正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

牛P了 OpenAI 将 ChatGPT Voice 升级为语音 Agent 语音不光能回答问题，现在能直接帮你把事办了👇 你可以直接通过语音和GPT交流，它能帮你直接干活 ▎ · 在日历里找空档，安排行程 ▎ · 查出重复扣费，取消后发邮件要退款 ▎ · 一句话做出网站，再加个结账页 ▎ · 发邮件租船，对方回复后直接订下 ▎ · 查天气、查预约、逛网站买东西一边做饭一边吩咐，手不用碰手机...

小互

122,667 subscribers

13,822 次观看 • 5 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

11 条评论

Matthew 的头像

Matthew4 天前

O/现在只能跟在其他家后面吃尾气了吗

Test666 的头像

Test6665 天前

会消耗codex的额度么

lmx2000 的头像

lmx20004 天前

语音Agent的关键跳跃是从答到办：能查重复扣费、能退款、能下单，闭环才算打通。剩下要看的是出错率，办错一件比答错十句伤。

Awesome Julie 的头像

Awesome Julie5 天前

这是马上 copy 一个 Muse 的功能吗？

Leo@Yuhao 的头像

Leo@Yuhao5 天前

这不是给 Meta 的 glass+muse 打广告么，笑死

Jeven 的头像

Jeven5 天前

啥意思啊，老师？这不是很早就有的吗？还是说我没有理解到

景哥｜AI落地与智能体实践的头像

景哥｜AI落地与智能体实践5 天前

ChatGPT开始从“陪你聊天”走向“替你办事”，Agent的价值正在从回答问题转向完成任务。

zilie zhou 的头像

zilie zhou5 天前

全是花钱的事。~~

Xian | 弦的头像

Xian | 弦5 天前

太牛逼了😂中秋快乐，小互老师🥮

ZeeSin 的头像

ZeeSin4 天前

这个和最近特斯拉里面的 grok 差不多吧

Evia AI 的头像

Evia AI4 天前

Voice becoming a true agent changes everything - going from Q&A to actually doing calendar, refunds, booking in background while you're hands-free. That's the real hands-free OS moment.

相关视频

赶在春节前端出了今年最后一个大版本。闪电说 V0.6.0 ⚡ 两个更新： ① 新增语音助手：AI 看屏幕帮你回复 ② 语音输入升级：说完 AI 帮你整理先讲第一个 👇 语音助手 = 它看屏幕，帮你想，帮你写视频里用户群在讨论模型选择，语音助手读了聊天上下文，我说"帮我回一下"，它直接生成了一段回复。有用户在问一些版本问题，我说"帮我回一下"，闪电说结合屏幕和知识库也做出了有条理的回复。闪电说从帮你打字变成了你的 AI 嘴替，用你的风格帮你说话。语音输入升级下条接着说 👇

赶在春节前端出了今年最后一个大版本。闪电说 V0.6.0 ⚡ 两个更新： ① 新增语音助手：AI 看屏幕帮你回复 ② 语音输入升级：说完 AI 帮你整理先讲第一个 👇 语音助手 = 它看屏幕，帮你想，帮你写视频里用户群在讨论模型选择，语音助手读了聊天上下文，我说"帮我回一下"，它直接生成了一段回复。有用户在问一些版本问题，我说"帮我回一下"，闪电说结合屏幕和知识库也做出了有条理的回复。闪电说从帮你打字变成了你的 AI 嘴替，用你的风格帮你说话。语音输入升级下条接着说 👇

闪电说

23,180 次观看 • 7 个月前

豆包实时语音模型3.0 API 上线看演示还是很牛P的，能干不少事情了全双工：能同时听和说，像真人聊天那样可以随时插话端到端：语音进、语音出，不进行转录，更快、更自然。精准遵循 + 适时参与：你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」，它就安静待命，等话题真到了再主动接话最关键的一步升级：它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。这等于从「语音助手」往「语音 Agent」迈了一步

豆包实时语音模型3.0 API 上线看演示还是很牛P的，能干不少事情了全双工：能同时听和说，像真人聊天那样可以随时插话端到端：语音进、语音出，不进行转录，更快、更自然。精准遵循 + 适时参与：你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」，它就安静待命，等话题真到了再主动接话最关键的一步升级：它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。这等于从「语音助手」往「语音 Agent」迈了一步

