CallSitter：用 AI 接电话，替用户拖住诈骗者并记录留言
作者开源 CallSitter，把来电转接到 Telnyx 号码，由 OpenAI gpt-live-1 智能体接听，TypeSafe Jev 对通话记录分类后按确定性流程分流：诈骗电话拖延时间、推销电话礼貌拒绝、真实来电记录留言。
#语音
#语音
今日 2 条Hacker News · Show HNAI 评分6060 Hacker News · Show HNAI 评分5555 local-host.ai 发布 Connecting Captions：Mac 本地实时字幕与翻译工具
local-host.ai 推出 Connecting Captions，在 Mac 上提供实时字幕与翻译，支持 25 种语言，语音识别与 Apple Translation 默认全部在设备端运行，无需账号、无遥测，开启云端语音模型才会离开本机。
Hacker News · Show HNAI 评分6969 SpeakoFlow 发布开源语音输入工具，支持 Windows、Mac 和 Linux
SpeakoFlow 发布免费开源的语音输入工具，覆盖 Windows、macOS 和 Linux，可在任意应用光标处听写，最多支持 99 种语言。语音转写默认在本机完成，AI 改写、助手问答和会议记录可离线运行，也可自填 API key 调用 OpenAI、Anthropic、Gemini 等云服务。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 IBM 发布 Granite Switch 4.1：单一端点同时支持对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在基座模型上组合通用决策 aLoRA、Guardian 安全决策 aLoRA 以及 OpenASR 榜单上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC，全部能力共用一个托管端点，GPU 显存占用与基座模型单独运行大致相当。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，显存占用接近基座模型，可了解多能力复用 KV cache 的部署思路。
Hacker News · Front PageAI 评分6262 Bold Agent Kit 分析 1.4 万通来电：人工接待转化率约为 AI 的 4 倍
Bold Agent Kit 对约 1.4 万通客户来电的分析显示，人工接待的入站转化表现约为 AI 接待的 4 倍，AI 处理电话中未取得实质进展即挂断的比例高出 700%，但人工接待漏接电话比 AI 多约 15%。
极客公园AI 评分5050 OPPO AI 心力球体验：手机大厂做穿戴录音，卷的已经不是转写
OPPO 在 9 月 17 日 ODC 上首次亮相的 AI 心力球，主机仅 9.8 克，满电支持 24 小时连续记录，取出即自动聆听、放回收纳盒即停止，无需手动开关。它通过 PersonaX 记忆共生引擎把跨场景沟通自动归集为项目时间线，并支持 MCP 协议将长期记忆提供给 Claude、Cursor 等外部工具调用。目前需配合 OPPO、一加或 Realme 手机使用，系统级联动尚未实现。
MarkTechPostAI 评分6767 SpaceXAI 发布 Grok Voice 3.0，登顶 Artificial Analysis 语音对语音指数
SpaceXAI 发布实时语音模型 Grok Voice 3.0，在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一，高于 GPT-Live-1（Astra, medium）的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。
MarkTechPostAI 评分5858 Fish Audio 发布 Drama 3：35B 开源权重 MoE 文本转语音模型
Fish Audio 本周发布 Drama 3，一个 35B 参数的 MoE 文本转语音模型，每 token 约激活 3B 参数，权重已上传 Hugging Face 并上线 Fish Audio API。
Hacker News · Show HNAI 评分6767 Dub Anything 发布：用演员本人声线为影视剧配音
Dub Anything 是一个在本地 PC 上运行的开源配音工具，能把影视剧译制成另一种语言，同时保留每位演员自己的声线以及原版音乐和音效。它由 AI 编码智能体逐句导演配音，负责判断每句台词由谁所说、修正识别错误、按演员节奏写译文并逐句质检，输出文件默认播放配音轨，原声和双语字幕各占一轨。
