当我们打开一个新安装的APP，常常会看到一连串强制且冰冷的教学引导弹窗，相信大多数人都不会认真阅读，而是跟着动画“无脑”点击，想赶紧跳过。 这种机械、强制的功能指引，只是强行给用户…

今天，阿里通义升级实时语音识别大模型Fun-ASR-Realtime——一款首字延迟控制在百毫秒级别、识别准确率接近离线模型的流式语音识别模型，支持16种方言和30种语言。 阿里云…

在短视频与社交媒体盛行的今天，越来越多的创作者不再直白地表达观点，而是借助隐喻来传递深层意涵。一段画面里，一群身着燕尾服、戴着法官帽的猪在豪华宴会上大快朵颐，桌子底下的猫却在争抢残…

如果只看命名，VMAF v1 很容易被误解成一次常规模型迭代。但结合 Netflix 官方技术博客《VMAF v1: Good Is Not Good Enough》和 Netfl…

Zoom 已同意收购 Common Room，这是一个市场推广 (GTM) 智能平台。 此举将推动 Zoom 更深入地进入快速发展的收入运营 (RevOps) 领域。 Common…

语音和视频通信承载着组织中最敏感的一些对话，但支持这些通信的系统通常被视为普通的网络流量，从而造成了攻击者可能利用的安全漏洞。 在后台，信令消息负责建立和控制会话，而独立的媒体流则…

四十年来，视频编码一直沿用传统的编解码器，从MPEG 1和2，到H.264高清过渡，再到H.265的4K时代，以及后来的VVC/H.266。如今，AI 正在席卷广播电视领域，纯 A…

Epidemic Group宣布收购位于斯德哥尔摩的新一代视频娱乐公司Blenda Labs。此次收购将Epidemic Group的业务范围从音乐和音效扩展到视频领域，为Blen…

第五代移动通信技术和去中心化云计算的结合，从根本上改变了实时数字内容的传输方式。过去，观众或许会接受几秒钟的延迟，而如今的基础设施已将延迟降低到毫秒级。 高带宽的5G网络与云服务器…

Lumine Group 通过从私募股权公司 Gores Group 收购 Imagine Communications，扩展了其媒体技术产品组合，在其不断增长的广播软件业务组合中…

继六月下旬发布DXVK 3.0并带来多项重大更新后，DXVK 3.0.1 于今日正式发布，为 Valve 的 Steam Play（Proton）这一重要的 Linux 平台 Di…

2026年7月3日，Vulkan 1.4.356 发布，其中唯一新增的扩展是 VK_EXT_shader_ocp_microscaling_types，这引起了人们的关注。VK_E…

今年五月，FFmpeg 项目为 APV 视频格式引入了 Vulkan 加速解码。高级专业视频 (APV) 编解码器采用 Vulkan 着色器进行处理，其方式与FFmpeg 为 Ap…

libjxl 的新版本现已发布，用于 JPEG-XL 图像格式的参考实现，该版本同时支持图像编码和解码。 libjxl 0.12 版本于昨日发布，新增了对新工具特性的支持，包括用于…

本文描绘 2026 年语音代理底层传输层的图谱：实际可选方案有哪些、当前参与者使用什么、WebRTC 目前的表现如何，以及目前尚未有人进行的调整将在哪些方面发挥作用。

2026年7月1日，Access Advance LLC 和阿里巴巴集团宣布，阿里巴巴已加入 Access Advance 视频分发专利池 (VDP Pool)，成为被许可方，获得…

面向全球通信的语音对语音人工智能平台 Lucida AI 已完成由英国 Velocity Capital 领投的 530 万英镑种子轮融资。  本轮融资的参与者还包括欧洲…

CoCoEmo是一种轻量、可组合、可控的情感语音生成框架。不同于重新训练模型或设计复杂 emotion prompt，CoCoEmo 直接在预训练 hybrid TTS 模型的中间激活空间中注入 emotion steering vector，从而引导模型生成目标情感表达。

Synamedia任命Tzvi Gerstl博士为首席执行官。过去六年担任首席执行官的Paul Segre将转任执行董事长，继续为公司提供战略指导并支持其长期发展计划。 该公司表示…

NiCE 宣布，它已被指定为亚马逊网络服务公司（AWS）欧洲主权云的启动合作伙伴，这是一个面向欧洲的全新独立云。 该公告标志着 NiCE 与 AWS 之间战略关系的进一步扩展，Ni…