小互

27,139 次观看 • 3 个月前

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。

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

89,993 次观看 • 2 个月前

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

猪脚饭.Ai

52,113 次观看 • 2 个月前

哎哟卧槽，刚发现 Airtap Airtap Ai 又更新了一个硬核的新功能。只要发一条 iMessage，就能让 AI 操作 App 去干活。 Airtap通过 iMessage 收到指令后后，就会操作远程手机，完成后再把结果发回来。我用它来帮我查询 Gmail 里 Anthropic 发来的相关邮件。只要第一次在 Airtap的远程手机里登录 Gmail 后，后续直接在 iMessage 里发句话就能查询邮件，本机不用再反复挂 VPN、切换网络。而且在联网状态下，iMessage 走的是网络消息，不按普通运营商短信计费。在 iMessage 把指令发出去后，就可以在 Airtap 官网看到远程手机开始自己操作。打开 Gmail、搜索 Anthropic、查看相关邮件，最后把查询结果直接回复到 iMessage。整个过程我都录成视频了，点开视频你可以看到， Airtap收到任务后如何思考，如何一步步操作并返回结果。对我来说，这个功能最直接的价值，就是不用打开 Gmail，也能快速确认某家公司最近有没有发来重要邮件。还有一个更实际的用途，就是排查那些已经不用、却还在自动扣费的 AI 工具。 AI 工具订阅多了以后，很容易忘记取消。有时候偶然翻到付款收据，才发现某个工具又自动续费了一个月。这时可以直接让 Airtap 搜索 Gmail 里的续费提醒、付款收据和扣款邮件，看看还有哪些订阅没有关。另外对于我们 AI 博主或者海外内容运营者来说，还可以让它操作 X、YouTube 等 App，查看订阅消息中是否有最近更新的内容，不用自己在挂VPN以及在多个 App 之间来回切换。这种场景，以前我都是一个个 App 打开操作。现在只需要发一条消息，让远程手机自己去干活，直接告诉我结果就行。想体验的，可以直接给这个号码发送 iMessage：+1-650-213-7322 #justtextit #textyourapps #Airtap

哎哟卧槽，刚发现 Airtap Airtap Ai 又更新了一个硬核的新功能。只要发一条 iMessage，就能让 AI 操作 App 去干活。 Airtap通过 iMessage 收到指令后后，就会操作远程手机，完成后再把结果发回来。我用它来帮我查询 Gmail 里 Anthropic 发来的相关邮件。只要第一次在 Airtap的远程手机里登录 Gmail 后，后续直接在 iMessage 里发句话就能查询邮件，本机不用再反复挂 VPN、切换网络。而且在联网状态下，iMessage 走的是网络消息，不按普通运营商短信计费。在 iMessage 把指令发出去后，就可以在 Airtap 官网看到远程手机开始自己操作。打开 Gmail、搜索 Anthropic、查看相关邮件，最后把查询结果直接回复到 iMessage。整个过程我都录成视频了，点开视频你可以看到， Airtap收到任务后如何思考，如何一步步操作并返回结果。对我来说，这个功能最直接的价值，就是不用打开 Gmail，也能快速确认某家公司最近有没有发来重要邮件。还有一个更实际的用途，就是排查那些已经不用、却还在自动扣费的 AI 工具。 AI 工具订阅多了以后，很容易忘记取消。有时候偶然翻到付款收据，才发现某个工具又自动续费了一个月。这时可以直接让 Airtap 搜索 Gmail 里的续费提醒、付款收据和扣款邮件，看看还有哪些订阅没有关。另外对于我们 AI 博主或者海外内容运营者来说，还可以让它操作 X、YouTube 等 App，查看订阅消息中是否有最近更新的内容，不用自己在挂VPN以及在多个 App 之间来回切换。这种场景，以前我都是一个个 App 打开操作。现在只需要发一条消息，让远程手机自己去干活，直接告诉我结果就行。想体验的，可以直接给这个号码发送 iMessage：+1-650-213-7322 #justtextit #textyourapps #Airtap

李岳

45,783 次观看 • 2 个月前

语音输入法升级 HeyClicky：一个能 “屏幕感知语音输入”工具它不仅能将语音内容转文字，还能看到你屏幕的内容，能理解你屏幕上正在看的内容，再根据上下文帮你写。在 Gmail 中，可以看到邮件内容后自动生成合适的回复在 Claude 终端里，可以根据当前技术信息替小白补充追问在演示文稿中，可以调用 YC Skill，帮助修改融资材料和开场文案可以在各种应用里看到你的内容进行智能回复它还会记住你的表达习惯，让生成内容更像本人一句话概括：它把传统语音输入升级成了“能看懂屏幕、理解上下文、直接替你完成表达”的 AI 写作助手。

