Vibe公司是一家专注于现实场景会议的情境化AI工作平台创建者,近日发布了一款可穿戴设备,让专业人士无论身处何地都能随时使用AI助手。
这款设备名为Vibe Dot,能够实时捕捉语音对话与语音指令,并将所有内容同步至公司的Vibe AI应用,作为统一的知识中枢。对话内容会以结构化摘要的形式存储,形成企业的知识记忆,而语音指令则可发送给已连接的智能体执行相应操作。
Vibe公司创始人兼首席执行官Charles Yang在接受SiliconANGLE采访时表示:"我们认为,目前仍有40%的会议发生在现实世界中,那些场合没有Slack,也没有Google Meet。"
从外形来看,Dot采用圆形设计,尺寸略大于同类竞品,比手掌稍小,但机身极薄,可通过MagSafe磁吸方式夹在翻领上,或吸附在iPhone背面,安卓手机则通过磁力环固定。设备内置五个麦克风,拾音范围最远可达约4.9米,能够捕捉多人参与的复杂对话,而非仅限于一对一交流。
较大的机身为内置电池提供了充足空间,支持约30小时的持续录音。用户可以将其设置为"开启即忘"模式,让设备在检测到人声时自动录音并转录,或等待触发词唤醒。此外,用户也可以通过设备上的按钮进行操作:长按录制语音备忘录或发出指令,双击开始录音,单击则可标记重要时刻。
虽然设备附带公司服务订阅,用于备份和整理录音对话中的笔记,但并不将用户锁定在Vibe的AI生态系统内。用户可以将自己的智能体接入Vibe来完成任务分配,例如使用Anthropic的Claude Code或OpenAI的Codex,通过语音触发执行任务。
Yang强调:"我们专注于团队,专注于企业级市场,专注于真实的B2B工作流,而不是要向市场再推出另一款花哨的消费级可穿戴产品。"
Dot的发布是在公司早前推出Vibe Bot之后的又一重要举措。Vibe Bot是一款专为会议室设计的室内AI设备,可被动捕捉音频、整理决策与后续行动,并将会议内容与企业工具相连接,同时支持语音交互,用户可询问会议内容,或通过语音指令触发智能体驱动的操作。
更小巧的外形也推动了Vibe的战略布局,从会议室延伸至那些没有正式视频通话或协作应用介入的日常商务对话场所。Yang表示,Dot的设计经过深思熟虑,称其"不大不小恰到好处",并指出Vibe致力于捕捉发生在现实世界中的工作内容,涵盖走廊交流、会议室讨论,乃至现场作业和面向客户的行业场景。
Vibe Dot目前已开放预购,售价199美元,核心功能无需订阅即可免费使用。对于每月转录时长不足或需要更多智能体自动化Token的用户,Pro订阅版本每位用户每月19美元;面向规模更大、需求更高的团队,还提供更高级别的订阅方案。
Q&A
Q1:Vibe Dot是什么设备,主要用来做什么?
A:Vibe Dot是由Vibe公司推出的一款可穿戴AI设备,专为职场场景设计。它内置五个麦克风,拾音范围约4.9米,可实时捕捉多人对话和语音指令,并将内容同步至Vibe AI应用,自动生成结构化摘要,帮助企业积累会议记忆,同时支持语音触发智能体执行任务。
Q2:Vibe Dot的续航和操作方式是怎样的?
A:Vibe Dot支持约30小时的持续录音续航,可设置为检测到人声自动录音的"开启即忘"模式。用户也可手动操作:长按按钮录制语音备忘录或发出指令,双击开始录音,单击标记重要时刻,操作灵活便捷。
Q3:Vibe Dot的价格是多少,需要付费订阅吗?
A:Vibe Dot售价199美元,目前已开放预购,核心功能免费使用,无需订阅。若需要更多每月转录时长或额外的智能体自动化Token,可选择Pro订阅版本,每位用户每月19美元,也有面向大型团队的更高级别方案。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。