Hacker News · Show HNAI 评分6262 Sonia 发布本地语音助手：13GB 内存、无需 GPU、支持技能
Sonia 是一个完全本地运行的全双工语音助手，由 LLM、STT、TTS 组成，不需要独立 GPU，工作集保持在 15GB 内存以内，支持英语和意大利语。它采用全双工监听，麦克风常开，可在助手说话时打断并暂停、恢复或取消回答；通过 SKILLS_DIR 指向已有的 SKILL.md 技能目录，可复用 pi、opencode 等 agent harness 的技能。
Hacker News · Show HNAI 评分6262 esp32-thinks 在 ESP32-S3 上实现多模型语音助手
raullenchai 发布 esp32-thinks，在 Seeed SenseCAP Watcher W1-B（ESP32-S3，约 50 美元）上实现可语音对话的助手，说 Hi, ESP 或按旋钮即可提问并听到回答，支持中英文。
Hacker News · Show HNAI 评分5858 Sayso 发布免费开源听写应用，支持 Mac、Windows 和 Linux
Sayso 是一款面向 macOS、Windows 和 Linux 的听写应用，按下快捷键说话即可把文字写入当前应用，语音识别在本机运行，Mac 上走 Neural Engine，Windows 和 Linux 上走处理器。
Hacker News · Show HNAI 评分6060 Oriel 开源发布：可自托管的语音客服助手，替代 Chatbase
Oriel 是一个面向网站或应用的语音助手，通过一段 script 标签接入，访客可语音或文字提问，支持十种语言、打断和通话转写。它能读取网站、文档和 PDF 学习产品知识，调用 API 或 Stripe 执行操作，并把问题、投诉和流失风险整理给团队。
Hacker News · Show HNAI 评分6262 Sonia 发布本地 Linux 语音助手：13GB 内存、无需独显、支持技能与工具调用
Sonia 是一个完全本地运行的 Linux 语音助手，无需独立 GPU，内存占用低于 15GB，支持全双工对话，说话时麦克风保持开启，可被中途打断并保留已说内容。
Hacker News · Front PageAI 评分6262 苹果发布 HomeView 智能家居中枢，内置 Siri AI 与 A18 芯片
苹果推出 Apple HomeView，一款搭载 7 英寸 Liquid Retina 显示屏的智能家居中枢，内置由 Apple Intelligence 驱动的 Siri AI，可回答各类问题、调用个人上下文并支持多轮对话。
Hacker News · Front PageAI 评分6262 EmbeddingGemma 2 被改造成端侧语音转文字模型
开发者把 Google 的多模态嵌入模型 EmbeddingGemma 2 改造成语音转文字模型，在基础款 M3 MacBook Air 上处理 1 小时音频约需 12.6 秒，全程在设备端运行。
Hacker News · Show HNAI 评分6262 Pluto 发布开源本地会议助手，面向 Apple Silicon Mac
Pluto 是一款本地优先的开源会议助手，面向 Apple Silicon Mac，无需机器人入会即可录音，并在本机完成转写，把会议中的决策、人物、项目和后续事项串成工作记忆。
极客公园AI 评分6060 复旦邱锡鹏团队创立的模思智能完成超10亿元Pre-A轮融资
模思智能宣布完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金等参与，老股东元禾控股等持续投资，距天使轮官宣约半年。这家由复旦大学邱锡鹏教授创立、成立不到两年的公司聚焦全模态实时交互，2026年以来围绕语音、视觉和实时多模态发布20多个模型，其中7月开源的MOSS-VL-Realtime可持续接收视频流并随画面更新判断。
Hacker News · Show HNAI 评分5858 Lucid 发布：用语音把口述想法转成结构化笔记和系统设计图
Lucid 是一款本地优先的笔记工具，把口述内容整理成标题、列表、表格和系统设计图，并排版导出 PDF。语言模型运行在用户自己的电脑上，需配合 LM Studio 和 qwen/qwen3.8-27b 模型；当前版本自身不监听语音，需借助 Wispr Flow、OpenWhispr 或 VoiceNative 等粘贴文本的听写应用。
