GitHub一周热点第123期
长音频转写分离、并行Agent工作台、DESIGN.md资源集、AI交易Agent和健身动作数据集
「Github一周热点123期」长音频转写分离、并行Agent工作台、DESIGN.md资源集、AI交易Agent和健身动作数据集
GitHub一周热点第123期（2026/7/12 - 2026/7/18），本期内容包括 最强多说话人 ASR 模型、并行 AI Agent 工作台、DESIGN.md 资源合集、AI 交易 Agent 和健身动作数据集。
最后还有 2 份资料分享。 如果觉得内容不错，别忘了点赞关注支持一下。
1. MOSS-Transcribe-Diarize
- 项目名称：MOSS-Transcribe-Diarize - 最强多说话人 ASR 模型
- 链接：https://github.com/OpenMOSS/MOSS-Transcribe-Diarize
第一个项目是 OpenMOSS 开源的最强多说话人 ASR 模型，它要做的就是把语音转换成文字，但是这个过程其实不简单。 在语音识别领域，多说话人转录一直是一大难题，比如一场会议里需要处理好环境噪音，多人分离和重叠发言，还要保证说话人身份一直正确识别。 而本项目仅用0.9B的模型就做到了，还做的很好。 传统做法通常是 ASR 一套系统，说话人分离又一套系统，然后再把结果对齐。这样流程会变复杂，也容易出现错位。MOSS-Transcribe 的核心思路，是将语音转录、说话人归属和时间戳预测统一建模为一个自回归生成任务。输入原始音频，输出类似这样 [时间][S01]内容[时间] ，包括了说什么、谁在说、什么时候3结构化内容更适合程序的结果。
比如我们可以看到用它去理解了LOL的比赛视频， （放一小段demo） 可以很清楚的识别出解说的人，看过比赛直播的朋友应该有感受，到关键时刻那语速是和机关枪一样的。
在 7 月 14 日它刚刚拿了 INTERSPEECH 2026 第二届 MLC-SLM Challenge 的第一名，覆盖 14 种语言。对比数据也能看出来，MOSS 和 Doubao、ElevenLabs、Gemini、VibeVoice 等模型的对比，在字符错误率（CER）、多说话人综合字符错误率（cpCER）以及说话人归属稳定性（Δcp）三项核心指标上均取得最佳成绩。 在OPENASR Leaderboard 中，MOSS-Transcribe 取得全球开源模型第一的表现
而且0.9B的模型配备了 128k token 上下文窗口，能够直接处理最长约 90 分钟的连续音频输入。 项目有在线的demo环境，可以直接到上面去体验一下，能看到输出内容的形式。 如果想要自己测试，可以到 Hugging Face 下载模型，项目推荐用 SGLang Omni 或 vLLM 部署，本工具包还内置了一个本地字幕工作流，支持上传、审阅、字幕导出。
项目也同步放出了技术报告，整体来说是开放精神满满，感兴趣的朋友可以自己去深入阅读。
我觉得这个项目的实用价值很大，尤其是会议纪要、播客切片、长视频拆条等场景，而且它0.9B的大小非常友好，可以很容易在本地运行，所以项目很值得点个star持续关注。同时它也有一个pro版本，在模思开放平台，基于更大的模型，提供更强的能力，有需要的朋友可以直接使用API。
2. Orca
- 项目名称：Orca - 并行 AI Agent 工作台
- 链接：https://github.com/stablyai/orca
第二个项目 Orca，是一个面向 AI 编程 Agent 的桌面工作台。它的不是做一个新的模型，也不是要替代 Claude Code、Codex、OpenCode，而是把这些 CLI Agent 放到同一个工作台里统一管理。
如果你vibecoding比较多，你可能会有这样的一个诉求，针对同一个件事，你会想要同时开多个 Agent，让它们各自实现一个方案，然后对比谁做得更好。这个方法确实有效，但手动管理很麻烦。你要开多个终端、多个 worktree，记住每个 Agent 改了什么，还要自己切来切去看 diff。
Orca 解决的就是这个问题。它可以让 Codex、Claude Code、OpenCode、Cursor Agent、Copilot CLI 等各种命令行 Agent 并排运行，每个 Agent 在自己的 git worktree 里工作。你可以把同一个需求发给多个 Agent，让它们并行做，然后在一个界面里看结果，挑一个最好的合并。
项目里比较有意思的功能包括 Parallel Worktrees、Terminal Splits、GitHub 和 Linear 集成、AI diff 评论、远程 SSH worktree，还有一个手机端。也就是说你可以在电脑上启动任务，手机上收到 Agent 完成通知，再做后续的跟进处理。这个方向很符合现在“让 Agent 持续干活”的使用方式。
