实时视频交互不仅要求模型理解画面，还要求模型在恰当的时刻作出回应。传统轮次式视觉语言模型主要围绕用户提问生成回答，难以持续跟踪事件并主动判断何时应当发言。针对这一问题，本文提出了以…

随着人工智能在客户服务运营领域被快速采用，坐席的角色正从简单应答转向解决复杂问题。 各公司正转向一种模式：由 AI 处理重复性任务，而人则专注于需要判断力与共情能力的咨询。 业界的…

YouTube 最早可能在 2027 年开始以 AV2 格式传输视频。这一新编解码器承诺压缩效率比现行的 AV1 标准高出约 30%，有望在更低码率下提供相同画质，或在带宽不变的前…

从 CosyVoice、CosyVoice 2、CosyVoice 3，到 Qwen-Audio-3.0-TTS，我们重新回看了四代语音生成系统的技术演进。 贯穿其中的主线并不是简…

Gartner 2026 年 CCaaS 魔力象限报告出炉之际，正是该领域发生剧烈变化的时刻。 如今，买家更关注的是：他们的 CCaaS 解决方案与更广泛的企业生态系统的契合度、数…

Synamedia 宣布，荷兰电信运营商 Odido 已选择其解决方案为 Odido TV 流媒体服务提供支持。 Synamedia Go 将帮助 Odido 把现有订阅用户迁移到…

先问读者一个问题：现在你有多久没有手写代码了？ 一些小伙伴反馈，最近面试开始问一些 AI 协作编程的一些术语，如 MCP、Skill、Workflow、Spec-Coding 等等…

Vulkan 1.4.366 版本已发布，包含了过去两周的规范修复、澄清以及一项新的 Vulkan API 扩展。 除了 Vulkan 1.4.366 中的一些小修复之外，本次更新…

FFmpeg 9.1 的发布流程目前已经启动。 FFmpeg 9.1 新增了面向 APV 视频格式的 Vulkan 编码器。Advanced Professional Video（…

今年五月，下一代免版税视频编解码器 AV2 v1.0规范 正式发布。 本周，开放媒体联盟（AOMedia）发布新闻稿，大力宣传AV2的早期应用。AOMedia宣布AV2正经历“显著…

OBS Studio 33.0 版本已发布，这是这款广受欢迎的开源跨平台视频录制和直播应用程序的最新重大更新。 OBS Studio 33.0 对其使用的 Chromium Emb…

近日，摩尔线程开源了MTGDRCopy、MTSHMEM、MCCL和MT DeepEP四个通信库，覆盖显存访问、对称共享内存通信、多GPU与多节点集合通信、MoE专家并行等通信场景，…

Ribbon 推出全新的网络解决方案 Ribbon Call Trust Deepfake Detection，旨在保护客户免受包含 AI 生成的合成音频的通话侵害。

WebRTC 基准测试是为了知道自己产品的通话质量与竞品相比如何、差距在哪里。让每个视频通话产品在完全相同的网络限制下运行（例如限速 500 kbps），并在接收端记录通话质量。

Android 群组聊天的实现分两条路：自建长连接 + 消息存储，或者接类似 ZEGO ZIM 这类第三方即时通讯 SDK。如果你的团队没有 IM 基础设施经验和至少两个专职后端，…

微软将于 2028 年 9 月 30 日停用 Azure Communication Services（ACS）的独立服务形态。此后，微软仅支持 ACS 视频在连接到 Micros…

Procore AI Go 把语音激活的 AI 直接带到工地，让施工班组无需翻找图纸与规格书，就能即时获得答案。

微软已在公开预览阶段推出 Contact Center Intelligence（CCI）。 简而言之，微软 CCI 是一套独立的 AI 智能体套件，企业可以把它部署在现有联络中心…

Parks Associates 的研究《新的直播电视模式：精简套餐、体育、新闻》发现，39% 的美国互联网家庭通过点播流媒体服务观看直播活动或体育赛事，这表明流媒体服务在提供直播…

Mistral AI 刚刚发布 Voxtral 3。Mistral Voxtral 3 是一套语音模型家族，并配套一个语音智能体 SDK。它包含 3 个转写模型、1 个文本转语音模…