Hacker News · Front PageAI 评分6262 Atticus 发布 macOS 语音助手，基于 Claude Code 控制窗口与文件
Atticus 是一款 macOS 按住说话语音助手，按住 control+option+空格 说出需求后松开即可执行，可移动窗口、查找文件、读取屏幕内容，通过 claude -p 复用已有的 Claude Pro 或 Max 订阅，无需 API key。
Hacker News · Show HNAI 评分5858 BetterWispr 发布 Mac 开源听写工具，本地模型离线转写
BetterWispr 是一款面向 Mac 的免费开源听写工具，采用 Apache 2.0 许可，按住 ⌥ Space 说话即可把清理后的文字插入任意应用，语音和模型都留在本机，无需账号。
Hacker News · Show HNAI 评分6262 Show HN：无需独立 GPU、内存低于 15GB 的离线语音助手
作者发布一个完全本地运行的离线语音助手，不需要独立 GPU，内存占用低于 15GB，支持技能与工具调用。它保持麦克风常开，可在回答中途打断，打断分轻哼暂停与明确打断两种强度，回合结束由逐帧语音检测、停顿阈值和分类器共同投票，分歧时用四 token 的判定提示词裁决。
Hacker News · Show HNAI 评分6767 BabyTalk：在 ESP32 上离线运行语音识别与合成的开源库
BabyTalk 是 Thomas Lackner 与 Claude Opus 5.5 合作开发的开源库，让 ESP32-S3 或 ESP32-P4 在无网络、无云端的情况下完成英文语音转文字和文字转语音，支持 C、MicroPython 和 AtomVM 上的 Erlang/Elixir。
Hacker News · Show HNAI 评分6060 DiffGuardian 发布：用语音和可视化讲解任意 PR 或代码库
DiffGuardian 发布，支持 macOS、Windows 和 Linux，可对任意 PR 或整个代码库生成语音讲解，讲解时对应代码会高亮滚动，提问代码库时还会基于调用图实时生成可视化流程图。
Hacker News · Front PageAI 评分7171 Cactus Compute 发布 16.9 MB 语音识别模型 Whistle
Cactus Compute 发布端侧语音识别模型 Whistle，单个 16.9 MB 文件、无依赖、跑在 CPU 上，支持英语、德语、法语、西班牙语、意大利语、荷兰语和波兰语，首 token 延迟 11.1 ms，解码速度 1,319 tokens/s。
TechCrunch · AIAI 评分6262 Google 发布本地优先的会议记录应用 AI Edge Foresight
Google 发布会议记录应用 Google AI Edge Foresight，对标 Granola，Mac 版可完全离线运行，使用 7.4 亿参数的端侧 EmbeddingGemma 2 模型跨应用记录会议内容，包括线下会议。
The Verge · AIAI 评分5858 Google 发布实验性笔记应用 AI Edge Foresight，可完全离线转写会议
Google 发布实验性笔记应用 Google AI Edge Foresight，可完全离线转写会议和音频文件，免费使用，在 macOS 上基于端侧 EmbeddingGemma 2 模型运行。
Hacker News · Show HNAI 评分5858 OpenClicky 发布开源 macOS 听写工具，支持离线识别与屏幕指点
OpenClicky 发布开源 macOS 听写工具，按住 fn 键说话即可在光标处输入文字，默认使用 Apple 端侧识别器离线运行，MIT 许可，支持 Apple Silicon 与 macOS 14.2+。
Hacker News · Show HNAI 评分5858 TuxWhisper 发布：Linux 离线按键听写工具，支持 Wayland
TuxWhisper 是一款 Linux 离线听写工具，按下快捷键说话，文字会输入到光标所在位置，语音识别用 faster-whisper 在本地运行，不上传云端。
Hacker News · Show HNAI 评分5555 Audistill 发布 macOS 本地音频知识库，转写在本机完成
Audistill 是一个面向 macOS 的本地优先 AI 音频知识库，可把播客、YouTube 视频、会议和任意音频转成可搜索的摘要、笔记与可对话知识库。语音转文字用 NVIDIA Parakeet 在设备端完成，音频不上传服务器；摘要和问答使用用户自己的 OpenRouter key，按所选模型付费，官方称每小时音频通常几美分。
