Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

ESP32 + Hermes Studio 桌面 AI 对话小方盒，是一个基于 ESP32-C3 的桌面 AI 硬件入口。 它把小屏、麦克风、扬声器和实体按键集中在一个桌面小盒子里，通过网络连接电脑端或者云服务器 Hermes Studio。 ESP32 负责硬件交互，Hermes Studio 负责模型调用、语音识别和语音合成工具调用。 一句话说明： 它不是独立离线大模型，而是把 Hermes Studio 的 AI 能力延伸到桌面上的一个可看、可按、可听、可反馈的小硬件入口。

libapi_'s profile picture

libapi

29,263 subscribers

68,268 Aufrufe • vor 1 Monat •via X (Twitter)

BildungGesundheit & WellnessWissenschaft & Technologie
LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

通过 Hermes Studio 小方盒 控制电脑/Agent 操作，生成了这段视频。 比奇堡大战孙悟空视频实况！🦀🐒 小方盒不是普通语音 AI 设备，它是一个桌面 AI Agent 控制入口： 用语音、按键和小屏，把指令交给 Hermes Studio，让 Hermes Agent 去调用工具、控制电脑、执行任务。 这次演示使用的是 Grok 4.3 模型。Grok xAI Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀
1:41

通过 Hermes Studio 小方盒 控制电脑/Agent 操作，生成了这段视频。 比奇堡大战孙悟空视频实况！🦀🐒 小方盒不是普通语音 AI 设备，它是一个桌面 AI Agent 控制入口： 用语音、按键和小屏，把指令交给 Hermes Studio，让 Hermes Agent 去调用工具、控制电脑、执行任务。 这次演示使用的是 Grok 4.3 模型。Grok xAI Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

37,998 Aufrufe • vor 1 Monat

Hermes Studio 开始于今年四月。 当时我们想使用 Hermes Agent，却没有找到一套顺手的 Web UI。于是团队做出了第一版界面 Hermes web ui，开放给社区使用。 5月收到第一批用户反馈后，我们继续推出桌面客户端，并持续支持 macOS、Windows 和 Linux，Hermes Studio上线。 Hermes Studio 把文件系统、终端、浏览器、Coding Agent、MCP 和多平台消息渠道集中到一个工作台里。用户可以让 Agent 搜索和整理文件、运行命令、操作网页、修改代码、执行测试，也可以连接知识库、数据库、GitHub、邮件和企业内部服务。 项目目前获得超过 9,000 个 GitHub Star，npm 下载量超过 35 万次，Docker 拉取量超过 31 万次。 Hermes Studio 在 OpenRouter 累计使用约 476.9 亿 Tokens。2026 年 6 月 8 日，桌面客户端进入 OpenRouter 全球 Tokens 日榜第 9，Web UI 位列第 17。 6月 Hermes Studio 小方盒。它可以放在桌面或户外，通过语音、实体按键和小屏接收指令，再交给电脑或远程服务器执行。这个硬件入口也会连接后续的手机 App、MCP 工具和自动化服务。 7月 Hermes Studio 已与阿里云旗下无影云电脑展开合作，相关 Web UI 镜像已经上线，用户可以一键完成部署。 未来 6 到 12 个月，团队会继续更新打磨桌面端，发布并打磨手机 App，推进 ESP32 与软件工具链的连接，同时建设Hermes Studio社区。
1:07

Hermes Studio 开始于今年四月。 当时我们想使用 Hermes Agent，却没有找到一套顺手的 Web UI。于是团队做出了第一版界面 Hermes web ui，开放给社区使用。 5月收到第一批用户反馈后，我们继续推出桌面客户端，并持续支持 macOS、Windows 和 Linux，Hermes Studio上线。 Hermes Studio 把文件系统、终端、浏览器、Coding Agent、MCP 和多平台消息渠道集中到一个工作台里。用户可以让 Agent 搜索和整理文件、运行命令、操作网页、修改代码、执行测试，也可以连接知识库、数据库、GitHub、邮件和企业内部服务。 项目目前获得超过 9,000 个 GitHub Star，npm 下载量超过 35 万次，Docker 拉取量超过 31 万次。 Hermes Studio 在 OpenRouter 累计使用约 476.9 亿 Tokens。2026 年 6 月 8 日，桌面客户端进入 OpenRouter 全球 Tokens 日榜第 9，Web UI 位列第 17。 6月 Hermes Studio 小方盒。它可以放在桌面或户外，通过语音、实体按键和小屏接收指令，再交给电脑或远程服务器执行。这个硬件入口也会连接后续的手机 App、MCP 工具和自动化服务。 7月 Hermes Studio 已与阿里云旗下无影云电脑展开合作，相关 Web UI 镜像已经上线，用户可以一键完成部署。 未来 6 到 12 个月，团队会继续更新打磨桌面端，发布并打磨手机 App，推进 ESP32 与软件工具链的连接，同时建设Hermes Studio社区。