它还有一个 Design Mode，可以在真实 Chromium 窗口里点击某个 UI 元素，把 HTML、CSS 和局部截图直接发给 Agent。这个功能对前端调试挺实用，因为很多时候你光说“这个按钮不好看”是不够的，最好把真实 DOM、样式和截图一起给 Agent。
我觉得 Orca 代表的是 AI 工具的一个新阶段。大家正在从模型能力的强弱，想着如何更好的使用agent去过渡，而且现在各种agent工具越来越多，还有成本方面的考虑，所以如何能让各种agent一起调度就很有意思。现在很多实现的方式就是这种管理的任务台。
当然，这类工具也有使用门槛。并行 Agent 不是越多越好，跑五个 Agent 也意味着五份上下文、五份 token 消耗、五份需要 review 的代码。如果项目很小，一个 Agent 足够；但如果你经常让 AI 做实验功能、设计方案对比，那Orca 这种工作台就可以试试。
3. awesome-design-md
- 项目名称：awesome-design-md - DESIGN.md 设计系统资源合集
- 链接：https://github.com/VoltAgent/awesome-design-md
第三个项目 awesome-design-md，它是一个DESIGN.md的合集，前几期我刚好讲过的 DESIGN.md。 DESIGN.md是 Google 原始的规范，是给 AI Agent 看的设计系统文档。它告诉 Agent 产品应该长什么样。比如颜色、字体、按钮、卡片、布局密度、品牌气质，这些东西都可以写进一个 Markdown 文件，让 AI 生成 UI 的时候不至于每一轮都换风格。 当然纯概念的东西有人可能会感觉很抽象，但本项就更实际，它是一个 DESIGN.md 文件合集。
awesome-design-md 做的事情，是把很多真实网站的视觉风格提取成可复用的 DESIGN.md。比如 Claude、Mistral、Ollama、Cursor、Vercel、Linear、Notion、Stripe、Airbnb、Figma、Tesla、NVIDIA 这些品牌，它都整理了对应的设计风格说明。README 里显示目前已经有 70 多个 DESIGN.md。
这个项目的使用方式很简单：你从里面挑一个你喜欢的网站风格，把对应的 DESIGN.md 复制到自己的项目根目录，然后告诉 AI Agent “按这个设计风格帮我做页面”。这样你不需要 Figma 文件，也不需要复杂导出，对 LLM 来说 Markdown 是最容易读懂的内容。
我觉得这个项目火，也是这一两年 AI 前端正在经历的变化。过去大家主要讨论“AI 能不能写 React 代码”；现在问题变成“AI 写出来的东西能不能有稳定审美”。一个页面第一次生成好看不难，难的是后面加新模块、改表格、做移动端时，还能保持同一种设计语言。
当然也要注意，这类 DESIGN.md 只是参考风格，不代表你可以直接照搬品牌视觉做商业项目。真正做产品时，最好把它当成灵感和结构模板，再改成自己的品牌语言。但对原型、内部工具、个人项目来说，它确实能让 AI 生成的 UI 少一点随机感。
4. Vibe-Trading
- 项目名称：Vibe-Trading - 个人 AI 交易 Agent
- 链接：https://github.com/HKUDS/Vibe-Trading
第四个项目 Vibe-Trading，又是港大 HKUDS的开源项目， 它是一个开源的个人交易 Agent。就是把最近很火的 Vibe Coding 思路，放到交易和投研场景里。说实话最近港大在开源方面很热衷，我感觉已经看到好多个他们的项目了，而且都是比较接地气的使用agent。
这个项目的目标是用一条命令，把你的 Agent 变成一个带交易能力的助手。它不是只给你一个聊天界面问“今天买什么”，而是做了一整套金融 Agent 系统：有 FastAPI 后端、React 前端、MCP server、回测工具、数据源、因子库、策略开发、持久记忆、技能系统，还有各种 IM 通道。
它的功能范围很全面。比如内置了9 个类别中的 87 个专业 skills，有多种市场数据源，针对A股、美股等都实现了非常多的备选数据源；Alpha Zoo 里有几百个预置因子，可以做因子分析和回测；有 Robinhood等券商相关连接；还有研究假设、报告、session、scheduled research 等工作流。 整个项目看起来非常活跃，更新很频繁。最新的更新里加了 Longbridge market data，改进了中国市场数据的获取，还把 MCP server 支持到了 Streamable HTTP。