Hacker News · Show HNAI 评分6262 Daisy 发布 Mac 本地会议记录器，内置 MCP server 供 Claude 读取通话
Daisy 是一款 Mac 本地优先的会议记录应用，在设备端完成转写与说话人分离，音频、转写和摘要以普通文件保存在本机，无需账号、无遥测。应用内置绑定 127.0.0.1 的 MCP server，Claude Desktop、Claude Code、Cursor 或 Codex 可搜索和读取会议记录，共暴露十个工具，其中三个发送类操作默认关闭。
Hacker News · Show HNAI 评分6060 Scribiz 发布视频转写工具，可读取画面文字并提供 MCP server
Scribiz 是一个视频转写工具，粘贴 YouTube、TikTok、播客或直链，或上传音视频文件，即可得到带时间戳的文字稿、摘要和章节。它优先使用质量好的字幕，字幕缺失时转听音频，Watch 模式还能读取幻灯片、代码和屏幕文字，并区分通话中的不同说话人。
Hacker News · Show HNAI 评分5050 Parakeetogo：比 Photon 快 2 倍的便携 CPU 语音识别二进制
开发者发布 Parakeetogo，一个面向 moondream/parakeet-redux（parakeet-tdt-0.6b-v3 的 1.58-bit 三值版本）的独立 C++ 推理引擎，支持 x86 与 ARM CPU，单二进制运行、无需 Python 和运行时下载。
Hacker News · Show HNAI 评分6262 Recly 发布：把手表变成 Plaud 式 AI 录音笔，端上转写免费
开源项目 Recly 上线 App Store 和 Google Play，把 Galaxy Watch 或 Apple Watch 变成录音设备，音频原样存入用户自己的 Google Drive，端上转写免费且不限时长，也可自填 14 家服务商的 API key。
Hacker News · Show HNAI 评分6262 Jarvis：可自行操作其他 App 的 Android 语音助手开源发布
开发者发布 Android 语音助手 Jarvis，一条语音指令即可打开 Spotify 搜索并播放歌曲，并通过 AccessibilityService 逐步读取屏幕、决策并操作其他 App。
极客公园AI 评分6666 Tavus 发布人类交互模型 Griffin，真人测试中近半数参与者误认其为真人
美国 AI 视频公司 Tavus 于 10 月 1 日发布 Griffin 模型，并称其为全球第一个人类交互模型（HIM）。在一分钟视频通话测试中，54 名参与者有 26 人认为自己是在和真人聊天，比例接近 48%，而上一代系统在 41 人中只骗过 1 人，比例 2.4%。
Hacker News · Show HNAI 评分5050 Kokoro TTS 浏览器版上线：41 种声音、6 种语言，本地运行
Kokoro-82M 开源 TTS 模型现可在浏览器标签页内本地运行，提供 6 种语言共 41 种声音，单次最多 1500 字符并支持 WAV 下载，文本不上传。
MarkTechPostAI 评分6262 微软发布 MAI-Transcribe-2-Streaming 流式语音转文字模型，Artificial Analysis 排名第一
微软 AI 发布首个流式语音转文字模型 MAI-Transcribe-2-Streaming，于 2026 年 10 月 1 日与 MAI-Voice-2.1、MAI-Voice-2.1-Flash 两个语音合成模型一同推出。
TechCrunch · AIAI 评分5555 Sean Parker 将 Stability AI 转向音乐方向
Napster 联合创始人 Sean Parker 正把 Stability AI 重塑为面向音乐专业人士的 AI 工具厂商。两年前他参与了对这家图像生成初创公司的 8000 万美元救助，如今与出任 CEO 的好友 Prem Akkaraju 一同公布新方向。
The DecoderAI 评分6060 微软 AI 发布面向语音智能体的转写与语音合成模型
微软 AI 发布实时转写模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟约 100 毫秒，微软称其在 Artificial Analysis 准确率排名第一，年底前音频价格为每小时 0.54 美元。