libapi

71,628 Aufrufe • vor 24 Tagen

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务 在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒 可以做什么 ？ （视频演示） 1. 控制电脑 /远程服务器 小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器 上执行。 （它就是Hermes Agent） 可以做： 打开/关闭本地应用或网页 在电脑/远程服务器 上运行命令 读取、搜索、整理本地文件 上传文件给 Agent 分析 下载 Agent 生成的文件 控制浏览器访问网页、查资料、填表、抓取信息 调用本地 Coding Agent，让它改代码、跑测试、生成项目 查看运行日志、任务状态、错误信息 用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具 （生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。 文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。 终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。 浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。 代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。 语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。 自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。 多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。 一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。 产品功能： 语音唤醒桌面 Agent 实体按键触发 本地文件读取、搜索与整理 电脑/远程服务器命令执行与任务自动化 浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务 多模型、多 Profile 切换 多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀
1:31

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务 在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒 可以做什么 ？ （视频演示） 1. 控制电脑 /远程服务器 小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器 上执行。 （它就是Hermes Agent） 可以做： 打开/关闭本地应用或网页 在电脑/远程服务器 上运行命令 读取、搜索、整理本地文件 上传文件给 Agent 分析 下载 Agent 生成的文件 控制浏览器访问网页、查资料、填表、抓取信息 调用本地 Coding Agent，让它改代码、跑测试、生成项目 查看运行日志、任务状态、错误信息 用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具 （生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。 文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。 终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。 浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。 代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。 语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。 自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。 多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。 一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。 产品功能： 语音唤醒桌面 Agent 实体按键触发 本地文件读取、搜索与整理 电脑/远程服务器命令执行与任务自动化 浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务 多模型、多 Profile 切换 多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

31,427 Aufrufe • vor 1 Monat

华南理工大学开源的小智AI智能硬件的后端服务：xiaozhi-esp32-server，支持MCP和声纹识别 对智能硬件感兴趣的朋友可以开搞了 支持语音交互、声纹识别、智能对话、视觉感知、意图识别、工具调用 支持本地短期记忆和mem0ai接口记忆，有记忆总结功能 提供Web管理界面、测试工具 支持最简化安装和全模块安装，可以满足不同场景需求 #AI智能硬件 #小智 #esp32智能硬件
1:20

华南理工大学开源的小智AI智能硬件的后端服务：xiaozhi-esp32-server，支持MCP和声纹识别 对智能硬件感兴趣的朋友可以开搞了 支持语音交互、声纹识别、智能对话、视觉感知、意图识别、工具调用 支持本地短期记忆和mem0ai接口记忆，有记忆总结功能 提供Web管理界面、测试工具 支持最简化安装和全模块安装，可以满足不同场景需求 #AI智能硬件 #小智 #esp32智能硬件

AIGCLINK

47,237 Aufrufe • vor 1 Jahr

这个脑洞好酷！把你的桌面绿植打造成可交互的电子宠物。 Sajal Kumar Sajal Kumar 用 Rive 的数据绑定、GPT 和一些硬件（ESP32 和几个传感器如触摸、湿度、湿度、光照、温度）制作了这个超酷的演示，后面还计划加入语音交互。
0:38

