1023 | AI工具周报:从语音翻译到代理自动化

茉莉: 大家好,欢迎回来,我是茉莉。

白桦: 我是白桦。今天我们照例来聊一批刚发布的新产品,但今天这批里有一条特别清楚的主线:AI代理正在从"能听能说"走到"自己动手干活"。

茉莉: 对,所以我们不打算逐条念清单,而是把它们串成几组来对比着聊:语音、模型速度、开发者工具、收件箱、获客营销、音视频生产,最后是个人效率。

白桦: 先从语音开始吧,ElevenLabs这次动静不小。他们发布了实时语音翻译,九十多种语言,而且是双向的,也就是说对话两边的人都能实时互译。

茉莉: 里面有个点我觉得很关键:它声称能保持"一致的声音"。你说法语,对方听到的是你的声音说的法语,不是换一个陌生配音员。另外还带字幕和文字转录,会议场景就用得上了。

白桦: 不过这里得说清楚一点:声音一致性到底做得怎么样,我们现在没有实测,只能说这是他们的声称。跨语言的音色保持,历来是这类产品最难啃的骨头。

茉莉: 而且实时翻译这种东西,延迟就是体验的一切。我们不知道实际延迟是多少,定价也没披露,所以后续真正要看的就是这两件事。

白桦: 恰好,另一边Mistral也押注语音。他们推出Voxtral 3,是一整个语音模型群:五十多种语言的转录,一个情感可控的TTS,还带一个由LiveKit制作的开源开放语音代理SDK。

茉莉: 所以这两家其实在同一个赌桌上:语音会成为多语言沟通和代理交互的入口。ElevenLabs押的是翻译这个具体场景,Mistral给开发者的是一套积木。

白桦: 说到给开发者的积木,还有Kugur Ear 1,它也是个转录类工具,但思路很有意思:它不把每个词都转一遍,而是只对不确定的词标注候选,然后让代理向用户提问确认,定价每小时0.48欧元。

茉莉: 这个设计等于承认了"转录会出错"这个现实,与其悄悄错,不如明确地把疑问交给人。它既服务转录场景,也和刚才的语音话题是同一片区域。

白桦: 那我们从"能听能说"往下走一步:模型本身。Mercury 3是个扩散型LLM,规模扩大了四十倍,速度超过每秒一千个token,他们还声称性能上超过了GPT-6 Luna等模型。

茉莉: 这里要用对"声称"这个词。四十倍的规模、上千token每秒的速度,如果属实,对代理产品的意义在于成本和等待时间会直接改变。但"性能超过某某"这类说法,是厂家的说法,不是第三方验证过的结果。

白桦: 模型快了之后,代理的形态也在分化。Claude Duet走的是云端主动路线:它在云上自己干活,只有完成时或者需要你判断时才通知你,目前面向美国Pro和Max用户先行开放。

茉莉: 而Bits走完全相反的方向:本地常驻的开源个人代理,Markdown做记忆,支持任意模型,还有崩溃恢复。隐私和可控是它的卖点。

白桦: 所以现在是三条路线同时推进:云端托管像Claude Duet,本地开源自托管像Bits,底层提速像Mercury 3。但都有悬而未决的问题:主动型代理的误触发率怎么算?它是替你多做了事还是打扰你?计费方式也没公开。

茉莉: 开发者这边也有对应工具,Loom值得一提:录屏和口述变成结构化的prompt,给Claude、Cursor、Rovo这些代理用,还出了Mac原生应用。这其实和Bits"让代理记住你"是相邻的问题,只是Loom是把你的意图喂给代理。

白桦: 快进到开发和生产链工具,有一件我觉得说得特别准的事:heal.dev。它在本产相似的沙箱里运行你的应用,提交可复现的bug和漏洞报告,而且带着failing test。

茉莉: 这个变化的本质是把"报bug"变成"交付测试"。以前你收到一段描述"页面点不动",现在你收到的是一个能失败复现的测试。对修bug的人来说,起点完全不同。

白桦: Whiteboard做的是另一层打通:开源的共享画布,可以从图和代理轨迹直接跳转到代码。也就是画图的人和写代码的人之间不再隔着导出和复制粘贴。

茉莉: DeepCell则用.deepcell格式把表格、报告、幻灯片连起来,一处编辑全局更新,还能导出xlsx、docx、pptx。数据改了,你的报告和幻灯片跟着变。

白桦: 这三样放在一起看,趋势是工具之间的边界被打通,而且人的工作成果——测试、图纸、文档——成了系统的中心。悬着的问题是:这些格式和集成,能不能形成事实标准?