语音输入法升级 HeyClicky：一个能 “屏幕感知语音输入”工具它不仅能将语音内容转文字，还能看到你屏幕的内容，能理解你屏幕上正在看的内容，再根据上下文帮你写。在 Gmail 中，可以看到邮件内容后自动生成合适的回复在 Claude 终端里，可以根据当前技术信息替小白补充追问在演示文稿中，可以调用 YC Skill，帮助修改融资材料和开场文案可以在各种应用里看到你的内容进行智能回复它还会记住你的表达习惯，让生成内容更像本人一句话概括：它把传统语音输入升级成了“能看懂屏幕、理解上下文、直接替你完成表达”的 AI 写作助手。

小互

22,789 次观看 • 2 个月前

阿里巴巴发布全新开源语音交互大模型：Fun-Audio-Chat 超低延迟富有同理心、能理解语调和情感你可以通过语音与它说话，它能实时理解、思考、回答你，并用自然流畅的语音回复。在多个基准测试中处于领先地位，性能与 GPT-Audio、Gemini-2.5-Pro 相当。它可以：回答语音问题（比如“帮我总结这段语音”）理解语音内容（比如识别情绪、音色、命令）按语音执行任务（比如“帮我打开音乐”、“拨打电话”）语音生成语音（你说话它直接“开口”回应）模拟语音情感（比如开心、温柔、严肃）

阿里巴巴发布全新开源语音交互大模型：Fun-Audio-Chat 超低延迟富有同理心、能理解语调和情感你可以通过语音与它说话，它能实时理解、思考、回答你，并用自然流畅的语音回复。在多个基准测试中处于领先地位，性能与 GPT-Audio、Gemini-2.5-Pro 相当。它可以：回答语音问题（比如“帮我总结这段语音”）理解语音内容（比如识别情绪、音色、命令）按语音执行任务（比如“帮我打开音乐”、“拨打电话”）语音生成语音（你说话它直接“开口”回应）模拟语音情感（比如开心、温柔、严肃）

小互

18,873 次观看 • 9 个月前

X 推出 X Numbers：给每个 X 用户一个“手机号”，直接私信、通话交流启用后，把号码分享给想联系的人，对方就能在 X Chat 里直接找你，不必等你回关，也不用先发送一条消息请求。以前，两个还没建立联系的 X 用户想聊件事，经常要先回关，或者等对方从消息请求里找到自己。X Numbers 把这一步变成了交换号码：你把号码给对方，对方输入后，就能直接发起聊天。它最实用的地方，是让你在不开放所有陌生人私信的情况下，也能接到想接的消息。

X 推出 X Numbers：给每个 X 用户一个“手机号”，直接私信、通话交流启用后，把号码分享给想联系的人，对方就能在 X Chat 里直接找你，不必等你回关，也不用先发送一条消息请求。以前，两个还没建立联系的 X 用户想聊件事，经常要先回关，或者等对方从消息请求里找到自己。X Numbers 把这一步变成了交换号码：你把号码给对方，对方输入后，就能直接发起聊天。它最实用的地方，是让你在不开放所有陌生人私信的情况下，也能接到想接的消息。

小互

25,570 次观看 • 6 天前

牛逼，直接让你的页面设计上一档次！😍 用 Cursor / Claude 写前端的人可以试一下这个： npx impeccable install，然后在对话里跑 /impeccable init 它会先帮你把产品定位和设计上下文写清楚，之后你再让它改页面、加动效、查问题，它就不会再瞎编了。最实用的几个命令： /impeccable critique —— 直接给你打分+指出问题 /impeccable polish —— 最后一遍打磨 /impeccable live —— 浏览器里边看边改链接见评论👇

牛逼，直接让你的页面设计上一档次！😍 用 Cursor / Claude 写前端的人可以试一下这个： npx impeccable install，然后在对话里跑 /impeccable init 它会先帮你把产品定位和设计上下文写清楚，之后你再让它改页面、加动效、查问题，它就不会再瞎编了。最实用的几个命令： /impeccable critique —— 直接给你打分+指出问题 /impeccable polish —— 最后一遍打磨 /impeccable live —— 浏览器里边看边改链接见评论👇

