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。

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。

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。

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。

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。

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。

本文介绍如何利用AI技术为WebRTC视频会议实时生成字幕，提升会议体验。通过音频流处理、语音活动检测和语音转文字技术，实现实时字幕功能，未来可实现同声传译。