语音对话

ChatGPT是一款人工智能交互平台，能够根据用户保存的聊天记录提供量身定制的回答。该平台支持创建图像、上传文件以及语音对话，并提供深度研究功能。用户登录后可获得个性化服务，其对话内容可能会被审阅并用于改进模型性能

APX（Agent Project eXecutable）是 APC 协议的参考实现，由本地守护进程、CLI 与网页管理台组成，让 AI 智能体基于同一份可移植项目上下文运行。它可把请求路由到 Claude Code、Codex、OpenCode 或 Aider 并支持逐级回退，智能体记忆与会话以纯文件保存在 .apc/ 上下文中，无需数据库，并提供会话、消息日志与项目管理命令。

Gemini是Google打造的生成式AI助手，能够帮助用户完成写作、规划与头脑风暴等核心任务。该工具支持70种以上语言的实时语音到语音翻译，具备流式连续音频生成与自动语种检测功能，可精准保留原始语调、语速和音调，并拥有出色的强抗噪能力。借助生成式AI技术，用户可流畅开展跨语言交流、内容生成及多场景智能协作

Grok 是由 xAI 构建的 AI 助手，支持聊天对话、图像创建、代码编写，并能从网络和 X 平台获取实时信息回答用户问题。订阅用户可通过 Grok Heavy 等套餐获得 X Premium+ 等增值权益。

Muse 是 Alexandr Wang（Scale AI 创始人、Meta 首席 AI 官）于 2026 年 9 月 8 日宣布推出的个人 AI 助手，同日开放试用。它主打始终在线、响应速度快，能够自主使用浏览器执行操作，并可连接用户的各类应用账户，产品设计上注重安全。用户可通过官方发布的试用链接体验。

PixVerse 是全球 AI 视频生成平台，提供文生视频、图生视频、视频编辑、口型同步、音频生成等能力。旗舰模型 V6 支持电影级镜头控制与角色表演。2026 年 1 月发布 R1 实时世界模型，将视频转变为可交互的连续流，并推出 PixVerse Game Engine 将实时世界模型应用于游戏创作，玩家可用自然语言交互，世界实时响应。平台还提供 API、智能体、营销中心、画布等企业级工作流工具。

通义千问（Qwen）是阿里巴巴云开发的大语言模型系列，提供对话助手、代码生成、智能体工具调用、256K至100万token长文本理解、多语言翻译和创意写作等能力。模型涵盖Dense和MoE架构，支持思考与非思考模式切换，可通过Qwen Chat、API及多种推理框架使用。

腾讯 WorkBuddy 是腾讯云代码助手推出的 AI Agent 办公工具，可自主规划并交付多模态复杂任务结果，支持多 Agents 并行工作。腾讯 WorkBuddy 正式版 App 已登陆安卓、iOS、鸿蒙三端，支持连接电脑调用桌面端完整能力或云端工作模式，具备 Skills、专家与专家团、自动化定时任务等功能，可通过文字、语音、拍照、本地文件及腾讯文档、ima 知识库发起任务。

Airbnb 是连接旅行者与全球民宿、度假屋、公寓及独特体验的在线预订平台。2026 秋季更新中，用户可通过文字或语音提示搜索房源，系统依据偏好动态生成筛选条件，并用 AI 摘要与评价帮助比较心愿单中的房源；同时扩展餐饮、洗衣、杂货配送等到店服务与基于好友行程的社交地图发现功能。

Buzz 是 Block 开源的自托管工作空间，将团队聊天、AI 智能体、工作流与 Git 托管整合进同一身份系统。底层基于 Nostr 中继，所有消息、工作流步骤、代码评审与 git 事件均为同一日志中的签名事件。智能体可像人一样打开仓库、提交补丁、评审代码、运行工作流并参与语音讨论。

Claude 是由 Anthropic 开发的 AI 助手，专为应对复杂挑战与高效工作协同而设计。它能够协助开发者完成代码编写、调试与逻辑优化，并提供深度的数据分析与可视化图表生成服务。用户可通过自然语言直接下达指令、上传复杂文档进行智能解析，或连接外部数据源。Claude 支持设定每日、每周或每月定时任务，自动产出格式化的报告、演示文稿或电子表格，实现从问题拆解到自动化交付的全流程协同

ElevenLabs 是 AI 语音与音频生成平台，自研基础模型，提供文本转语音（支持 29+ 语言、低延迟对话）、声音克隆、实时语音转录（Scribe）、音效生成、人声分离，以及与唱片公司和出版商合作打造、可商用的 Music API / Eleven Music 音乐生成模型；同时提供 ElevenAgents 实时对话式语音智能体，并面向开发者开放 API，采用免费加付费套餐模式。

Galbot 银河通用是全球具身智能机器人公司，致力于具身多模态大模型通用机器人研发，服务千行百业、千家万户。团队发布全球首个面向具身智能大模型的测试时后训练框架 WAM-TTT，基于预训练世界动作模型（WAM），仅凭未标注人类视频即可在部署阶段适配新场景，实现机器人部署后的持续学习与跨场景泛化。