MapleShaw

24,789 次观看 • 1 个月前

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口前台上，全双工实时语音层，支持连续对话和自然打断后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务复杂任务委派给后台Agent，执行结果实时带回当前语音对话人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口前台上，全双工实时语音层，支持连续对话和自然打断后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务复杂任务委派给后台Agent，执行结果实时带回当前语音对话人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

AIGCLINK

69,606 次观看 • 2 个月前

还记得第一次用ChatGPT时那种卧槽，这AI居然能这么聊天的震撼吗？一夜之间，世界像被重新打开了。现在，OpenAI又把这种王炸升级到了语音！看看视频，有点大聪明的感觉。不过🗣️ GPT-Live，让AI聊天终于像真人聊天了，感觉以后的防诈系统又得升级了。 7月8日，OpenAI正式推出新一代语音模型GPT-Live。它不再是你一句我一句的对讲机，而是一部真正的电话。核心突破叫做全双工，英文Full-Duplex。以前用语音助手，你等它说完，它等你说完，跟用对讲机似的。GPT-Live可以同时听和说。你能随时打断它，它也能在你思考时安静等着。更绝的是，它会在对话里自然地插入嗯嗯、是啊这种语气词，表示它一直在认真听着。更狠的是，遇到复杂问题，GPT-Live会自动把任务交给背后的GPT-5.5处理。所以它才能一边跟你聊着天，一边把复杂事情办了。 🚀 紧接着，GPT-5.6全家桶也来了 7月9日，GPT-5.6系列全量上线。三个模型：Sol（旗舰）、Terra（均衡）、Luna（轻快）。怎么选？复杂推理用Sol，日常用Terra，高频简单任务交给Luna。付费用户默认是GPT-Live-1，免费用户是GPT-Live-1 mini。打开ChatGPT的语音功能就能体验。来评论区说说，你第一次用新语音的感受？ #GPTLive #OpenAI

还记得第一次用ChatGPT时那种卧槽，这AI居然能这么聊天的震撼吗？一夜之间，世界像被重新打开了。现在，OpenAI又把这种王炸升级到了语音！看看视频，有点大聪明的感觉。不过🗣️ GPT-Live，让AI聊天终于像真人聊天了，感觉以后的防诈系统又得升级了。 7月8日，OpenAI正式推出新一代语音模型GPT-Live。它不再是你一句我一句的对讲机，而是一部真正的电话。核心突破叫做全双工，英文Full-Duplex。以前用语音助手，你等它说完，它等你说完，跟用对讲机似的。GPT-Live可以同时听和说。你能随时打断它，它也能在你思考时安静等着。更绝的是，它会在对话里自然地插入嗯嗯、是啊这种语气词，表示它一直在认真听着。更狠的是，遇到复杂问题，GPT-Live会自动把任务交给背后的GPT-5.5处理。所以它才能一边跟你聊着天，一边把复杂事情办了。 🚀 紧接着，GPT-5.6全家桶也来了 7月9日，GPT-5.6系列全量上线。三个模型：Sol（旗舰）、Terra（均衡）、Luna（轻快）。怎么选？复杂推理用Sol，日常用Terra，高频简单任务交给Luna。付费用户默认是GPT-Live-1，免费用户是GPT-Live-1 mini。打开ChatGPT的语音功能就能体验。来评论区说说，你第一次用新语音的感受？ #GPTLive #OpenAI

Polo贱🕊️| Gate打金狗0Gas费

13,790 次观看 • 2 个月前

一键复刻 TikTok 电商爆款视频的AI：CreatOK 你给一张商品图 + 一句话，直接就是一条完整带货视频：人物、场景、配音全都有。刷到一个爆款也不用研究了，丢进去，它会帮你拆结构，再做一版同思路内容。不是给灵感，是直接把能卖的内容做出来。而且它已经接入 OpenClaw 🦞 你可以让小龙虾帮你拆爆款，再把 CreatOK 接进 OpenClaw 里用。装上 CreatOK 的 skills 之后：自动分析 TikTok 爆款生成短视频内容输出结构 + Hook + 脚本整个过程就跟聊天一样你丢一个链接，说一句你想要什么，它就开始干活