除了项目团队的勤奋，还有金融是 Agent 落地里最有吸引力、也最危险的方向之一。肯定大家都喜可以赚钱，但是真金白银的交易风险也是很高的。建议大家不要只看它能不能“自动赚钱”。更值得关注的是它在安全边界、回测验证、数据来源、权限隔离这些方面怎么设计，学习这些内容才是关键。
还是那句话，股市有风险，投资需谨慎。
5. exercises-dataset
- 项目名称：exercises-dataset - 1324 个健身动作数据集
- 链接：https://github.com/hasaneyldrm/exercises-dataset
最后一个项目 exercises-dataset，它是一个健身动作数据集。它收录了 1324 个健身动作，每个动作都有动画 GIF、180×180 缩略图、动作分类、目标肌群、所需器械，以及多语言的分步说明。 前端看到一个视频说。当你发现工作中你的职位和收入不能快速增长的时候，那你最应该干的事情就是锻炼身体。上班时候你要做的是，把尿喝白，把电充绿，顺便把孩子的作业打印好，这才是生活的真谛。 回到项目，本项目实用性绝对拉满，除了自己健身使用以外，很多人做健身 App、训练计划工具、AI 健身教练，最开始都会卡在基础数据上。动作名称、目标肌肉、器械、说明、图片、动图，这些东西一个个整理很麻烦，而且还要保证格式统一。
exercises-dataset 已经把这些都整理成 JSON 数据。它覆盖胸、背、肩、手臂、腿、腰腹、心肺等部位；器械包括自重、哑铃、杠铃、绳索、弹力带、壶铃、史密斯机等。README 里还统计了，单自重动作就有 300 多个，对居家训练类应用很友好。
它比较贴心的是支持 9 种语言说明，包括英文、西班牙语、意大利语、土耳其语、俄语、中文、印地语、波兰语、韩语。项目还带了一个 index.html，可以直接在浏览器里搜索、筛选和查看动作；还有 setup.html，可以帮开发者生成数据库建表、API 接入示例，甚至给 LLM 一个结构化 prompt，让它帮你生成后端接口。非常的贴心。
但是提醒下要看清楚授权。项目代码和数据是 MIT，但图片和 GIF 来自 Gym visual，有单独的媒体使用条款。
one more thing
最后还是分享 2 个资料。
第一份是中国工业互联网研究院的《Token驱动智能经济研究报告（2026年）》。到2026年 token 已经不止是一个模型计费单位，而是智能经济里的价值计量要素。互联网时代没流量什么都做不了，将来可能没token就寸步难行。报告里有一个说法很有意思：Token 正在构筑智能经济体系的“价值协议层”。
第二份是新战略咨询的《50+人形机器人场景应用落地图谱》。这份报告整理了 50 多个人形机器人应用案例，覆盖 12 类以上场景、100 多家集成商，里面包括工业制造、仓储物流、电力能源、化工、公共服务、商业服务这些方向。人形机器人真正落地通常是很具体的场景，比如上下料、搬运、巡检，看这份图谱就是让你看到机器人到底在什么环节先落地。
以上就是本周的全部内容，那我们下次再见。
1、项目名称：MOSS-Transcribe-Diarize - 长音频多说话人转写与分离模型 GitHub 链接：https://github.com/OpenMOSS/MOSS-Transcribe-Diarize
2、项目名称：Orca - 并行 AI Agent 工作台 GitHub 链接：https://github.com/stablyai/orca
3、项目名称：awesome-design-md - DESIGN.md 设计系统资源合集 GitHub 链接：https://github.com/VoltAgent/awesome-design-md
4、项目名称：Vibe-Trading - 个人 AI 交易 Agent GitHub 链接：https://github.com/HKUDS/Vibe-Trading
5、项目名称：exercises-dataset - 1324 个健身动作数据集 GitHub 链接：https://github.com/hasaneyldrm/exercises-dataset
1、项目名称：MOSS-Transcribe-Diarize - 长音频多说话人转写与分离模型 2、项目名称：Orca - 并行 AI Agent 工作台 3、项目名称：awesome-design-md - DESIGN.md 设计系统资源合集 4、项目名称：Vibe-Trading - 个人 AI 交易 Agent 5、项目名称：exercises-dataset - 1324 个健身动作数据集