近日，摩尔线程实现对主流视频编解码接口体系和开发方式的兼容，完成FFmpeg、PyNvVideoCodec、TorchCodec三个开源项目的MUSA平台原生支持。相关能力覆盖视频…

连续表征语音生成能够保留更丰富的韵律、音色与频谱细节，但在长文本或复杂语句合成中，现有自回归扩散模型仍容易出现说话人漂移、重复、漏读、错读和语义幻觉。如何同时兼顾长程声学一致性与语…

印度金融科技公司 Raise 把自研的 70 亿参数印度金融市场模型 artham 与 Cartesia 的 Sonic TTS 对接，落到 Dhan 的语音机器人对话式 KYC 场景。

实时通信技术、IP 路由和光网络解决方案领域的全球领导者 Ribbon Communications 正在扩大其与大都会运输署 (MTA) 的长期合作关系。MTA 的纽约市交通运输…

一些行业专家认为，语音 AI 的发展尚未迎来类似 ChatGPT 那样的突破性时刻。语音 AI 平台 PolyAI 的 CTO Shawn Wen 强调，尽管全双工（双向）模型取得…

Cloudflare 发布了 Clef-omni，这是其 Clef 决策模型家族中新增的开放权重成员。Clef-omni 是 Cloudflare 的一款决策模型，能在一次调用中对…

领先的一级网络运营商正基于其现有的云原生基础，向人工智能（AI）原生网络迈进。这一转型远不止是一次架构升级，更标志着网络运营、管理和变现方式的根本性转变。Omdia预测，到2031…

阿布扎比技术创新研究院（TII）发布了 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型。它聚焦阿联酋方言，同时也能转写英语、法语、西班牙语和葡萄牙语。在 TII …

好久不见，最近整理了几个读者反馈的图形渲染岗位的技术面试问题。我觉的这几个问题出现的频率很高，而且容易被连环追问，今天挑出来讲讲。 现如今顶级 AI 的编程能力上已经超过 99.9…

Globecast 已部署了 Enensys Technologies 的 75 多个 StreamProbe 监控单元，用于监控包括 Orange 和法国电视集团在内的主要客户的…

本文提出Harness-Aware Training (HAT)方法，解决直播电商数字人Agent在低延迟要求下适应业务规则频繁变化的挑战。HAT将动态执行环境(Harness)状…

总部位于田纳西州纳什维尔的 AI 播客平台提供商 Rebel Audio完成了 1000 万美元的 A 轮融资，融资后估值达到 5000 万美元。 本轮融资由 HardScope …

AI 语音座席正走进企业联络中心，但要在国际市场扩大部署，被证明比采用这项技术本身更为复杂。 AVOXI 与 Metrigy 联合发布的新报告，第三份年度《联络中心国际语音现状》（…

从 Netflix 公司到腾讯控股有限公司，流媒体服务公司现在支付亚洲体育赛事转播费用的一半，这凸显了数字服务正在颠覆世界各地的传统媒体。 据亚洲媒体合作伙伴公司（Media Pa…

根据 Audible 委托开展、在法兰克福书展上公布的全球研究，音频听众消费的有声内容比以往任何时候都多，并且越来越多地用音频来替代看屏幕的娱乐时间。 研究结果显示：音频如何与传统…

在德国足协杯（DFB Cup）的一场首轮比赛中，5G 被用于演示按需质量（Quality on Demand）API 与网络切片如何按电视制作的需求，提供网络侧的质量参数。 Vod…

Harmonic 将在 2026 年 Network X 展会上推出新的光纤宽带功能，将更广泛的光线路终端 (OLT) 与旨在帮助运营商管理包含来自多个供应商的设备的网络的软件相结…

GStreamer 1.28.8 版本推出，增加了对 MXF 解复用器读取 AAF AIFF-AIFC 音频的支持，改进了 AMD AMF AV1 视频编码器强制关键帧，增加了 Windows 媒体音频/视频搜索改进，并带来了 hlssink3 的改进。

随着智能手机厂商、半导体供应商和流媒体服务商开始着手解决拖慢新一代视频压缩标准落地的硬件与生态依赖问题，多功能视频编码（VVC）正日益临近主流部署。 这一转变在移动设备上尤为显著。…

Twilio 的 Peter Bell 表示，语音正在成为一种面向紧急、高语境客户时刻的天然接口。但当英国消费者“说”多于“打”时，CX 团队必须判断：哪些环节语音能减少摩擦，哪些…