产品库

AI实时对话，超低延迟

WhisperFusion是一款基于WhisperLive和WhisperSpeech功能的产品，通过在实时语音转文字流程中集成Mistral大型语言模型（LLM）来实现与AI的无缝对话。Whisper和LLM均经过TensorRT引擎优化，以最大程度提升性能和实时处理能力。WhisperSpeech则使用torch.compile来优化。产品定位于提供超低延迟的AI实时对话体验。

Whisper Turbo 是一款免费在线快速准确的语音识别工具。

Whisper Turbo 是基于 Whisper Large-v3 模型优化的语音识别工具，专为快速语音转录而设计。它利用先进的 AI 技术，能够高效地将不同音频源的语音转换为文本，支持多种语言和口音。该工具免费提供给用户，旨在帮助人们节省时间和精力，提高工作效率。其主要面向需要快速准确转录语音内容的用户，如博主、内容创作者、企业等，为他们提供便捷的语音转文字解决方案。

基于ESP32的AI聊天机器人项目，可实现多语言对话与声纹识别

xiaozhi-esp32 是一个开源的 AI 聊天机器人项目，基于乐鑫的 ESP-IDF 开发。它将大语言模型与硬件设备相结合，使用户能够打造出个性化的 AI 伴侣。项目支持多种语言的语音识别与对话，具备声纹识别功能，能够识别不同用户的语音特征。其开源特性降低了 AI 硬件开发的门槛，为学生、开发者等群体提供了宝贵的学习资源，有助于推动 AI 技术在硬件领域的应用与创新。项目目前免费开源，适合不同层次的开发者进行学习与二次开发。

Najva：您的AI驱动的Mac语音助手，将语音快速转换为文本。

Najva是一款专为Mac设计的AI驱动的语音助手，它结合了先进的本地语音识别技术和强大的AI模型，将您的语音转换成智能文本。这款应用特别适合那些思维速度比打字速度快的用户，如作家、开发者、医疗专业人员等。Najva以其轻量级、原生Swift应用、零追踪和完全免费等特点，为用户提供了一个注重隐私和效率的工作流程解决方案。

端到端中英语音对话模型

GLM-4-Voice是由清华大学团队开发的端到端语音模型，能够直接理解和生成中英文语音，进行实时语音对话。它通过先进的语音识别和合成技术，实现了语音到文本再到语音的无缝转换，具备低延迟和高智商的对话能力。该模型在语音模态下的智商和合成表现力上进行了优化，适用于需要实时语音交互的场景。

AI驱动的语音听写工具

Whispo是一款利用人工智能技术的语音听写工具，它能够将用户的语音实时转换成文字。这款工具使用了OpenAI Whisper技术进行语音识别，并支持使用自定义API进行语音转写，还允许通过大型语言模型进行转录后处理。Whispo支持多种操作系统，包括macOS（Apple Silicon）和Windows x64，并且所有数据都存储在本地，保障了用户隐私。它的设计背景是为了提高那些需要大量文字输入的用户的工作效率，无论是编程、写作还是日常记录。Whispo目前是免费试用的，但具体的定价策略尚未在页面上明确。

AI驱动的语音笔记应用，将语音转换为有组织的摘要和清晰的行动项。

NotesGPT是一款利用人工智能技术将用户的语音笔记转换成有组织的摘要和清晰的行动项的在线服务。它通过先进的语音识别和自然语言处理技术，帮助用户更高效地记录和管理笔记，特别适合需要快速记录信息并整理成结构化内容的用户。产品背景信息显示，NotesGPT由Together.ai和Convex提供技术支持，这表明其背后有着强大的AI技术支撑。目前，该产品似乎处于推广阶段，具体价格和定位信息未在页面中明确展示。