这个脑洞好酷！把你的桌面绿植打造成可交互的电子宠物。 Sajal Kumar Sajal Kumar 用 Rive 的数据绑定、GPT 和一些硬件（ESP32 和几个传感器如触摸、湿度、湿度、光照、温度）制作了这个超酷的演示，后面还计划加入语音交互。

sundyme

12,706 Aufrufe • vor 6 Monaten

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能 支持mqtt和wss协议，实时打断，实时对话 支持图像识别处理，有多模态交互能力，能理解图像内容 支持IoT设备集成，来控制智能灯、调节温度等等 可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人
2:06

小智语音机器人的客户端：py-xiaozhi，在电脑上就能用，可以在没有硬件的条件下体验AI小智的语音功能 支持mqtt和wss协议，实时打断，实时对话 支持图像识别处理，有多模态交互能力，能理解图像内容 支持IoT设备集成，来控制智能灯、调节温度等等 可以联网播放音乐 #AI语音助手 #语音机器人 #小智语音机器人

AIGCLINK

13,386 Aufrufe • vor 1 Jahr

Kyutai 又推出了一个新的语音模型： Unmute 这是一个高度模块化的语音 AI 系统，可以为任何文本大语言模型快速添加语音功能。 也就是它可以插入到任意的模型当中，让该模型具有语音能力。 -它能够很智能判断你是否说完一句话，然后再接茬 -你也可以随时打断它 -基于 10 秒语音样本即可定制声音 -能实现“文本流式”合成，支持在文本尚未完全生成时开始说话，进一步降低响应延迟。
1:32

Kyutai 又推出了一个新的语音模型： Unmute 这是一个高度模块化的语音 AI 系统，可以为任何文本大语言模型快速添加语音功能。 也就是它可以插入到任意的模型当中，让该模型具有语音能力。 -它能够很智能判断你是否说完一句话，然后再接茬 -你也可以随时打断它 -基于 10 秒语音样本即可定制声音 -能实现“文本流式”合成，支持在文本尚未完全生成时开始说话，进一步降低响应延迟。

小互

37,051 Aufrufe • vor 1 Jahr

劲爆功能： Hermes Studio 接下来会上一个新的「设备」功能。 简单说：同一个局域网里的设备，可以互相发现、连接和协同使用。 比如你的主力电脑、备用机器、局域网服务器、手机、平板、NAS，后面都可以接进同一个 Hermes Studio 工作流里。 第一阶段会先做局域网互联。 后续会继续拓展远程互联能力，不过远程场景需要你自己有服务器，用来做中转和管理。 这个方向会更偏企业级服务：多设备、多环境、多节点，统一接入、统一管理。 Hermes Studio 届时不只是单机工具，而是在往团队和企业级 Agent 基础设施走希望我们能成功，感谢大家支持！
0:55

劲爆功能： Hermes Studio 接下来会上一个新的「设备」功能。 简单说：同一个局域网里的设备，可以互相发现、连接和协同使用。 比如你的主力电脑、备用机器、局域网服务器、手机、平板、NAS，后面都可以接进同一个 Hermes Studio 工作流里。 第一阶段会先做局域网互联。 后续会继续拓展远程互联能力，不过远程场景需要你自己有服务器，用来做中转和管理。 这个方向会更偏企业级服务：多设备、多环境、多节点，统一接入、统一管理。 Hermes Studio 届时不只是单机工具，而是在往团队和企业级 Agent 基础设施走希望我们能成功，感谢大家支持！

libapi

24,398 Aufrufe • vor 2 Monaten

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。 具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。 这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。 此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。 今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。
1:08

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。 具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。 这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。 此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。 今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

宝玉

86,578 Aufrufe • vor 15 Tagen

介绍 Memoh Desktop，一个多智能体桌面应用。 过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。 在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。 这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。 下载链接见评论区。
1:16

介绍 Memoh Desktop，一个多智能体桌面应用。 过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。 在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。 这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。 下载链接见评论区。

📦Acbox

47,369 Aufrufe • vor 2 Monaten

腾讯优图出的一款主动式设备端AI助手：Youtu-Tip，可以桌面自动化、Agent调用，能离线使用 它可以模拟鼠标/键盘来实现桌面操纵，比如说，“帮我把Excel里低于60分的标红”、“总结文章发给XX微信” 支持热键、选中文本或者图像交互 也可以教它技能，比如给它演示一遍“去官网搜最低价航班”，它能记录步骤下次一句命令自动跑 还可以接入智能体、MCP服务器以及其他工具，来实现更复杂的任务 Tip基于Youtu-LLM驱动，1.96B，128K上下文，具备原生智能体能力，是开源的，也可以替换成其他模型 它还有一个4B的Youtu-VL端侧多模态模型也马上要开源 #AI设备端助手 #YoutuTip
2:08