一键复刻 TikTok 电商爆款视频的AI：CreatOK 你给一张商品图 + 一句话，直接就是一条完整带货视频：人物、场景、配音全都有。刷到一个爆款也不用研究了，丢进去，它会帮你拆结构，再做一版同思路内容。不是给灵感，是直接把能卖的内容做出来。而且它已经接入 OpenClaw 🦞 你可以让小龙虾帮你拆爆款，再把 CreatOK 接进 OpenClaw 里用。装上 CreatOK 的 skills 之后：自动分析 TikTok 爆款生成短视频内容输出结构 + Hook + 脚本整个过程就跟聊天一样你丢一个链接，说一句你想要什么，它就开始干活

开发者Hailey

36,347 次观看 • 6 个月前

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。它最打动我的一点是：把最烦人的数据录入干掉了。很多公司每天都在做这种重复工作：复制数据 → 打开系统 → 填表 → 提交以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot）用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助语音 → 操作网页用户说话就能完成网页操作。和很多 Agent 不一样的是，它不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低而且整个系统直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化相当于给网站装了一个 AI 操作员。未来很多网站可能会变成这样：用户不点按钮，而是直接和 AI 说话。

阿里又开源了一个很绝的项目——PageAgent AI 可以直接操作网页。它最打动我的一点是：把最烦人的数据录入干掉了。很多公司每天都在做这种重复工作：复制数据 → 打开系统 → 填表 → 提交以后可能只需要一句话： “帮我填写客户信息。” AI 就会自动识别网页结构，把整个流程全部做完。几个非常实用的场景： 1. 自动填写网页 CRM 表单、注册表单、订单系统直接让 AI 帮你把网页表单填好。 2. AI 网站助手（Web Copilot）用户可以直接说： - 帮我找订单 - 生成报表 - 搜索商品 AI 自动在后台页面完成操作。 3. 企业系统自动化 ERP、CMS、内部管理系统 AI 可以直接操作后台 UI，把复杂流程自动化。 4. 无障碍辅助语音 → 操作网页用户说话就能完成网页操作。和很多 Agent 不一样的是，它不靠截图识别界面，而是直接读取 HTML DOM，所以： - 更快 - 更稳定 - 成本更低而且整个系统直接运行在浏览器里，不需要： - Puppeteer - Playwright - Python 自动化相当于给网站装了一个 AI 操作员。未来很多网站可能会变成这样：用户不点按钮，而是直接和 AI 说话。

开发者Hailey

85,884 次观看 • 6 个月前

一句话告诉 Agent 要操控哪个网站，它自动帮你生成 CLI 工具，直接走你已登录的 Chrome 浏览器，不用调 API 或搞 token。 x-cli 的玩法是装上 Kimi WebBridge 插件后，对 Agent 说一句"帮我给某网站做个 CLI"，Agent 会先问你要哪些功能，然后自己去分析页面、写代码、生成工具。最后你拿到的 CLI 能直接控制你 Chrome 里已登录的会话，不走 API。仓库里给了四个成品：百度搜素、Google 搜索加抓取、Nano Banana 出图、ChatGPT 出图，都是 Go 写的。

一句话告诉 Agent 要操控哪个网站，它自动帮你生成 CLI 工具，直接走你已登录的 Chrome 浏览器，不用调 API 或搞 token。 x-cli 的玩法是装上 Kimi WebBridge 插件后，对 Agent 说一句"帮我给某网站做个 CLI"，Agent 会先问你要哪些功能，然后自己去分析页面、写代码、生成工具。最后你拿到的 CLI 能直接控制你 Chrome 里已登录的会话，不走 API。仓库里给了四个成品：百度搜素、Google 搜索加抓取、Nano Banana 出图、ChatGPT 出图，都是 Go 写的。

