EMOVA（EMotionally Omni-present Voice Assistant）是一個多模態語言模型，它能夠進行端到端的語音處理，同時保持領先的視覺-語言性能。該模型通過語義-聲學解耦的語音分詞器，實現了情感豐富的多模態對話，並在視覺-語言和語音基準測試中達到了最先進的性能。

Pagen AI Landing Page Template是一個由Pagen AI創建的AI著陸頁模板，使用Next.js和Shadcn UI構建。它允許用戶快速搭建一個專業的著陸頁面，用於展示AI相關的產品或服務。該模板易於定製，支持本地開發和預覽，適合需要快速上線AI項目展示頁面的開發者和企業使用。

SpeechGPT2是由復旦大學計算機科學學院開發的端到端語音對話語言模型，能夠感知並表達情感，並根據上下文和人類指令以多種風格提供合適的語音響應。該模型採用超低比特率語音編解碼器（750bps），模擬語義和聲學信息，並通過多輸入多輸出語言模型（MIMO-LM）進行初始化。目前，SpeechGPT2還是一個基於輪次的對話系統，正在開發全雙工即時版本，並已取得一些有希望的進展。儘管受限於計算和數據資源，SpeechGPT2在語音理解的噪聲魯棒性和語音生成的音質穩定性方面仍有不足，計劃未來開源技術報告、代碼和模型權重。

Qwen2-Audio是由阿里雲提出的大型音頻語言模型，能夠接受各種音頻信號輸入，並根據語音指令進行音頻分析或直接文本回復。該模型支持兩種不同的音頻交互模式：語音聊天和音頻分析。它在13個標準基準測試中表現出色，包括自動語音識別、語音到文本翻譯、語音情感識別等。

Swift是一個由Groq、Cartesia和Vercel支持的快速AI語音助手。它使用Groq進行OpenAI Whisper和Meta Llama 3的快速推理，Cartesia的Sonic語音模型進行快速語音合成，並即時流式傳輸到前端。VAD技術用於檢測用戶說話並運行語音片段上的回調。Swift是一個使用TypeScript編寫的Next.js項目，並部署在Vercel上。

Friend是一款領先的開源AI穿戴設備，它通過連接移動設備，提供自動、高質量的會議、聊天和語音備忘錄的即時轉錄服務。它具備即時AI音頻處理能力，低功耗藍牙技術，以及開源軟件設計，使得用戶能夠方便地訪問和貢獻代碼。該產品以其便攜性、實用性和開源性，為需要高效記錄和管理對話內容的用戶提供了一個創新解決方案。

WebDesignAgent是一個自動化的網站設計代理，能夠幫助用戶通過文本描述、圖片上傳或視覺佈局，快速創建出美觀且功能齊全的網站。它支持多頁面的生成和設計，用戶可以手動添加、刪除或修改網頁及其內容，實現個性化定製。此外，它還具備迭代優化功能，根據用戶反饋進行精確調整，以及利用視覺模型自主優化網頁佈局。

Real-time Voice AI Agent是一個高度靈活的即時語音交互模型，它能夠在大約500毫秒內通過語音回答任何查詢。該模型支持用戶選擇任何大型語言模型、文本到語音(TTS)模型和語音到文本(STT)模型。它非常適合用於客戶服務機器人、接待員等涉及語音的應用場景。

Coframe是一個利用人工智能技術進行網站優化和個性化的平臺。它通過與OpenAI合作，開發了一種模型，可以生成高質量、視覺上與品牌一致的UI代碼。這種技術的主要優點在於能夠加速網站優化過程，使網站優化變得更快速、更經濟，同時允許進行以前不可能的實驗和個性化方法。Coframe的背景信息顯示，它已經與OpenAI合作，在其博客上也有相關介紹。產品的價格和定位信息在頁面上沒有明確說明。

Ola Friend是字節跳動豆包推出的首款AI智能體耳機，它通過接入豆包大模型，與豆包APP深度結合，實現了無需打開手機即可通過語音喚醒AI助手的功能。這款耳機在信息查詢、旅遊出行、英語學習及情感交流等場景為用戶提供幫助，旨在成為用戶隨時陪伴的朋友。產品採用了OWS（Open Wearable Stereo）專利技術，實現了無感佩戴、不入耳、音響級聲效和超長續航等特點。

EMOVA（EMotionally Omni-present Voice Assistant）是一個多模態語言模型，它能夠進行端到端的語音處理，同時保持領先的視覺-語言性能。該模型通過語義-聲學解耦的語音分詞器，實現了情感豐富的多模態對話，並在視覺-語言和語音基準測試中達到了最先進的性能。

Pagen AI Landing Page Template是一個由Pagen AI創建的AI著陸頁模板，使用Next.js和Shadcn UI構建。它允許用戶快速搭建一個專業的著陸頁面，用於展示AI相關的產品或服務。該模板易於定製，支持本地開發和預覽，適合需要快速上線AI項目展示頁面的開發者和企業使用。

EVI 2是Hume AI推出的新型基礎語音對語音模型，能夠以接近人類的自然方式與用戶進行流暢對話。它具備快速響應、理解用戶語調、生成不同語調、以及執行特定請求的能力。EVI 2通過特殊訓練增強了情感智能，能夠預測並適應用戶的偏好，維持有趣且引人入勝的性格和個性。此外，EVI 2還具有多語言能力，能夠適應不同應用場景和用戶需求。

AITDK AI落地頁生成器是一個利用人工智能技術幫助用戶輕鬆創建和優化著陸頁的在線工具。它通過先進的算法，根據用戶輸入和數據自動設計、優化和分析著陸頁，以提高轉化率和搜索引擎排名。

漢王語音王App是漢王科技基於自研多模態天地大模型，自主研發的智能語音旗艦應用。它集AI語音記錄、智能翻譯與同聲傳譯於一體，支持AI精準轉寫、拍錄同步、話稿整理、智能總結及不間斷即時翻譯等功能。依託全棧AI技術，漢王語音王致力於幫助用戶跨越語言障礙，提高辦公、學習、會議、旅遊等場景的效率和便捷性。

Gemini Live是谷歌推出的AI助手Gemini的新功能，它允許用戶進行自由流暢的對話，支持多聲道選擇，無需手持操作，提供更自然、會話式的交互體驗。它是數字助理領域的重大升級，能夠處理複雜任務，節省用戶寶貴的時間。