产品库

基于WebRTC的语音AI流应用，使用OpenAI实时API和WebRTC开发。

该项目是一个使用OpenAI实时API和WebRTC技术开发的WebRTC-based Voice AI stream application，以Next.js框架搭建，具备服务器端渲染和API路由功能，配合shadcn/ui开发的UI组件，支持实时音频对话，还加入了抽象WebRTC处理的hook，以及6个示例函数展示客户端工具与实时API结合使用。项目开源免费，主要面向开发者，可用于快速搭建具有语音AI功能的Web应用。

一个集成了Gemini多模态直播和WebRTC技术的单文件应用

Gemini Multimodal Live + WebRTC是一个展示如何构建简单语音AI应用的示例项目，使用Gemini多模态直播API和WebRTC技术。该产品的主要优点包括低延迟、更好的鲁棒性、易于实现核心功能，并且兼容多种平台和语言的SDK。产品背景信息显示，这是一个开源项目，旨在通过WebRTC技术提升实时媒体连接的性能，并简化开发流程。

实时提取Google搜索结果的强大Serp API

SpaceSerp是一款强大的API，可以实时从Google提取干净结构化的搜索结果数据。支持的结果格式包括JSON、CSV或HTML。您可以收集实时搜索结果，监测品牌或产品提及情况。SpaceSerp系统将帮助您从任何地点和设备获取结果。系统由先进的AI模型驱动。

TypeScript客户端，用于OpenAI的实时语音API。

openai-realtime-api是一个TypeScript客户端，用于与OpenAI的实时语音API进行交互。它提供了强类型的特性，并且是OpenAI官方JavaScript版本的完美替代品。该客户端修复了许多小错误和不一致性，并且完全兼容官方和非官方事件。它支持Node.js、浏览器、Deno、Bun、CF workers等多种环境，并且已发布到NPM。该技术的重要性在于它能够为开发者提供一种更安全、更便捷的方式来集成和使用OpenAI的实时语音功能，特别是在需要处理大量数据和请求时。

将您的API转化为AI代理

Monoid可以将API转化为行动，增强LLMs获取相关上下文并代表用户行动的能力。您可以在几分钟内创建代理，选择基础LLM、代理类型和一些行动。只需提供您的API，选择AI代理控制的参数，以自然语言响应模拟AI代理使用您的API。您还可以与您的代理进行交谈，并在Hub上分享您的行动和代理，帮助创建充满活力的行动和代理网络。

实时对话式人工智能，一键式API接入。

Deepgram Voice Agent API 是一个统一的语音到语音API，它允许人类和机器之间进行自然听起来的对话。该API由行业领先的语音识别和语音合成模型提供支持，能够自然且实时地听、思考和说话。Deepgram致力于通过其语音代理API推动语音优先AI的未来，通过集成先进的生成AI技术，打造能够进行流畅、类似人类语音代理的业务世界。

构建智能多模态语音助手的端到端框架。

LiveKit Agents 是一个端到端框架，它使开发者能够构建能够通过语音、视频和数据通道与用户互动的智能多模态语音助手（AI代理）。它通过集成OpenAI的实时API和LiveKit的WebRTC基础设施，提供了创建语音助手的快速入门指南，包括语音识别（STT）、语言模型（LLM）和文本转语音（TTS）的流水线。此外，它还支持创建语音到语音代理、接听和响应来电、以及代表用户拨打电话的功能。

实时语音AI代理，500毫秒内响应语音查询。

Real-time Voice AI Agent是一个高度灵活的实时语音交互模型，它能够在大约500毫秒内通过语音回答任何查询。该模型支持用户选择任何大型语言模型、文本到语音(TTS)模型和语音到文本(STT)模型。它非常适合用于客户服务机器人、接待员等涉及语音的应用场景。

AI音乐API

WarpSound是一款灵活的生成式AI音乐API，能够为无限的动态音乐内容、应用和体验提供动力。它采用行业领先的工作室级创作技术，使您能够通过API轻松创建高质量的音乐体验。WarpSound还提供多种定价方案，适用于不同的用户需求。

