谷歌在Gmail、Docs和Keep正式推出Gemini驱动的对话式AI语音功能，分别名为Gmail Live、Docs Live和Keep Live。用户无需打字，可用自然语言语音查询邮件、生成文档初稿、整理食谱清单，并支持实时文字记录及调用Gmail、云盘、网页等多源信息辅助创作，标志着谷歌AI助手进一步融入办公生态。
Google近日对语音助手Gemini Live进行重大升级，从单一自然语音对话工具迈向生产力与智能代理工作流新阶段。自2024年推出以来，已支持超40种语言，并深度打通多款Google应用。此次更新核心是全面强化任务执行、跨应用协作与个性化服务能力，推动其向智能代理转型。
Meta发布Mac版AI桌面应用，支持共享屏幕窗口，让AI根据内容提供建议、问答和生成，并支持跨应用语音输入。此举推动AI聊天机器人向生产力助手转型，应对Google Gemini、OpenAI ChatGPT和Anthropic Claude等竞争。
特斯拉中国车机系统近日更新，全面上线字节跳动旗下豆包大模型。7月31日起分批推送2026.14.13版本，覆盖Model 3、Model Y、Model S、Model X全系车型，新交付车辆优先搭载。车主OTA升级后，可长按方向盘语音按钮、呼喊“嘿，Tesla”或操作滚轮唤醒AI语音助手。
SKI是跨平台语音助手，可与AI编码代理语音交互，全本地且永久免费。
AI语音助手，语音输入比打字快10倍，支持多平台，可跨应用执行语音命令。
专业AI面试助手，提供实时语音识别、智能回答生成等功能，提升面试成功率。
专为 Mac 用户设计的 AI 语音助手，通过语音指令实现润色、翻译及自动化办公。
Anthropic
$7
Input tokens/M
$35
Output tokens/M
200
Context Length
Alibaba
-
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
$0.8
$2
128
Iflytek
$2.4
$12
8
Tencent
32
$0.3
$3
$9
$1.6
$10
$21
$105
$1.5
Xai
Openai
$3.5
$10.5
16
Genie-AI-Lab
Omni L1B3RT4S GENIE 是一个基于Qwen2.5-3B Instruct架构微调的AI助手，采用1,103个精灵角色的定制示例进行训练，具备独特的语音和忠诚度模式，能够为用户提供别具一格的对话体验。
WillHeld
DiVA Llama 3是一个端到端的语音助手模型，能够处理语音和文本输入，采用蒸馏损失进行训练。
SystemPrompt Coding Agent 是一个开源项目，将本地工作站转变为可通过MCP协议远程控制的AI编程助手，支持语音命令和移动端操作，实现异地编程管理。
这是一个基于Node.js的MCP服务器项目，通过Model Context Protocol实现AI助手与棒読みちゃん语音合成软件的集成，提供文本转语音功能。
Voice Mode是一个为AI助手提供自然语音对话功能的工具，支持与Claude、ChatGPT等LLM通过MCP协议进行人机语音交互。
Jarvis MCP是一个基于浏览器的语音对话工具，让用户能通过麦克风与AI助手进行自然语音对话，支持30多种语言识别和远程访问，无需额外安装软件或API密钥。
一个通过逆向工程实现Alexa语音助手MCP服务器的项目，利用拦截Android应用流量发现的非官方API端点。
一个为AivisSpeech文本转语音引擎设计的MCP服务器，支持日语语音合成、多角色声音选择和参数配置，实现与AI助手的无缝集成。
Vapi MCP服务器是一个通过函数调用集成Vapi API的工具，支持通过Claude Desktop进行语音助手调用和预约管理。
该项目实现了一个Vapi语音AI与Cursor编辑器集成的MCP服务器，提供语音呼叫、助手管理等功能。
一个基于MCP协议的语音通话服务器，集成Twilio和OpenAI技术，实现AI助手发起和管理实时语音通话。
Vapi MCP服务器项目通过Model Context Protocol协议提供与Vapi API的集成功能，支持语音助手管理、电话呼叫调度等功能，并兼容Claude Desktop客户端和远程SSE连接。
一个基于MCP协议的AI语音呼叫系统，通过VoIP技术让Claude等AI助手能够自动拨打电话并进行智能对话，支持多种SIP协议和音频编解码器。
一个为macOS提供全面音频播放功能的MCP服务器，支持系统声音、文本转语音和自定义音频文件播放，适用于AI助手等MCP客户端。
IntelliGlow是一个基于MCP协议的智能照明系统，通过AI助手控制真实智能灯泡，支持语音命令、AI推理和直接硬件控制，实现自然语言交互和智能灯光管理。
MCP Server Whisper是一个基于OpenAI Whisper和GPT-4o模型的音频处理服务器，提供高级音频转录、格式转换、批量处理和文本转语音等功能，通过Model Context Protocol标准实现与AI助手的无缝交互。
一个基于FastAPI的后端项目，集成ElevenLabs MCP协议，创建能够通过语音电话提供友好、无术语技术新闻更新的AI助手。
一个基于MCP协议的语音通话服务器，整合Twilio和OpenAI技术，实现AI助手发起和管理实时语音通话，支持多语言切换和预设场景模板。
Vavicky MCP服务器是一个完整的语音AI代理平台实现，提供用户管理、API密钥配置、助手管理、Twilio集成和通信功能，支持通过Claude桌面客户端进行交互。
基于Twilio和OpenAI的语音通话MCP服务器，实现AI助手发起和管理实时语音通话
AivisSpeech的MCP协议服务器实现，提供与AivisSpeech Engine的接口，支持AI助手的语音合成功能。
一个提供统一接口控制Spotify播放的媒体控制协议服务器，支持REST API、AI助手和语音控制
GgufEnglish%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