Geek Lite

32,370 次观看 • 4 个月前

在中国用 Gmail 的人，一定懂这种崩溃：你明明只想看一眼——老板有没有发邮件、今天 Google Calendar 有没有会、客户那边回了没有。就这么一个10秒钟能解决的事，你要：打开 VPN App → 选节点 → 等连接 → 打开 Gmail → 等加载 → 看完 → 关 VPN → 祈祷银行 App 别弹风控提示。整套流程走下来3分钟。而你只是想看一眼。更离谱的是，这件事每天重复5-8次。算下来每周光“开关 VPN 查信息”这个动作，就能吃掉你一个多小时。不是在工作，是在伺候工具。我之前以为这就是在国内用海外服务的代价，忍着呗。直到我发现 Airtap（ Airtap Ai）的 iMessage 功能，我整个人都不好了！！它让我做到了一件我以为不可能的事：不开 VPN，不打开任何 App，直接在 iMessage 里查 Gmail 和 Google Calendar. 没错，就是字面意思。你在 iMessage 里发一句“帮我查一下最近有没有重要邮件”，它就真的去你的 Gmail 里查了，然后把结果用消息发回来。 “帮我看看今天 Google Calendar 有什么会” → 直接返回你今天的日程列表。 “过去24小时有没有来自 XX 客户的邮件” → 秒回，连邮件摘要都给你整理好了。全程，我的 VPN 是关着的。全程，我没有打开过 Gmail。全程，我的银行 App、微信、支付宝运行得好好的，没有任何冲突。这种感觉怎么说呢——就像你一直在爬楼梯上33楼，突然发现旁边有电梯。原理也不复杂：你第一次需要在 Airtap 的云端环境登录一次 Gmail/Calendar（就这一次），之后所有查询都走云端已登录的环境，你本机完全不需要碰 VPN。而交互入口，就是 iMessage。零门槛到什么程度？不用装 App，不用注册账号，不用任何配置。给这个号码发条消息就行：+1-650-213-7322 我现在每天早上的习惯变了：起床，iMessage 发一句“帮我看看今天有什么会议和重要邮件”，30秒内收到今日 briefing。不用开 VPN，不用等加载，不用在 Gmail 和 Calendar 之间来回切。做跨境的朋友应该更能体会——你跟海外客户、海外团队协作，一天要查十几次邮件和日程，每次都开关 VPN 简直是酷刑。现在一条消息搞定，效率提升不是一点半点。除了 Gmail 和 Calendar，我还试了： “帮我看看 X 上有没有新回复” → 直接返回互动摘要 “帮我查查 YouTube 频道有没有新评论” → 不用翻墙就能掌握动态这些海外平台的信息，以前每一个都要单独开 VPN、单独打开 App、单独等加载。现在全部压缩成一句话的事。说真的，用了一周之后我回不去了。那种“问一句就知道答案”的丝滑感，跟之前“开 VPN 等半天查个信息再关 VPN”的割裂体验完全是两个时代。唯一需要注意的：第一次使用某个服务时需要在云端登录一次（需要 VPN），但这是一次性的。登录完之后，日常查询就再也不用碰 VPN 了。把这个号码存到通讯录：+1-650-213-7322 你的手机上就多了一个不用 VPN 也能随时查海外账号的入口。每天被 VPN 折磨的朋友，试一次就知道了。 #justtextit #textyourapps #airtap

在中国用 Gmail 的人，一定懂这种崩溃：你明明只想看一眼——老板有没有发邮件、今天 Google Calendar 有没有会、客户那边回了没有。就这么一个10秒钟能解决的事，你要：打开 VPN App → 选节点 → 等连接 → 打开 Gmail → 等加载 → 看完 → 关 VPN → 祈祷银行 App 别弹风控提示。整套流程走下来3分钟。而你只是想看一眼。更离谱的是，这件事每天重复5-8次。算下来每周光“开关 VPN 查信息”这个动作，就能吃掉你一个多小时。不是在工作，是在伺候工具。我之前以为这就是在国内用海外服务的代价，忍着呗。直到我发现 Airtap（ Airtap Ai）的 iMessage 功能，我整个人都不好了！！它让我做到了一件我以为不可能的事：不开 VPN，不打开任何 App，直接在 iMessage 里查 Gmail 和 Google Calendar. 没错，就是字面意思。你在 iMessage 里发一句“帮我查一下最近有没有重要邮件”，它就真的去你的 Gmail 里查了，然后把结果用消息发回来。 “帮我看看今天 Google Calendar 有什么会” → 直接返回你今天的日程列表。 “过去24小时有没有来自 XX 客户的邮件” → 秒回，连邮件摘要都给你整理好了。全程，我的 VPN 是关着的。全程，我没有打开过 Gmail。全程，我的银行 App、微信、支付宝运行得好好的，没有任何冲突。这种感觉怎么说呢——就像你一直在爬楼梯上33楼，突然发现旁边有电梯。原理也不复杂：你第一次需要在 Airtap 的云端环境登录一次 Gmail/Calendar（就这一次），之后所有查询都走云端已登录的环境，你本机完全不需要碰 VPN。而交互入口，就是 iMessage。零门槛到什么程度？不用装 App，不用注册账号，不用任何配置。给这个号码发条消息就行：+1-650-213-7322 我现在每天早上的习惯变了：起床，iMessage 发一句“帮我看看今天有什么会议和重要邮件”，30秒内收到今日 briefing。不用开 VPN，不用等加载，不用在 Gmail 和 Calendar 之间来回切。做跨境的朋友应该更能体会——你跟海外客户、海外团队协作，一天要查十几次邮件和日程，每次都开关 VPN 简直是酷刑。现在一条消息搞定，效率提升不是一点半点。除了 Gmail 和 Calendar，我还试了： “帮我看看 X 上有没有新回复” → 直接返回互动摘要 “帮我查查 YouTube 频道有没有新评论” → 不用翻墙就能掌握动态这些海外平台的信息，以前每一个都要单独开 VPN、单独打开 App、单独等加载。现在全部压缩成一句话的事。说真的，用了一周之后我回不去了。那种“问一句就知道答案”的丝滑感，跟之前“开 VPN 等半天查个信息再关 VPN”的割裂体验完全是两个时代。唯一需要注意的：第一次使用某个服务时需要在云端登录一次（需要 VPN），但这是一次性的。登录完之后，日常查询就再也不用碰 VPN 了。把这个号码存到通讯录：+1-650-213-7322 你的手机上就多了一个不用 VPN 也能随时查海外账号的入口。每天被 VPN 折磨的朋友，试一次就知道了。 #justtextit #textyourapps #airtap

