每日AI新工具 
InfiniteYou利用Diffusion Transformer实现高保真、个性化图像生成与编辑；pdf-craft能将扫描书籍PDF转换为Markdown和EPUB格式；Playwright MCP通过结构化数据让大型语言模型进行网页自动化操作；Oliva Multi-Agent Assistant利用Langchain和Superlinked在Qdrant数据库中查找产品并提供多智能体助手支持；AI有声书自动化生成工具利用大模型（如Gemini）自动转化为有声书。
2025年3月，OpenAI发布新一代音频模型API，包括改进的语音转文本和文本转语音模型。新模型在准确性和噪声消除方面表现出色，并提供更强的可控性定制选项。开发者可通过API和集成的Agent SDK轻松访问这些功能。
Orpheus TTS 提供语音克隆、情感控制和低延迟功能的开源 TTS 系统。CrackCode 是一款隐蔽的 AI 面试助手。Claude Code but with OpenAI Models 使用 OpenAI 模型提供实时代码建议。Local Whisper 实现本地实时语音转录，YT Navigator 是一个高效的 YouTube 内容搜索工具。
LangManus 是一款基于社区驱动的AI自动化框架，整合语言模型和专业工具，提供多智能体架构、强大LLM集成、丰富的工具集等特性。SmartRead 是一款自动注释技术PDF的AI工具，而Docs是一款开源协作文档编辑器。
SmolDocling-256M-preview高效文档转换模型，支持多种元素识别和转换。OpenSearch-SQL无需额外训练提升文本到SQL生成准确性。MarkPDFDown精准将PDF转为Markdown格式。TxAgent利用多步骤推理提供个性化治疗方案。RDAgent自动化数据驱动研发流程，加速创新研究。
清华大学高性能计算研究所开源高性能大模型推理框架Chitu，实现国产AI芯片原生运行FP8精度模型。Gemini 2.0 Flash Image Generation and Editing利用Google Gemini 2.0 Flash生成和编辑图像。Deep Research快速生成深度研究报告，注重用户隐私本地存储数据。Xata Agent作为PostgreSQL数据库监控的开源AI助手。Agentic Radar用于扫描和分析Agentic系统安全性，识别漏洞并生成报告。
Google AI Studio中的Gemini 2.0 Flash实验性功能支持原生图像生成和多模态对话式编辑。它能根据用户故事描述生成插图，并且允许通过多轮对话来修改图像细节，同时还提供个性化的AI研究助手Deep Research。
ini 2.0研发的轻量级开源模型系列，可在单GPU或TPU上运行，性能强大。
Gemma 3 是
OpenAI发布了多智能体工作流框架OpenAI Agents SDK及其示例应用Computer Using Agent Sample App。Anus是一个开源AI代理框架，旨在通过自动化任务革新AI应用程序的开发和使用。Cloudflare Agents提供状态管理和实时通信等功能。
本期介绍了5款软件与工具，包括AppAgentX、Gem-assist、CocoIndex、autoMate和iMCP。它们涵盖了GUI代理、终端助手、数据索引引擎和本地自动化等多个领域。
