9月20号，形界智能正式发布Genesis1.0，进一步探索视频生成从“生成即完成”迈向“实时交互、持续感知回应”的形态。 人与AI的交互方式正在被重新塑造。在形界智维CEO王裕鑫…

如果你用 Go 写过 REST API，却从没碰过 WebSocket，那么构建一个聊天服务器是动手学习 Go 并发模型的最佳方式之一。不用框架，不用黑魔法，只有 goroutin…

在快手电商直播间，大量用户会在通勤、办公或静音环境下观看直播，声音一旦缺失，主播口中的价格、规格、优惠也随之消失。我们花了半年多时间，把”主播说话到字幕上屏&#8221…

2026 年 9 月 18 日，ZEGO 即时通讯SDK（ZIM） 3.2.0 版本发布，新增社群会话管理、社群加入前审核和支持为所有成员删除消息等功能。 新增功能 会话列表新增社…

本工作为 Speech-LLM 多语种参数高效微调提供了一种新的技术思路，可进一步推广至多语种语音识别、语音理解及其他基于大模型的参数高效微调任务，为大规模多语种语音模型的训练与部署提供了新的解决方案。

Twilio 高管在周四的 Twilio Signal 新加坡大会主题演讲中表示，企业需要将 AI 与通信渠道和客户数据连接起来，才能让客户互动更加连续、更有场景感。 Twilio…

如果客服人员能够真正听到客户的需求呢？   如今，语音 AI 已经能够做到这一点。它不仅能够理解客户的意图，还能检测出客户的沮丧情绪，捕捉到情感语境，并记住客户的历史记录，包括他们…

今天，阶跃新一代旗舰模型 Step 5 Preview 发布。 这是一款面向真实世界 Agentic 任务的旗舰基座模型。随着 Agent 从“回答问题”走向“完成任务”，日常工作…

SpaceXAI 发布了 Grok Voice Transcribe 2.0，这是其最新的语音转文字（STT）模型。开发团队称其在价格不变的前提下，准确率是 Grok Voice …

Valve 的 Steam Frame VR 头显采用高通骁龙 8 Gen 3 SoC 和 Adreno 图形处理器，正如去年报道的那样， 它使用了 Mesa 的开源 Vulkan…

2026 年 9 月 17 日，ZEGO 云端实时语音识别产品发布 v2.4.0 版本，新增支持 Qwen-Audio-3.0-ASR-Flash-Streaming 语音识别模型…

2026 年的 WebRTC 开源媒体服务器都有哪些，基于 GitHub 星标来看哪些最好。不同的工具适合不同的场景。也就是说，这里排位靠后的一款 WebRTC 媒体服务器，可能恰恰最适合你的需求。

PipeWire 1.6.9 于今日发布，这是 PipeWire 1.6 系列最新版的第九次维护更新，该开源软件用于在基于 Linux 的操作系统下处理音频和视频流。 PipeWi…

扩展联络中心 AI 不仅仅意味着确保首次部署的安全，企业还必须控制访问权限、测试安全防护措施、监控行为，并随着 AI 扩展到系统、数据和工作流程中而调整权限，从而确保从部署到扩展的整个过程中安全性始终保持一致。

第一人称视觉交互要求 Agent 在动态社会环境中通过多模态对话和工具使用解决真实世界任务。EgoInteract 将采样帧视为视觉假设，维护证据账本，并通过官方工具将可见实体规范…

2026 年 9 月 18 日，vLLM 官方博客宣布，vLLM 已正式支持 NVIDIA GPU 内置的硬件视频解码能力。借助这一集成，此前受限于 CPU 的视频描述（video…

评估面向客户的 AI 智能体时，企业往往把注意力放在它们能做什么上。AI 理解请求并检索到正确信息的可靠性有多高？它能否在不把客户转接给人工的情况下完成一笔交易？ 但 AI 部署失…

体育赛事直播仍然是广告商触达大量热情粉丝的最有价值渠道之一。随着体育赛事观看方式的转变，广告商也越来越多地追随粉丝的脚步，转向流媒体电视。 Premion 和 Advertiser…

Fonn Group 在今年早些时候收购 everviz 之后，推出了一个新的广播图形平台。 这个名为 Teikna 的新平台面向广播、流媒体和数字媒体。 据该公司称，Teikna…

Khronos Group 今日发布了最新版本的 OpenCL 规范，其中包含多项变更。 随着 OpenCL 3.1.2 规范的发布，cl_khr_command_buffer 扩…