超级个体｜柿子

32,280 次观看 • 2 个月前

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

Yanhua

51,913 次观看 • 5 个月前

好消息： WordPress 发布 WPVibe 插件可以让 Claude 等接管你的网站只需连接您的网站，你已经付费的 Claude 就能接管整个系统。包括文章、上传媒体、SEO、主题，甚至主题文件，都可通过自然语言让Claude 进行处理无需二次 AI 订阅，使用你的Claude 订阅即可，无需本地安装。整套 MCP 工具箱，40+ WP-CLI 命令，一次连接搞定能做的事，：写文章、改页面、传图片装和管理插件、主题给网站做体检（哪个插件有问题、PHP 版本、为什么卡）甚至帮你搭一套主题出来

好消息： WordPress 发布 WPVibe 插件可以让 Claude 等接管你的网站只需连接您的网站，你已经付费的 Claude 就能接管整个系统。包括文章、上传媒体、SEO、主题，甚至主题文件，都可通过自然语言让Claude 进行处理无需二次 AI 订阅，使用你的Claude 订阅即可，无需本地安装。整套 MCP 工具箱，40+ WP-CLI 命令，一次连接搞定能做的事，：写文章、改页面、传图片装和管理插件、主题给网站做体检（哪个插件有问题、PHP 版本、为什么卡）甚至帮你搭一套主题出来

小互

24,998 次观看 • 3 个月前

ElevenLabs 发布其对话语音助手： Conversational AI 2.0 相较于上一代有了巨大飞跃亮点功能：说话不尴尬了：它能听懂你什么时候停顿、什么时候在思考，不会中途打断你说话。多语言切换很顺滑：你说中文，它说中文；你说西班牙语，它也能自动切换。回答更“懂行”：它可以从你公司的知识库里直接找资料来回答你，不胡说。批量打电话不求人：几百几千个客户，系统可以一次性给他们打电话发通知。一个模型管两种互动方式：不用分开发文字和语音版本，省人力。

ElevenLabs 发布其对话语音助手： Conversational AI 2.0 相较于上一代有了巨大飞跃亮点功能：说话不尴尬了：它能听懂你什么时候停顿、什么时候在思考，不会中途打断你说话。多语言切换很顺滑：你说中文，它说中文；你说西班牙语，它也能自动切换。回答更“懂行”：它可以从你公司的知识库里直接找资料来回答你，不胡说。批量打电话不求人：几百几千个客户，系统可以一次性给他们打电话发通知。一个模型管两种互动方式：不用分开发文字和语音版本，省人力。