AI代理在网页上执行任务的API

Nfig是一个为AI代理设计的API，允许它们在网页上浏览、点击和执行任务，使用自然语言指令。它通过提供易于集成的API，增强AI工作流程，释放强大的代理能力。Nfig支持自动化登录、虚拟化DOM等复杂操作，使得AI代理能够执行以前难以触及的任务。产品背景强调了其开发者友好的设计、安全性和自我修复能力，以及对数据隐私的承诺。Nfig的价格策略是按使用付费，没有月度承诺，用户只需为实际使用的服务付费。

提供OpenAI和Claude模型支持的API服务。

API易是一个提供OpenAI和Claude模型支持的API服务平台，用户可以通过API接口调用这些模型进行各种AI任务。该平台具有稳定性高、价格优惠、无需代理即可使用等特点，适合需要AI模型支持的开发者和企业。

集成Firecrawl的OpenAI实时API控制台

firecrawl-openai-realtime是一个集成了Firecrawl的OpenAI实时API控制台，旨在为开发者提供一个交互式的API参考和检查器。它包括两个实用库，openai/openai-realtime-api-beta作为参考客户端（适用于浏览器和Node.js），以及/src/lib/wavtools，后者允许在浏览器中简单管理音频。该产品是使用create-react-app创建的React项目，并通过Webpack打包。

Colossal 是一个全球代理目录，连接到可以执行 API 调用的 AI 代理，轻松集成工具使用代理。

Colossal 提供了一个全球代理目录，允许用户轻松连接和集成各种 AI 代理，这些代理可以执行 API 调用，从而简化工具开发流程。它为商业用户提供了一种高效的方式来管理和自动化常见的业务流程，如客户支持、消息传递和订单管理等。通过与多个知名平台（如 Zendesk、Twilio、Slack 等）的集成，Colossal 帮助企业节省开发时间和成本，同时提高运营效率。其定位是为商业用户提供一站式的 AI 代理集成解决方案，价格策略尚未明确，但预计会根据使用量或企业规模进行收费。

开源项目，实现AI音乐服务的API接口

Suno API是一个开源项目，允许用户设置自己的Suno AI音乐服务API。它实现了app.suno.ai的创建API，兼容OpenAI的API格式，支持自定义模式，一键部署到Vercel，并且拥有开放源代码许可证，允许自由集成和修改。

智能图像识别API

Monster API是一个智能图像识别API，可以帮助开发者快速实现图像识别功能。它提供了多种功能，包括物体识别、人脸识别、文字识别等。优势是准确率高、响应速度快、易于集成。价格根据使用情况计费，具体请查看官方网站。Monster API的定位是为开发者提供强大的图像识别能力，帮助他们构建智能应用。

Gemini API的指南和示例集合

Gemini API Cookbook是一个包含Gemini API使用指南和示例的集合，旨在帮助开发者快速上手并使用Gemini API。这些示例大多数是用Python编写的Colab Notebooks，可以直接在Google Colab中打开或下载到本地环境中运行。

100个AI模型，1个API，最高可访问性

aimlapi.com是一个AI模型平台，通过1个API可以访问100多个AI模型。该平台提供低延迟、全天候访问的AI服务，可节省高达80%的成本。AI模型包括高级LLM、语音转文字、文字转语音、聊天机器人和图像生成等功能。定价简单明了，为开发者提供最低市场价格。支持与OpenAI兼容，无缝切换使用。适用于各种场景，包括聊天、语音、图像等。支持快速响应和高效扩展，保证99%的运行时间。欢迎免费试用1个月。

低延迟的实时语音交互API

Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。

对话式视频代理，结合大型语言模型与视频处理API。

Jockey是一个基于Twelve Labs API和LangGraph构建的对话式视频代理。它将现有的大型语言模型(Large Language Models, LLMs)的能力与Twelve Labs的API结合使用，通过LangGraph进行任务分配，将复杂视频工作流程的负载分配给适当的基础模型。LLMs用于逻辑规划执行步骤并与用户交互，而与视频相关的任务则传递给由视频基础模型(Video Foundation Models, VFMs)支持的Twelve Labs API，以原生方式处理视频，无需像预先生成的字幕这样的中介表示。

使用API调用suno.ai的音乐生成AI，并轻松集成到GPT等代理中。

suno-api是一个开源项目，旨在通过API调用suno.ai的音乐生成AI，允许用户轻松地将音乐生成功能集成到各种AI代理中，如GPT。该项目具有开放源代码许可证，便于自由集成和修改，支持自定义模式，允许用户设置歌词、音乐风格、标题等，并且可以一键部署到Vercel。

