谷歌宣布对其 Project Starline 进行重大品牌重塑，将其打造成名为 Beam 的全新3D视频通信平台。Beam在年度I/O开发者大会上宣布，旨在通过将传统的2D视频流…

近日，即构科技(ZEGO)实时互动 AI Agent 2.1 版本发布，新增多用户 vs 1 智能体、语音识别断句、打断智能体说话等 7 项新功能；同时进一步优化了语音交互体验。 …

Techstrong Group与Latent AI合作开展的新研究发现，边缘 AI 因其速度、可靠性以及与云系统不同的实时处理数据的能力，对于关键任务操作变得至关重要。 对于边缘…

社交媒体是年轻美国黑人消费者与媒体娱乐、时事新闻以及他们喜爱的品牌保持联系的强大平台。根据霍洛维茨基金会的年度报告《聚焦下一代》（FOCUS Generation Next），四分…

诺基亚首席工程师兼媒体编码行业论坛主席 Justin Ridge 报告了多功能视频编码 (VVC) 的发展现状及其在媒体和娱乐领域的应用情况。 视频已成为现代数字生活的重要支柱，从…

OBS Studio 的后端由 libobs 库提供支持。libobs 提供了主处理流程、音视频子系统以及所有插件的通用框架。

在 2025 年 Google I/O 开发者大会上，谷歌推出了 MedGemma，这是一款专为多模态医学文本和图像理解而设计的开放模型套件。MedGemma 基于 Gemma 3…

2025年5月20日，联络中心云语音软件供应商 AVOXI 宣布，其国际云语音平台将进一步扩展，为Webex、 Zoom 和 Microsoft Teams提供增强型解决方案。作为…

Harmonic 宣布公司将在 ANGA COM 2025 上展示宽带创新。在 cOS 虚拟化宽带平台的支持下，Harmonic 的 DOCSIS 和光纤解决方案提供了多种途径来提…

今年，Canva 在协作领域大放异彩，通过与 PDF 和电子签名提供商 Nitro 合作，扩大了其产品范围，为企业客户提供了同时购买这两个平台的便利和 “极具吸引力的捆绑折扣”。 …

Wine/CodeWeavers 开发者昨日发布了 VKD3D 1.16，这是 Wine 用于在 Linux 上运行 D3D12 Windows 游戏/应用程序的上游 Direct…

5月20日，火山引擎正式推出豆包·语音播客模型，作为豆包大模型语音语言技术的重大场景化升级成果，该模型基于流式模型构建，实现了从文本创作到双人对话式播客的秒级转化，为用户带来“低成…

多年来，RTMP 和 SRT 一直是直播领域的主力。但随着人们对更低延迟和更多互动体验的不懈追求，新的领军者正在崛起。WHIP（WebRTC-HTTP Ingestion Prot…

AlgoFace 与全球嵌入式计算解决方案提供商 Unigen宣布建立战略合作伙伴关系，将可扩展的人脸 AI 基础设施与硬件解决方案相结合。 该合作伙伴关系最近在 ISC West…

这个系列文章我们来介绍一位海外工程师如何探索 OBS Studio 音视频推流技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 1 篇：整体框架。 —— …

过去一年，分销商和流媒体提供商在美国推出的全新流媒体捆绑包将在 2025 年产生强劲回报。这些捆绑包以包含 Disney+ 和 Max 的有线电视套餐为特色，并提供在新捆绑包中直接…

近期进展表明，强化学习可以显著提升 LLM 的推理能力。基于此，本研究旨在改进音频 LLM ——一种处理音频和文本以执行问答等任务的模型。MMAU 基准是一个广泛使用的数据集，旨在…

长期以来，流媒体平台一直依赖内容分发网络（CDN）来确保用户观看其提供的内容，但这种依赖性正开始削弱。流媒体的蓬勃发展重新定义了人们观看视频的方式，而 CDN 则是实现这一目标的中…

2025 赛季伊始，F1 TV 迎来了重大升级，推出了 F1 TV Premium，为订阅用户提供了以 4K UHD HDR 观看比赛的机会，并在部分设备上提供新的个性化多视图功能…

微软在其 Fabric 平台中宣布推出预览版数字孪生构建器工具，称该工具通过将物理世界带入数字世界，可以“显著增强组织做出明智决策的能力”。  数字孪生作为现实世界物理对象、系统或…