Vision Search Assistant
Vision Search Assistant (VSA) 是一种结合视觉语言模型与网络代理的框架，旨在提升模型对未知视觉内容的理解能力。它通过网络检索，使 VLMs 能够处理和回答有关未见图像的问题。VSA 在开放集和封闭集问答测试中表现出色，支持图像描述生成、网络知识搜索、协作生成等功能，可应用于图像识别、新闻分析、教育、电商和旅游等多个领域。
实时
Poe AI新功能「Previews」
Poe AI是一个集成多个强大AI聊天机器人的平台，用户可以通过统一界面与多个AI聊天机器人互动，获得多样化的信息和解决方案。Poe AI的新功能“Previews”允许用户实时预览AI生成的Web应用，支持交互体验，简化编程和设计流程，提高开发效率。该功能支持多种类型的应用程序，包括游戏、文本编辑器、数据分析工具等。用户可以与多个AI聊天机器人进行对话，并且可以无缝切换，获取不同的解决方案或优化
DeepL Voice
DeepL Voice是一款由DeepL推出的即时语音翻译服务，分为DeepL Voice for Meetings和DeepL Voice for Conversations两大模块。前者针对虚拟会议设计，支持实时字幕生成和跨语言协作，兼容超过30种语言并集成Microsoft Teams；后者专注于移动设备上的面对面语音翻译。凭借其低延迟、高性能和高安全性（ISO 27001认证），DeepL
GPT-SoVITS
一个强大的语音合成工具，特别适合需要快速生成特定人声的场景。它通过先进的技术实现了高质量的语音克隆和文本到语音转换，支持多种语言，并提供了易于使用的WebUI工具。
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。
