文章介绍用AI整理会议纪要的流程：先用通义听悟、飞书妙记、讯飞听见等工具将录音转为文字，再用腾讯元宝、DeepSeek、KIMI等提炼纪要并生成思维导图，最终落实为行动。同时讲解如何利用大模型和知识库生成会议纪要提示词，并附练习方法。
文章讨论微信“按住说话”交互：按住设计是改进，但松开即发送值得商榷。作者主张先转文字到输入框，让用户确认再发送，以避免口误或识别错误引发歧义，并建议增加偏好设置；同时批评滑动编辑按钮设计令人不安。
SpaceXAI 发布 Grok Voice Transcribe 2.0 语音转文字模型，价格不变、准确率翻倍，专攻嘈杂电话、多人对话、口音等难处理音频。支持批量与实时流式，具备时间戳、说话人分离、多语言切换等功能。批量价格为每音频小时 0.10 美元，流式为 0.20 美元。Atlassian Loom 已采用该模型转写视频。
AI电话代理架构解析：从呼叫接入、语音转文字、意图识别到对话循环，系统通过函数调用连接日历、CRM等业务系统，实现预约、线索捕获及人工转接。文章强调AI负责对话推理，应用层控制状态、权限与业务规则，确保操作验证后执行，最终将通话转化为结构化业务记录。
谷歌发布Gemini 3.5 Transcribe语音转文字模型，支持实时流式与预录音频处理，词错率低至2.6%，覆盖85种语言，可识别自定义词汇、多说话人及自动清理语气词。该模型已集成至Gemini应用、Android及开发者API，并获合作伙伴好评。
Google发布Gemini 3.5 Transcribe语音转文字模型，具备高精度、低延迟、多语言支持及智能转录功能，可处理噪音、专业术语并自动清理口语。该模型已集成至Gemini API、Google AI Studio等平台，并应用于Android、macOS等产品，支持实时流式与预录音频处理，显著提升转录效率。
Google推出Gemini 3.5 Transcribe语音转文字模型，现于AI Gateway提供，支持85+语言自动检测及自定义词汇。提供两种模式：完整录音单次转录和WebSocket实时流式转录。AI SDK V7支持流式转录，可直连麦克风。AI Gateway提供统一API、成本追踪、故障转移等功能，无加价收费。
智能戒指正成为理想的AI穿戴设备。它仅含麦克风、电池和蓝牙，通过贴近嘴边说话即可完成语音转文字、笔记和AI对话，比手机输入更自然隐蔽。Sandbar的Stream和Pebble的Index 01等产品已展示此潜力，未来有望与现有工具无缝集成，让手机更少被掏出。
钉钉推出DingTalk A1 Pro，售价1299元，专为商务人士设计。该设备配备2980mAh电池，支持180小时录音和反向充电，搭载专业麦克风，能在嘈杂环境中清晰录音。用户可享受6个月语音转文字服务，支持多语种翻译，产品轻薄便携，触控操作直观，适合各种工作场景。
文章讨论了多个技术主题，包括Sam Burns设计的混凝土笔记本支架、Bram Cohen对“氛围编码”的批评、电影《低能时代》的现实相似性、开源游戏《韦斯诺斯之战》，以及Ghost Pepper语音转文字应用、GLM-5.1 AI模型的长时任务处理能力和阿波罗11号导航计算机中的漏洞。此外，作者还分享了将博客CDN从Cloudflare迁移至Bunny.net的过程，以及Adobe未经用户同意修改系统文件的隐私争议。
Typeless是一款新型语音转文字输入法，旨在提高与AI的沟通效率。它简化输入过程，帮助用户清晰表达想法，特别适合需要频繁修改文本的场景。与传统输入法不同，Typeless更注重信息整理与精准传达。
Mistral AI 于 2 月 4 日发布了 Voxtral Transcribe 2 系列语音转文字模型，包括面向批量处理的 Voxtral Mini Transcribe V2 和实时转录的 Voxtral Realtime。Voxtral Realtime 具有低于 200 ms 的延迟，支持 13 种语言。定价方面，Mini Transcribe V2 每分钟 0.003 美元，Realtime 每分钟 0.006 美元。
Vibe是一个开源的离线语音转文字工具，基于OpenAI Whisper模型，支持多语言转录和字幕导出，具备GPU加速，确保隐私安全。它可处理音频和视频文件，支持批量处理和在线媒体转录，完全免费。
Pebble 创始人 Eric Migicovsky 推出了售价 75 美元的智能戒指 Index 01，主要功能为 AI 记事和录音，支持语音转文字，但需按住按钮。戒指具备生活防水功能，不适合游泳，且不具备健康追踪能力，所有数据存储在移动设备上。
VoiceInk 是一款 macOS 语音转文字应用，具备99%准确率的离线转录功能，注重隐私保护。WeKnora 是基于大语言模型的文档理解框架，支持多种格式的内容提取。Strix 是开源的AI渗透测试代理，能够动态检测安全漏洞。adk-web 简化AI代理的开发，LEANN 是高效的向量数据库，专注于私密检索。
Get笔记是一款AI驱动的智能笔记工具，用户已超过150万，其中一半为新用户。其核心功能包括语音转文字和知识库管理，强调用户共创与需求投票。团队专注于解决用户痛点，提升用户体验。
Handy是一款完全离线的开源语音转文字应用，支持多种操作系统，注重隐私，使用本地语音识别，简单易用，具备静音检测和模型优化功能。
Shotcut 25.10 测试版发布，新增 AI 功能，包括实时文本转语音和语音转文字，支持多语言和多种语音。更新还包含视频滤镜及其他修复。
epicenter 是一个开源应用生态系统，用户可以管理数据并选择模型，提供本地语音转文字工具和助手，强调开放性与可定制性。mcp 服务器利用 AWS 服务，支持多种客户端。virgo 是 System76 笔记本的电气设计库，chatgpt-spring-boot-starter 支持 ChatGPT 聊天功能。
Anna's Archive团队致力于保护文化遗产，发布了历史上最大的书籍元数据集合，并呼吁志愿者参与。Hyperclay简化网页开发，Claudia为Claude Code提供桌面应用。ArchiveTeam完成了goo.gl短链接的归档。谷歌承认在澳大利亚的反竞争行为。Whispering是一个强调用户数据隐私的开源语音转文字应用。
完成下面两步后，将自动完成登录并继续当前操作。
