
Openai Realtime Api Nextjs
该项目是一个使用OpenAI实时API和WebRTC技术开发的WebRTC-based Voice AI stream application,以Next.js框架搭建,具备服务器端渲染和API路由功能,配合shadcn/ui开发的UI组件,支持实时音频对话,还加入了抽象WebRTC处理的hook,以及6个示例函数展示客户端工具与实时API结合使用。项目开源免费,主要面向开发者,可用于快速搭建具有语音AI功能的Web应用。
开发与工具
55.5K

Gemini Multimodal Live + WebRTC
Gemini Multimodal Live + WebRTC是一个展示如何构建简单语音AI应用的示例项目,使用Gemini多模态直播API和WebRTC技术。该产品的主要优点包括低延迟、更好的鲁棒性、易于实现核心功能,并且兼容多种平台和语言的SDK。产品背景信息显示,这是一个开源项目,旨在通过WebRTC技术提升实时媒体连接的性能,并简化开发流程。
开发与工具
51.9K
优质新品

Livekit Agents
LiveKit Agents 是一个端到端框架,它使开发者能够构建能够通过语音、视频和数据通道与用户互动的智能多模态语音助手(AI代理)。它通过集成OpenAI的实时API和LiveKit的WebRTC基础设施,提供了创建语音助手的快速入门指南,包括语音识别(STT)、语言模型(LLM)和文本转语音(TTS)的流水线。此外,它还支持创建语音到语音代理、接听和响应来电、以及代表用户拨打电话的功能。
AI Agents
86.4K
国外精选

Fixie.ai
Fixie.ai致力于开发能够像人类一样自然交流的人工智能模型。我们认为,有用的、高效的、易获取的通用人工智能(AGI)将需要能够在快节奏、模糊不清的自然人类交流世界中运作的模型。我们正在解决的问题是构建Ultravox,一个开源的、最先进的语音到语音模型;构建处理WebRTC上LLMs实时通信的最佳堆栈;在Town上构建新体验;在TheFastest.ai上跟踪模型和提供商的延迟;以及在AI领域探索可能性的边界。
聊天机器人
51.3K

Kitt
KITT是一个基于WebRTC的在线聊天工具,使用ChatGPT技术,可以实时与ChatGPT进行对话。它具有智能的对话能力,可以回答各种问题,帮助用户解决问题。KITT的优势在于实时性和便捷性,用户可以直接在网页上进行对话,无需下载任何插件或客户端。定价方面,KITT提供免费和付费的使用计划,付费计划提供更多的功能和资源。KITT定位为一个方便、高效的在线聊天工具,适用于各种场景,如客服支持、学习辅导、娱乐咨询等。
聊天机器人
63.8K
精选AI产品推荐
中文精选

Nocode
NoCode 是一款无需编程经验的平台,允许用户通过自然语言描述创意并快速生成应用,旨在降低开发门槛,让更多人能实现他们的创意。该平台提供实时预览和一键部署功能,非常适合非技术背景的用户,帮助他们将想法转化为现实。
开发平台
98.3K
优质新品

Listenhub
ListenHub 是一款轻量级的 AI 播客生成工具,支持中文和英语,基于前沿 AI 技术,能够快速生成用户感兴趣的播客内容。其主要优点包括自然对话和超真实人声效果,使得用户能够随时随地享受高品质的听觉体验。ListenHub 不仅提升了内容生成的速度,还兼容移动端,便于用户在不同场合使用。产品定位为高效的信息获取工具,适合广泛的听众需求。
音频生成
81.1K
国外精选

Lovart
Lovart 是一款革命性的 AI 设计代理,能够将创意提示转化为艺术作品,支持从故事板到品牌视觉的多种设计需求。其重要性在于打破传统设计流程,节省时间并提升创意灵感。Lovart 当前处于测试阶段,用户可加入等候名单,随时体验设计的乐趣。
AI设计工具
100.7K

Fastvlm
FastVLM 是一种高效的视觉编码模型,专为视觉语言模型设计。它通过创新的 FastViTHD 混合视觉编码器,减少了高分辨率图像的编码时间和输出的 token 数量,使得模型在速度和精度上表现出色。FastVLM 的主要定位是为开发者提供强大的视觉语言处理能力,适用于各种应用场景,尤其在需要快速响应的移动设备上表现优异。
AI模型
83.4K
国外精选

Smart PDFs
Smart PDFs 是一个在线工具,利用 AI 技术快速分析 PDF 文档,并生成简明扼要的总结。它适合需要快速获取文档要点的用户,如学生、研究人员和商务人士。该工具使用 Llama 3.3 模型,支持多种语言,是提高工作效率的理想选择,完全免费使用。
文章摘要
51.3K

Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。它解决了传统唇同步技术中的时间一致性问题,同时通过巧妙的遮罩策略处理表情泄漏和面部遮挡。KeySync 的优越性体现在其在唇重建和跨同步方面的先进成果,适用于自动配音等实际应用场景。
视频编辑
79.2K

Anyvoice
AnyVoice是一款领先的AI声音生成器,采用先进的深度学习模型,将文本转换为与人类无法区分的自然语音。其主要优点包括超真实的声音效果、多语言支持、快速生成能力以及语音定制功能。该产品适用于多种场景,如内容创作、教育、商业和娱乐制作等,旨在为用户提供高效、便捷的语音生成解决方案。目前产品提供免费试用,适合不同层次的用户。
音频生成
651.1K
中文精选

Liblibai
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。平台提供海量免费AI创作模型,用户可以搜索使用模型进行图像、文字、音频等创作。平台还支持用户训练自己的AI模型。平台定位于广大创作者用户,致力于创造条件普惠,服务创意产业,让每个人都享有创作的乐趣。
AI模型
8.0M