腾讯优图出的一款主动式设备端AI助手：Youtu-Tip，可以桌面自动化、Agent调用，能离线使用 它可以模拟鼠标/键盘来实现桌面操纵，比如说，“帮我把Excel里低于60分的标红”、“总结文章发给XX微信” 支持热键、选中文本或者图像交互 也可以教它技能，比如给它演示一遍“去官网搜最低价航班”，它能记录步骤下次一句命令自动跑 还可以接入智能体、MCP服务器以及其他工具，来实现更复杂的任务 Tip基于Youtu-LLM驱动，1.96B，128K上下文，具备原生智能体能力，是开源的，也可以替换成其他模型 它还有一个4B的Youtu-VL端侧多模态模型也马上要开源 #AI设备端助手 #YoutuTip

AIGCLINK

47,495 Aufrufe • vor 7 Monaten

阶跃星辰开源了一个130B 语音-文本的多模态模型 ：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。 该模型通过多模态训练，使得语音理解与生成可以无缝对接。 主要能力： 语音克隆 支持多种语言对话（中文英日） 情绪控制与语调控制 支持方言 可控制语速及韵律风格 支持RAP和哼唱等 集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。
1:35

阶跃星辰开源了一个130B 语音-文本的多模态模型 ：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。 该模型通过多模态训练，使得语音理解与生成可以无缝对接。 主要能力： 语音克隆 支持多种语言对话（中文英日） 情绪控制与语调控制 支持方言 可控制语速及韵律风格 支持RAP和哼唱等 集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,755 Aufrufe • vor 1 Jahr

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！
1:30

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,713 Aufrufe • vor 1 Jahr

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备 外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。 她可以与你互动，甚至你触摸它，她也会有反应 她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。 支持 语音交互、触控反馈、手势识别、眼神追踪 等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。 它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应
4:23

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备 外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。 她可以与你互动，甚至你触摸它，她也会有反应 她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。 支持 语音交互、触控反馈、手势识别、眼神追踪 等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。 它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

小互

28,861 Aufrufe • vor 1 Jahr

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。 它更像是让你和 AI 打一通“实时视频电话”： 你说话，它看着你听。 你打断，它能接住。 你表情变了，它也能反应。 半秒内接话，几乎没有冷场。 真正的重点是： 以前虚拟人是拼流水线： 语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成 每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。 一个 Transformer 直接处理实时音视频交互。 模型端响应约 0.2 秒，整体延迟约 0.55 秒。 这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。
0:40

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。 它更像是让你和 AI 打一通“实时视频电话”： 你说话，它看着你听。 你打断，它能接住。 你表情变了，它也能反应。 半秒内接话，几乎没有冷场。 真正的重点是： 以前虚拟人是拼流水线： 语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成 每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。 一个 Transformer 直接处理实时音视频交互。 模型端响应约 0.2 秒，整体延迟约 0.55 秒。 这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。

Vincent

12,627 Aufrufe • vor 1 Monat

小龙虾套壳的风波终于是卷到了国外 Perplexity 出了一个 Personal Computer，马斯克也说要做类似的东西 在你的电脑里有一个长期稳定的助手，一个可以操作软件和文件的客户端。 跟一个配置好的 Open Claw 能做的事情差不多。 但比较好的是，它的交互非常舒服： 1. 你可以直接语音输入 2. 它收到以后直接语音回复，不打扰 它是常驻在右上角的，这种设计就很舒服。而且安全性、稳定性各方面都表现得比较好。 你还可以通过他们的 Perplexity 移动 APP 远程控制桌面端的 Personal Computer。 需要候补名单，感觉也是刚立个项，可能也就做了个 demo 出来。
1:27