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。

全面对标GPT-4 Turbo的AI大语言模型

讯飞星火是科大讯飞推出的一款全面对标GPT-4 Turbo的AI大语言模型，它通过集成多种AI技术，如语音识别、自然语言处理、机器学习等，为用户提供高效、智能的办公效率工具。该产品不仅能够处理文本信息，还能进行语音识别和生成，支持多语种，适用于企业服务、智能硬件、智慧政务、智慧金融、智慧医疗等多个领域。

快速构建基于AI的会话头像

AIAvatarKit是一个用于快速构建基于AI的会话头像的工具。它支持在VRChat、集群和其他元宇宙平台以及现实世界的设备上运行。该工具易于启动，具有无限的扩展能力，可以根据用户的需求进行定制。主要优点包括：1. 多平台支持：可以在多种平台上运行，包括VRChat、集群和元宇宙平台。2. 易于启动：用户可以立即开始对话，无需复杂的设置。3. 扩展性：用户可以根据需要添加无限功能。4. 技术支持：需要VOICEVOX API、Google或Azure的语音服务API密钥以及OpenAI API密钥。

一站式AI工具平台

Onyxium是一个综合性的AI工具平台，提供包括图像识别、文本分析、语音识别等在内的多种AI技术。它旨在帮助用户轻松访问最新AI技术，以低成本使用这些工具，提升项目和工作流程的效率。

Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。

Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。

构建高级语音AI，由LLM提供支持，实现人类般的交互体验。

Retell AI是一个强大的AI代理构建平台，允许用户快速构建和测试复杂的工作流程，并通过电话呼叫、网络呼叫或任何其他地方部署它们。该平台支持使用任何大型语言模型（LLM），并提供了实时的交互体验，包括人类般的声音和语音克隆支持。Retell AI的主要优点包括低延迟、高稳定性和符合HIPAA标准的安全性。

与您喜爱的AI角色实时对话

InterAIct是一款实时对话应用，用户可以选择与不同AI角色进行对话，包括心理学家、虚拟助手等。该应用提供实时通知功能，用户可以随时查看通知并打开用户菜单进行操作。无论是需要心理咨询还是日常闲聊，InterAIct都能满足您的需求。

准确无误的AI视频转录

Malloy利用AI将视频转录为准确无误的文字，无论是行业术语还是地方俚语，我们都能应对。我们的AI能够理解多种语言和行业术语，确保捕捉到视频内容的真实含义。

使用AI为您自动生成会议摘要

LazyNotes AI会议笔记应用程序可以在会议进行时自动为您生成会议摘要和转录,无需任何操作。它使用AI从会议录音中提取关键信息,生成类似人工笔记的简明摘要。您可以根据自己的需求自定义提示词,以获得适合自己行业和角色的定制摘要。该APP还提供无限录音和摘要。主要功能包括:一按录音,智能结束;前沿的AI摘要技术;可自定义提示词模板;充分听讲,无需操作记录。LazyNotes让您无需妥协,即可同时专注聆听和记笔记。

创建一个3分钟的语音演讲稿

Pitchyouridea.ai是一个帮助用户通过语音将想法转化为演讲稿的平台。用户可以选择一个AI Pitch Expert，根据自己的想法进行演讲，AI会根据演讲提问并给出反馈。用户还可以购买AI生成的演讲稿，并通过AI提供的SWOT、PESTEL、团队等分析改进自己的商业计划。最后，用户可以将演讲稿用于自己的募资活动或联系平台以获取更多支持。

Docker推出的人工智能应用开发解决方案

Docker GenAI Stack是一个面向开发者的人工智能应用开发解决方案。它整合了各大领先的AI技术,只需几次点击就可以部署完整的AI应用栈,实现代码级的AI集成。GenAI Stack内置预配置的大型语言模型,提供Ollama管理,采用Neo4j作为默认数据库,可实现知识图谱和向量搜索。还配备了LangChain框架用于编排和调试,以及全面的技术支持和社区资源。GenAI Stack使AI应用开发变得简单高效,开发者可以快速构建实用的AI解决方案。

