱动的实时语音转文字工具
• 支持多语言和噪音环境下的高精度转录
• 面向记者、学生和内容创作者