实时AI代理，将音频视频直接集成至视频会议。

Recall.ai Output Media是一个创新的AI技术，它允许用户将任何基于Web的AI应用实时集成到视频会议中。这项技术通过渲染超低延迟的音频和视频，并通过机器人将其流式传输到视频会议中，极大地扩展了AI在会议场景中的应用。Recall.ai的这项技术不仅提高了会议的互动性，还为各种行业提供了构建实时、互动AI代理的可能性，如销售代理、教练、招聘人员、项目经理等。

构建自然人类交流的实时人工智能

Fixie.ai致力于开发能够像人类一样自然交流的人工智能模型。我们认为，有用的、高效的、易获取的通用人工智能（AGI）将需要能够在快节奏、模糊不清的自然人类交流世界中运作的模型。我们正在解决的问题是构建Ultravox，一个开源的、最先进的语音到语音模型；构建处理WebRTC上LLMs实时通信的最佳堆栈；在Town上构建新体验；在TheFastest.ai上跟踪模型和提供商的延迟；以及在AI领域探索可能性的边界。

实时增强客服代理人对话质量

Cogneed AI助手通过实时语音识别和关键词匹配，为代理人提供上下文相关信息，提高对话质量。功能包括关键词检测历史、卡片固定、收藏卡片、关联卡片、个人笔记等。适用于业务呼叫中心、销售活动、客户服务等场景。定价请咨询官方网站。

强大的AI音频API，提升项目互动性。

ElevenLabs AI音频API提供了高质量的语音合成服务，支持多种语言，适用于聊天机器人、代理、网站、应用程序等，具有低延迟和高响应速度。该API支持企业级需求，确保数据安全，符合SOC2和GDPR合规性。

快速、便宜的房地产API

Interior Design API是一个强大的AI房地产API，可用于将室内和室外设计能力添加到您的应用程序或网站中。它使用我们专有的ULTRA图像扩散模型生成高质量的设计效果。价格实惠且输出迅速。

一个用于集成不同框架AI代理的通用平台，支持实时通信和人类监督。

Mahilo是一个强大的AI代理集成平台，旨在将来自不同框架的AI代理连接在一起，实现实时通信和人类监督。它通过提供框架无关的通信协议，支持多种流行的代理框架，如LangGraph、Pydantic AI等，同时允许通过API连接专有代理。该平台强调智能协作、组织级策略管理和以人类为中心的设计，确保在自动化的同时保持人类的控制权。Mahilo的出现为构建复杂的多代理系统提供了灵活的解决方案，适用于从内容创作到紧急响应等多种应用场景。目前，Mahilo在GitHub上拥有251颗星，每月PyPI下载量超过500次，显示出其在开发者社区中的受欢迎程度。Mahilo主要面向开发者和企业用户，帮助他们快速构建和部署多代理系统，提升工作效率和创新能力。

模拟 API 生成器是一个帮助您生成模拟数据和 API 的工具。

AI-Powered Mock API Generator是一个帮助您生成模拟数据和 API 的工具。您可以使用自然语言描述所需生成的数据，并生成相应的 API。它可以用于快速原型开发、测试环境搭建、数据模拟等场景。AI-Powered Mock API Generator已生成 5341 个数据集和 2350 个 API。

基于 Python 和 FastAPI 的非官方 Suno API。

SunoAPI 是一个基于 Python 和 FastAPI 的非官方 Suno API。它支持生成歌曲、歌词等功能，并带有内置的令牌维护和保持活跃功能，让您无需担心令牌过期。SunoAPI 采用全异步设计，运行速度快，适合后续扩展。用户可以轻松使用 API 生成各种音乐内容。

连接企业级API和即用MCP服务器的中心枢纽。

API Hub是一个提供强大API和云基础架构的平台，连接您到云端基础架构和可预测定价的API。

为ComfyUI提供Luma AI API的自定义节点。

ComfyUI-LumaAI-API是一个为ComfyUI设计的插件，它允许用户直接在ComfyUI中使用Luma AI API。Luma AI API基于Dream Machine视频生成模型，由Luma开发。该插件通过提供多种节点，如文本到视频、图像到视频、视频预览等，极大地丰富了视频生成的可能性，为视频创作者和开发者提供了便捷的工具。