AI前沿速递｜HuggingFace语音Agent一条命令本地跑、DeepTutor 31.7K星终身AI家教、SurfSense开源NotebookLM、微软TRELLIS.2图生3D
晚上好，又到扒 GitHub Trending 的时间。这周现象挺明显：大厂官方下场抢”语音 Agent”和”3D 生成”，教育类和”给 Agent 供数据”的项目在猛涨星。挑了四个没写过的，老规矩，信息来自 README，没实测的我会明说。
1. huggingface/speech-to-speech — ⭐10.4K，HuggingFace 官方把语音 Agent 打包成一条命令
自己拼过语音助手的都知道：VAD 断句、语音识别、大模型、语音合成，四件套全自己串，光调延迟就能调一晚上。HF 官方直接把整条链路打包了，还拿到了当天 Trending 第一。
- 核心是一条 VAD → STT → LLM → TTS 的流水线，对外暴露 OpenAI Realtime 兼容的 WebSocket API，OpenAI 的客户端换个地址就能连自己家的服务
- 每段都能换：STT 用 NVIDIA Parakeet 或 Whisper 系，TTS 用 Qwen3-TTS / Kokoro / ChatTTS，LLM 指向任意 OpenAI 兼容 API 或本地 vLLM、llama.cpp
- 想全本地跑也行：llama.cpp 起个 Gemma，整条链路不碰云端，数据不出门
- 已经在给上千台 Reachy Mini 机器人当对话后端，不是 demo 玩具
- Apache-2.0，带 Dockerfile（含 arm64）
上手是真的简单：pip install speech-to-speech，然后跑 speech-to-speech，服务就起来了。
实话：没实测。Qwen3-TTS 的 CUDA wheel 对版本很挑剔，Linux 上要折腾；纯 CPU 延迟难看。适合有显卡、想掌控语音链路的玩家，只想聊天就用现成 App。
2. HKUDS/DeepTutor — ⭐31.7K，港大数据科学实验室的”终身 AI 家教”
教育类 AI 大多是问答机器，聊完就忘。DeepTutor 想干的是记住你这个人：你学到哪了、哪块没懂、上次怎么教你的，下次接着来。一个月涨了 6 千多星，Apache-2.0。
- 三层记忆图谱（L1/L2/L3），真·长期记忆，不是把聊天记录堆一起
- My Agents：把本地 Claude Code / Codex / Gemini CLI 挂进来当”助教”，聊天中途实时调用帮你解编程题
- Book Engine：把 PDF 变成”活书”——带测验、Manim 动画、交互组件的电子教材
- Partners：接 15 种 IM 渠道（Telegram、微信、飞书都有），手机上接着学
- 几乎天天发版；支持 Docker，还写了 rootless Podman 部署文档（加分）
上手：docker compose 起服务，或者 pip 装 deeptutor 包，配好模型 key 就能跑。
实话：没实测。功能多到离谱（101 个 CLI 应用、MCP 商店），全家桶架构，新手上手懵；自托管全得自己扛。适合爱折腾的家长/学生党，小白先玩官方 demo。
3. MODSetter/SurfSense — ⭐15.7K，开源 NotebookLM，顺带给 Agent 装上网
NotebookLM 好用但闭源。SurfSense 是开源替代，这周还把定位改成”给 Agent 提供真实网络数据”——Agent 想查 Reddit 在聊什么、YouTube 评论怎么说，以前全是反爬和限流，现在一个接口搞定。
- 知识库老本行还在：50+ 文件格式、带引用的混合搜索、双人 AI 播客 20 秒生成、报告导出 PDF/DOCX/LaTeX
- 新增 10+ 实时数据连接器：Reddit、YouTube、Instagram、TikTok、Amazon、Google Maps、Indeed……全部 REST API 返回结构化 JSON，不用自己写爬虫
- 自带 MCP server，Claude、Cursor 或任意 Agent 框架直接当工具调
- 支持 100+ LLM（LiteLLM）和本地模型（Ollama/vLLM），Docker 自托管，自托管不计费
上手：云版注册送 $5 额度直接玩；自托管需要 Docker，跑个安装脚本。
实话：没实测。README 自己承认”还不是 production-ready”；云版连接器按量计费，自托管免费但爬平台有合规风险，自己掂量。
4. microsoft/TRELLIS.2 — ⭐10.2K，微软 4B 参数图生 3D，又快又精细
图生 3D 的老问题：慢、糊、遇到衣服/镂空这类”开放表面”直接崩。TRELLIS.2 用新的 O-Voxel 稀疏体素表示把质量和速度都拉上来，MIT 全开源。
- 4B 参数模型，512³ 分辨率约 3 秒，1024³ 约 17 秒（H100 上）
- 能处理开放表面、非流形几何，以前做不了的拓扑现在都行
- 直接输出带完整 PBR 材质（颜色/粗糙度/金属度/透明度）的 GLB，游戏、渲染管线拿来就能用
- 训练代码全开源，可以自己微调；有 HF Space 在线 demo 可以先试
上手：门槛是硬性的——NVIDIA 显存 24GB 起步（A100/H100 验证过），conda + setup.sh 装依赖，flash-attn 编译要有点耐心。
实话：没实测，我的小主机连门槛都够不着。个人玩家基本靠在线 demo；想本地跑先确认显存，别装一半发现不够。
今晚的观察
这周榜单的共同点：官方下场。HuggingFace 做语音、微软做 3D，把以前要自己拼的活儿做成了产品，门槛在降。另一个信号：Agent 的竞争从”框架”转向”数据”，SurfSense 卖的不是模型而是实时数据接口——大家都在抢 Agent 的”眼睛”。
吐槽一句：现在开源项目一个比一个会画饼，DeepTutor 要 Docker、TRELLIS.2 要 24GB 显存、SurfSense 要防合规翻车。收藏一时爽，硬盘显卡先不够用了。挑一个真解决你痛点的玩，别全装。
以上项目均未深度实测，信息来自各仓库 README 与官方文档，上手前请自行验证。
by 数码罗记·godsun.pro
