语言支持
VoxInstruct
VoxInstruct是清华大学开源的语音合成技术，能够根据人类语言指令生成高质量的语音。该系统采用统一的多语言编解码器语言建模框架，将传统的文本到语音任务扩展到了更广泛的人类指令到语音任务。VoxInstruct通过引入语音语义标记和多种无分类器指导策略，提升了语音合成的自然度和表现力。它支持多语言和跨语言合成，适用于智能语音助手、有声读物、教育培训等多个领域。
RealtimeSTT
RealtimeSTT是一款开源的实时语音转文本库，具备高精度语音活动检测、GPU加速的实时转录能力以及语音唤醒功能。支持多语言识别，适用于语音助手、会议记录、实时字幕等场景，提供灵活的音频输入与预处理机制，便于开发者快速集成和扩展。
Open NotebookLM
Open NotebookLM是一个开源工具，能够将PDF文档转换为播客形式的音频内容。它基于Llama 3.1 405B、MeloTTS和Bark等先进AI模型，生成自然流畅的对话式音频，并支持多语言及个性化音调设置。用户可通过简单易用的Gradio界面上传PDF文件并下载MP3格式的音频文件，适用于教育、科研、商业分析等多个领域。
Translate Image
Translate Image 是一款基于 AI 技术的图片翻译工具，支持多语言翻译、上下文感知、技术术语识别等功能。可处理产品图片、电商列表、漫画、照片等，适用于电商、社交媒体和文档处理等多种场景。支持多种图片格式，提供智能文字移除与文本保护功能，翻译准确率高，操作便捷。
字节跳动发布“豆包MarsCode”智能开发工具，面向国内开发者免费
豆包MarsCode是一款由字节跳动开发的免费AI编程工具，提供AI驱动的云端集成开发环境（IDE）和智能编程扩展。其主要功能包括代码补全、生成、优化、注释生成、代码解释和错误修复等。MarsCode支持云函数开发，集成API测试、存储和部署工具，并能自动生成JSON Schema。此外，MarsCode扩展支持多种编程语言和IDE，涵盖从代码编辑到单元测试生成的多个辅助功能，显著提升了编码效率和