茉莉: 说到工作入口,邮件和客服这两个入口也在代理化。Resend Inboxes做共享收件箱,API优先,可以接代理、构建工作流。

白桦: Concierge(Juniors AI)是另一个入口方案:全渠道客服,但AI跑在客户自己的基础设施上,Postgres、Redis、你自己的LLM keys,而且不加价。

茉莉: 一个是开放构建,一个是数据主权和成本透明。方向相同,押注不同。要观察的是:各自的生态能不能留住开发者。代理要干活,先得有干活的入口。

白桦: 入口有了,再看获客和营销这条线。Causo让你用自然语言描述理想客户,然后从公开信息里发现线索,而且给出依据,还能通过MCP接进ChatGPT或Claude。

茉莉: 关键就在"依据"这个词:它不光给你名字,还给出它为什么觉得这个人符合你的描述。对比传统名单工具,这是从"给你一堆名字"变成"给你可以验证的理由"。

白桦: Fastlane 2.0走的是另一端:从网站URL出发,学习品牌、调研竞品、生成AI视频图像广告、投放到Meta,还从成果中学习,全链路一括自动化。

茉莉: Playad是中间那条路线:多个AI代理分工,调研、策略、分析、竞价各管一段,月39美元起。所以这三者分别覆盖获客链条的不同深浅:线索发现、端到端广告、多代理托管。

白桦: Voxelo 3.0在这个语境里也有位置:三分钟手机视频,大约一小时,生成照片级3D数字分身,属性用JSON-LD公开。可以把它看作面向未来搜索和展示的品牌资产,和Fastlane那种投放型资产是两类东西。

茉莉: 不过要说局限:营销从"工具辅助"到"端到端托管",最大的未知是效果的真实性——AI生成的广告和数字分身,投放平台的政策怎么对待?这是个没解决的问题。CutBay和Dadan正好接着聊内容生产这一段。

白桦: CutBay通过聊天接收输入:提示词、URL、PDF都行,自动产出含脚本、旁白、剪辑的视频。Dadan则把录制、编辑、会议、指南整合到一个AI视频工作区,还能加投票和CTA做互动。

茉莉: 所以这两家分别覆盖"从想法到成品"和"从录制到分发"两端。如果和Fastlane那种投放打通,理论上就是一条完整的增长闭环——但这是逻辑上的推演,实际打通了没有,我们还不知道。

白桦: 最后是个人效率这一段,产品很多,但思路一致:AI嵌进日常流程的每个缝隙。Doneas面向独立开发者,每周一做周计划,平日十五分钟五人制问责通话,还有公开进度页。

茉莉: 这个产品有意思的地方是它几乎不用AI炫技,靠的是人的问责机制。对比其他产品,它押注的是"人在场"而不是"代理在场"。

白桦: Claire Mail在Mac和iPhone上整合Gmail、日历、Apple提醒事项,AI负责收件箱整理和晨间摘要。Notif更轻,给Apple提醒事项附加洞察信息和下一步动作按钮,免费,Pro月4.99美元。

茉莉: Radaric整合RSS、Telegram、X、YouTube,而且它学的是你的编辑偏好:从你批准或拒绝的理由里学。Archivist是文件整理:图片视频拖进文件夹,就按命名规则重命名,支持集合管理和单链接分享。

白桦: 这一小堆产品的共同点我们已经说了,但也要保留一个问题:这些小工具的留存怎么样?每家只占一个缝隙,用户会不会被整合得更彻底的大产品吸收?这是开放问题,不是结论。

茉莉: 好,那我们今天就把这批产品聊到这里。总结一下:语音在往多语言和代理入口走,模型在提速,代理在分云端和本地两条路,开发者工具在打通边界,收件箱和营销在代理化,内容和个人效率都在被AI嵌进流程。

白桦: 每一段我们都能指出还没验证的事:声音一致性的实测、Mercury 3的性能声明、主动代理的误触发率、格式能不能成为标准、AI广告的政策风险、小工具的留存。感谢收听,我们下期见。

茉莉: 下期见!