开源即爆的一款隐形AI桌面助手：glass
开源AI桌面助手glass能捕捉屏幕活动和音频，理解上下文并生成会议记录、摘要，提供实时解答（https://github.com/pickle-com/glass）。
音频
刚刚，Gemini 2.5系列模型更新，最新轻量版Flash-Lite竟能实时编写操作系统
Google发布了Gemini 2.5系列的新版本，包括稳定版和预览版。其中Gemini 2.5 Flash-Lite是性价比最高的模型之一，适用于需要快速处理大量任务的应用场景。
百度周末发布文心4.5和推理模型X1，已经两周年了啊。
百度文心一言发布两年后，推出了新的模型文心4.5和推理模型X1。文心4.5能理解音频、视频、图片但无输出能力；文心X1在推理方面表现不错，价格实惠。总体来看，此次升级有助于提升用户体验，但仍存在一些局限性。
音频处理大杀器！Nexa AI 的 OmniAudio – 2.6B 如何让边缘设备 “耳聪目明”？
在当今数字化时代，音频语言模型的需求日益增长，
尤其是在边缘设备上实现高效、准确的音频处理更是备受关
整理和提供用于构建通用语音、音频和音乐基础模型的数据集列表
整理和提供了用于构建通用语音、音频和音乐基础模型的数据集列表及其元数据和获取途径，来自sarulab-speech/audio-foundation-model-dataset GitHub。
全球首个端侧全模态理解模型：Megrez-3B-Omni，能同时处理图片、音频、文本
Megrez-3B-Omni是无问芯穹研发的端侧全模态理解模型，基于Megrez-3B-Instruct扩展，在图像、语音和文本领域均取得最优精度。