AI智能面试准备

通过实时语音识别和智能回答，掌握面试技巧。内置编译器，支持Python、Java和C。听取面试官的实时语音，模拟真实面试场景。Mocktalk致力于优化面试模拟体验，帮助求职者顺利通过技术行业面试。

基于 AI 的高效视频学习工具

Chat Video 是一个基于 AI 的高效视频学习工具，支持语音识别、摘要总结、AI 问答等功能。它能够通过云端 AI 语音识别快速准确地提取字幕，支持字幕一键下载和搜索，还可以自动提取视频大纲，帮助用户快速了解视频主题和内容。Chat Video 还支持 AI 问答，通过问答的方式快速检索视频信息，让视频学习更简单、更高效。

AI驱动的视频内容理解工具

VeedoAI使用深度学习技术从视频内容中提取可操作的见解。您可以更深入地了解您的视频，识别模式并做出数据驱动的决策。我们的工具适用于企业和个人。主要功能包括：转录、场景检测、OCR、主题和关键词检测、上下文搜索、转录摘要和问答功能。欢迎加入我们的革命性旅程。

Ezra是一个AI生成高质量Meta广告创意的工具。

Ezra是一个AI驱动的广告创意生成工具，可以在几秒钟内生成高质量的静态广告创意。它可以帮助用户快速扩大创意数量和多样性，测试速度更快，实现品牌的扩张。

AI 图像生成进入 “毫秒级” 时代，速度快、质量高。

腾讯混元图像 2.0 是腾讯最新发布的 AI 图像生成模型，显著提升了生成速度和画质。通过超高压缩倍率的编解码器和全新扩散架构，使得图像生成速度可达到毫秒级，避免了传统生成的等待时间。同时，模型通过强化学习算法与人类美学知识的结合，提升了图像的真实感和细节表现，适合设计师、创作者等专业用户使用。

Opusense是一个基于AI的工地检查和报告平台。

Opusense是一款AI驱动的工地检查和报告工具，通过自动化报告生成和照片记录，帮助建筑和工程团队提高效率和准确性。Opusense的主要优点在于节省时间、提高准确性和降低成本。

Velin是现代产品团队的AI动力集成产品营销环境（IPME），无缝地合并产品、客户、洞察和定位数据，创建顺序性广告活动和对齐内容。

Velin是一种AI动力集成产品营销环境（IPME），为现代产品团队提供无缝的产品和客户洞察数据合并，创建顺序广告活动和对齐内容的能力。其主要优点包括智能的营销自动化、细分客户群体、内容创建和销售支持材料的统一计划分享等。Velin的定位为提供产品营销AI解决方案。

AI助力产品需求，用户流程和上线内容生成。

PRDKit是一款AI驱动的产品需求生成工具，能够快速生成产品需求、用户流程和上线内容。其主要优点包括快速、智能生成PRD文档、可视化用户流程和上线内容，以及与设计系统兼容。PRDKit的背景信息为基于Combinator支持的产品需求工具，定位为帮助产品经理快速生成PRD文档。

将任何想法转化为可投资的指数。

Generated Assets是一款AI产品，可帮助用户将其想法转化为可投资的指数。用户可以利用AI搜索股票和ETF，创建投资组合，并与基准标普500指数比较关键指标。用户不能通过该网站进行投资，仅供教育目的。

让AI完美处理你的推文内容，释放你的创意。

CreaTweet是一款AI辅助推文插件，能够分析趋势话题并根据用户独特风格打磨推文内容。通过CreaTweet，用户能够轻松提升推文质量，展现个性化风格。

智能AI令牌管理和优化

Tokenomy是一款高级AI令牌计算器和成本估算工具，可用于LLMs。通过Tokenomy的高级令牌管理工具，优化您的AI提示，分析令牌使用情况，并节省OpenAI、Anthropic等LLM API的成本。