NodLink:用 AirPods 头部追踪控制 Mac 光标,MIT 协议开源
作者 Uinui 开发并开源了 NodLink,读取 AirPods 的姿态传感器数据,把头部朝向换算成 Mac 屏幕上的光标位置,全程不调用摄像头。左右歪头可映射为单击、右键或按住拖拽,也支持中英文语音指令如「点击」「双击」,并配有标号点选、暂停与回中。工具需 macOS 14 以上和支持头部追踪的 AirPods,以 MIT 协议开源,目前仅支持 Mac。
作者 Uinui 开发并开源了 NodLink,读取 AirPods 的姿态传感器数据,把头部朝向换算成 Mac 屏幕上的光标位置,全程不调用摄像头。左右歪头可映射为单击、右键或按住拖拽,也支持中英文语音指令如「点击」「双击」,并配有标号点选、暂停与回中。工具需 macOS 14 以上和支持头部追踪的 AirPods,以 MIT 协议开源,目前仅支持 Mac。
微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。
推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。
Reson8 以 Apache 2.0 协议开源 Rumble-2-Flash,这是一个 0.5B 参数的语音识别模型,支持 40 多种语言并自动检测语种。
推荐理由:0.5B 参数语音识别模型以 Apache 2.0 开源,在真实电话场景与 30B 模型持平,可对照其蒸馏方法理解小模型路线。
Ollama 现已支持文本转语音,首个语音模型是来自 Gradium 的 Phonon 系列小型 TTS 模型,目前可在 macOS 上使用,Windows 和 Linux 支持即将推出。
推荐理由:原文给出 Phonon 在 Ollama 上的吞吐、词错率与多语言支持,可据此判断本地语音合成的可用性。
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转录模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说合成一条实时流式管线。
推荐理由:原文给出语音智能体 SDK 与转录、合成模型的完整规格和定价,可据此判断实时语音工作流的落地成本。