小龙虾套壳的风波终于是卷到了国外 Perplexity 出了一个 Personal Computer，马斯克也说要做类似的东西 在你的电脑里有一个长期稳定的助手，一个可以操作软件和文件的客户端。 跟一个配置好的 Open Claw 能做的事情差不多。 但比较好的是，它的交互非常舒服： 1. 你可以直接语音输入 2. 它收到以后直接语音回复，不打扰 它是常驻在右上角的，这种设计就很舒服。而且安全性、稳定性各方面都表现得比较好。 你还可以通过他们的 Perplexity 移动 APP 远程控制桌面端的 Personal Computer。 需要候补名单，感觉也是刚立个项，可能也就做了个 demo 出来。

歸藏(guizang.ai)

41,482 Aufrufe • vor 4 Monaten

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
2:15

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,055 Aufrufe • vor 2 Monaten

你们需要的推文写作神器来了：tweet-skills，它是一组自动创作技能包。 这个 repo 真正在做的一件事，是把内容创作工程化。 怎么说？ 它有 8 个 skill： - hot-topics 负责采集 - topic-research 负责调研 - opinion-generator 负责观点 - tweet-writer 负责写作 - tweet-polish 负责去 AI 味 - title-optimizer 负责标题 - tweet-closing 负责结尾 - tweet-pipeline 负责串联。 每个 skill 职责明确，每个 skill 可以独立运行，每个 skill 可以单独迭代升级。 这是什么思路？ 软件工程的思路。 模块化、可复用、可测试、可迭代。 skill 就是内容创作的「函数」。pipeline 就是内容创作的「工作流」。收藏价值设计就是内容创作的「代码审查」。 市面上所有 AI 写作工具，本质上都是一个巨大的 prompt 加一个输入框。你进去一堆文字，出来一段文字。 tweet-skills 不一样。它把创作过程拆成了系统。你可以看到每一步在做什么，每一步的输入输出是什么，每一步的质量标准是什么。 这才是 AI 时代内容创作该有的样子。 不是用 AI 替代创作，是用工程化思维重构创作。 这个 repo 值 star。先收下，以后会明白我在说什么。 #skill #openclaw 源码：
0:29

你们需要的推文写作神器来了：tweet-skills，它是一组自动创作技能包。 这个 repo 真正在做的一件事，是把内容创作工程化。 怎么说？ 它有 8 个 skill： - hot-topics 负责采集 - topic-research 负责调研 - opinion-generator 负责观点 - tweet-writer 负责写作 - tweet-polish 负责去 AI 味 - title-optimizer 负责标题 - tweet-closing 负责结尾 - tweet-pipeline 负责串联。 每个 skill 职责明确，每个 skill 可以独立运行，每个 skill 可以单独迭代升级。 这是什么思路？ 软件工程的思路。 模块化、可复用、可测试、可迭代。 skill 就是内容创作的「函数」。pipeline 就是内容创作的「工作流」。收藏价值设计就是内容创作的「代码审查」。 市面上所有 AI 写作工具，本质上都是一个巨大的 prompt 加一个输入框。你进去一堆文字，出来一段文字。 tweet-skills 不一样。它把创作过程拆成了系统。你可以看到每一步在做什么，每一步的输入输出是什么，每一步的质量标准是什么。 这才是 AI 时代内容创作该有的样子。 不是用 AI 替代创作，是用工程化思维重构创作。 这个 repo 值 star。先收下，以后会明白我在说什么。 #skill #openclaw 源码：

tiantian

17,822 Aufrufe • vor 3 Monaten

给大家推荐一下，Cindy 里面我做的语音输入的功能。在输入完成以后，她可以接入大模型进行润色。对于经常输错的部分，能够自动加入词典，并且词典可以在多设备间端到端地同步。 语音输入还可以绑定键盘快捷键，在其他的 App 里面使用快捷键也可以调用 Cindy 的语音输入，相当于是一个方便的语音输入法。欢迎大家来体验。
0:41

给大家推荐一下，Cindy 里面我做的语音输入的功能。在输入完成以后，她可以接入大模型进行润色。对于经常输错的部分，能够自动加入词典，并且词典可以在多设备间端到端地同步。 语音输入还可以绑定键盘快捷键，在其他的 App 里面使用快捷键也可以调用 Cindy 的语音输入，相当于是一个方便的语音输入法。欢迎大家来体验。

Dash

33,638 Aufrufe • vor 11 Tagen