小互

31,674 次观看 • 1 年前

Codex 更新了，现在你可以在 Codex 里直接使用 GPT Live 实时的语音模型。相较于手机端来说，这个体验简直太爽了！你完全可以脱离键盘等任何输入设备，纯语音跟 Codex 交互。比如你戴个带个 AirPods，就可以在家里的任何地方和它对话，用语音询问它生成的结果。它还可以帮你执行 Codex 上的任何命令，这意味着你所有的 vibe coding 都可以脱离键盘和按键，只靠说话来完成了。它会一直处于待命状态。如果你像官方演示那样，放个投影或者把电脑连接到电视上，就可以边干活、边玩游戏或做其他事。即使是上厕所，你都能随时掌握你的 Codex 进度。我刚才简单试了一下，真的很爽！

Codex 更新了，现在你可以在 Codex 里直接使用 GPT Live 实时的语音模型。相较于手机端来说，这个体验简直太爽了！你完全可以脱离键盘等任何输入设备，纯语音跟 Codex 交互。比如你戴个带个 AirPods，就可以在家里的任何地方和它对话，用语音询问它生成的结果。它还可以帮你执行 Codex 上的任何命令，这意味着你所有的 vibe coding 都可以脱离键盘和按键，只靠说话来完成了。它会一直处于待命状态。如果你像官方演示那样，放个投影或者把电脑连接到电视上，就可以边干活、边玩游戏或做其他事。即使是上厕所，你都能随时掌握你的 Codex 进度。我刚才简单试了一下，真的很爽！

歸藏(guizang.ai)

57,024 次观看 • 2 个月前

阿里刚刚一口气发了五款语音模型：Qwen-Audio-3.1系列，并全线降价，ASR降95%、Realtime降85%、TTS降70% 同时覆盖理解、生成、创作、实时交互的完整链条。阿里这次直接打出了语音模型的三板斧：能力全栈化、价格断崖下探、语音被推到Agent/硬件入口位置它这次的Realtime不是只会聊天，是全双工可打断、能识别情绪、能多语言切换，还能调用工具，这就会把语音从搜索式问答推向事务式对话实时语音从“功能”变成“交互入口”，直接冲击客服、助手以及硬件，AI眼镜、办公Agent、硬件结合等无屏化任务场景或将迎来一波热潮 ASR：能转写30种语言+16种中文方言、原生转写润色（去语气词/重复、语义重组）、分角色转写（谁在什么时候说了什么，带时间戳，支持插话/重叠语音）、流式低延迟（首字约160毫秒） ASR-Next：从“语音转文字”扩展到“理解整个音频”，能听出情绪、环境声、机械声，理解事件时间、进行音频问答 TTS：重点是同一音色跨语言/方言不变味，还能控制情绪和语速 TTS-Next：这个比较狠，从“配音”升级到“做完整音频作品”，一次生成人声、音效、环境音，多角色音色一致、全程不变声；48kHz输出直接瞄准播客、有声书、影视、游戏、广告等场景 Realtime：全双工，可同时说和听，可打断、能共情、能无缝切换语言、对话中能调用Agent工具完成任务 #阿里语音模型 #QwenAudio

阿里刚刚一口气发了五款语音模型：Qwen-Audio-3.1系列，并全线降价，ASR降95%、Realtime降85%、TTS降70% 同时覆盖理解、生成、创作、实时交互的完整链条。阿里这次直接打出了语音模型的三板斧：能力全栈化、价格断崖下探、语音被推到Agent/硬件入口位置它这次的Realtime不是只会聊天，是全双工可打断、能识别情绪、能多语言切换，还能调用工具，这就会把语音从搜索式问答推向事务式对话实时语音从“功能”变成“交互入口”，直接冲击客服、助手以及硬件，AI眼镜、办公Agent、硬件结合等无屏化任务场景或将迎来一波热潮 ASR：能转写30种语言+16种中文方言、原生转写润色（去语气词/重复、语义重组）、分角色转写（谁在什么时候说了什么，带时间戳，支持插话/重叠语音）、流式低延迟（首字约160毫秒） ASR-Next：从“语音转文字”扩展到“理解整个音频”，能听出情绪、环境声、机械声，理解事件时间、进行音频问答 TTS：重点是同一音色跨语言/方言不变味，还能控制情绪和语速 TTS-Next：这个比较狠，从“配音”升级到“做完整音频作品”，一次生成人声、音效、环境音，多角色音色一致、全程不变声；48kHz输出直接瞄准播客、有声书、影视、游戏、广告等场景 Realtime：全双工，可同时说和听，可打断、能共情、能无缝切换语言、对话中能调用Agent工具完成任务 #阿里语音模型 #QwenAudio

AIGCLINK

15,743 次观看 • 6 天前