#语音输入

共 49 篇相关文章

Google正式发布Android 17，带来AI语音输入、vibe-coded小组件、Emoji改版、屏幕时间管理等九大新功能。本文详细解析Android 17在AI能力与日常实用性之间的平衡策略，以及对开发者和用户的实际影响。

百聆（bailing）是一款基于ASR+LLM+TTS架构的开源语音助手，集成DeepSeek R1大模型，端到端延迟仅800ms，支持打断对话，可在Mac等低配设备流畅运行，助你打造私有化个人AI语音助手。

深入分析WebRTC在AI语音交互场景中的设计缺陷：丢包优先策略导致用户prompt残缺、LLM响应质量下降。探讨MoQ等替代协议如何更好地平衡数据完整性与低延迟需求。

Speak2Prompt是一款开源工具，可将越南语语音实时转换为结构化英文AI提示词，适用于Claude、Cursor等编程助手。本文解析其设计理念、技术架构及对中文开发者的启发。

深度解析GitHub 44000+ Star开源项目CowAgent（原chatgpt-on-wechat），支持微信、飞书、钉钉多平台接入，兼容GPT、DeepSeek、Qwen等主流模型，具备主动思考、技能创造和长期记忆能力，手把手教你搭建智能AI助理系统。

深度解析GitHub热门开源项目CowAgent（原chatgpt-on-wechat），详解其主动思考、Skills创造、长期记忆等核心Agent能力，以及微信、飞书、钉钉等多平台接入方案，助你快速搭建企业级AI助理。

深度解析Chatbox开源AI客户端，一款支持多模型切换、本地数据存储的桌面应用。近4万GitHub Star，支持OpenAI、Claude等API接入，适合个人开发者和企业用户的AI交互工具。

深度解析GitHub 44000+ Star开源项目CowAgent，涵盖核心Agent能力、微信/企业微信/飞书等多平台接入、DeepSeek等多模型支持，以及个人AI助理和企业数字员工的实际应用场景。

MedKit是基于Claude Opus 4.7的开源语音AI患者模拟器，支持浏览器端运行，让医学生通过语音问诊练习临床技能。本文详解其核心特性、技术架构及对医学教育的实际价值。