Google Maps 是谷歌推出的地图导航与本地探索产品，内置 Ask Maps 与 Gemini 能力，用户可以用自然语言提出复杂问题，获得何时前往、点什么菜、在哪停车等本地建议，并依据自己浏览与收藏过的地点获得个性化推荐。导航方面提供 Immersive Navigation 沉浸式导航，会在复杂路口自动放大并让建筑半透明；驾车、步行或骑行途中还可与 Gemini 进行免手对话来查找地点。

Hermes Agent (Nous Research) 是开源（MIT）自进化 AI 智能体，内置学习回路：从经验中自动创建技能、持续改进、留存知识、检索自身历史对话，并跨会话构建更深的用户模型。可在低价 VPS、GPU 集群或 serverless 运行，并提供 Hermes Desktop 桌面端。近期 Bot Mode 将单一对话列表替换为一组命名机器人，每机器人拥有独立聊天、记忆、技能、固定模型与持久化 Agent Inbox，可通过 @提及 交接工作。

OpenMinis 是一款免费开源的移动端 AI Agent 应用，支持 iOS 与 Android。它允许用户接入自己的 Claude、GPT、Gemini 等模型（API Key 或账号登录），并在设备本地运行 Alpine Linux 沙箱，让 Agent 能安装软件包、执行脚本、操作真实文件、进行浏览器自动化，并深度集成健康、日历、提醒事项、HomeKit 等系统能力。支持可扩展 Skills 与跨会话持久记忆，代码以 GPLv3 开源。

Apple Intelligence 是苹果全平台 AI 系统，深度集成于 iOS、iPadOS、macOS 和 visionOS。提供 Genmoji 表情生成、Siri 智能助手、图像理解与描述、HomeKit 视频摘要、无障碍辅助、Workout Buddy 运动指导等能力。采用设备端处理与 Private Cloud Compute 保护隐私，通过 Foundation Models 框架向第三方应用开放 AI 能力。

Apple 智能（Apple Intelligence）是苹果内置于 macOS 等系统的 AI 能力集合，可在“系统设置—Apple 智能与 Siri”中启用第三方模型扩展。在 Mac 上启用来自阿里巴巴的千问扩展后，写作工具可仅凭描述创作文本或图像并支持改写，Siri 可对照片与文稿进行分析总结，用户在备忘录、邮件、预览、照片等应用中直接获得文本创作、图像理解与文稿总结能力，发送照片或文件前均需用户确认。

AURA（Autonomous Unified Response Architecture）是一个开源、完全离线运行的本地语音 AI 助手系统，用户交互人格名为 Kommy。核心语音管线为：唤醒词 -> Whisper 语音转文字 -> Ollama 本地 LLM -> ChromaDB RAG/记忆 -> Piper 语音合成。系统通过沙箱化执行器执行 Git、Docker、文件系统等开发者命令，所有数据不离开本地机器，无需云服务或 API 密钥。项目正在积极开发中，已通过 629 项测试。

Cartesia 是基于状态空间模型（SSM）构建的实时语音 AI 平台，提供流式文本转语音（TTS）与语音转文本（STT）模型，主打低延迟语音智能体场景。其 Sonic 系列 TTS 主打 sub-90ms 首音频时间，支持内联表情标记、自定义发音词典以及速度/音量/情绪参数，可通过 API 与 LiveKit Agents 插件集成。模型可在云、私有化与端侧部署，面向语音代理、客户交互与内容本地化等生产场景。

Codex是OpenAI推出的AI编程智能体，现已集成至ChatGPT。它能够端到端地完成构建新功能、复杂代码重构、迁移及拉取请求等软件工程任务。该工具基于多智能体架构，支持在云端并行处理多个项目工作。用户可通过内置Skills功能自定义团队开发标准与流程，并调度其自动执行问题分类、告警监控与CI/CD等后台运维任务。此外，它提供深度测试生成与代码审查能力，且支持通过ChatGPT网页端、IDE插件及命令行终端跨平台无缝协同

COROS PACE 4 Pro 是高驰面向跑步、铁三等耐力运动推出的竞技旗舰智能手表，机身重38克、厚11.8mm，采用1.47英寸AMOLED蓝宝石屏与钛金属表圈。内置扬声器与麦克风，支持语音操控，可实时播报配速、距离、心率并随时记录语音备忘；具备双频全星座定位、全球离线地图等高线、60小时高精度模式续航与专业训练数据分析。

CosyVoice 是基于通义自研 Qwen-Audio 音频大模型的 AI 语音平台，包含语音记录 CosyFlow、音频创作 CosyCreative 与语音智能体 CosyAgent。CosyFlow 提供实时高质量语音转文本、自动过滤口语填充词、方言识别与口述成稿；CosyCreative 支持从想法生成播客与有声书、音色复刻、多角色多语言配音及多轨音频编辑。

DeepSeek 是杭州深度求索公司开发的大语言模型及 AI 助手，网页端、App 与 API 均已上线，支持编程开发、创意写作、文件上传分析与长文本对话，并提供 DeepSeek-V4、R1 等开源模型与开发者 API 平台。