AI 视频生成正在跨过一个清晰的分界线。 过去，它更像一个周末玩具。用户拿它尝鲜、娱乐，生成一条新奇的视频，看模型还能玩出什么花样。 但这个状态正在变化。Seedance 2.0 …

地铁里、会议室中、医院病房内——很多场合我们都需要“说点什么”，却又不便发出声音。 苹果公司近日公开了一项专利申请（WO2026159706A1），提出一种默声语音检测方案：用户在…

企业语音 AI 代理提供商 Regal 周三宣布，已与 Five9 完成集成。Five9 的客户可以通过 Five9 的客户体验市场（CX Marketplace）使用 Regal…

8月14日，声网母公司Agora, Inc.（NASDAQ：API）公布2026年第二季度财报。财报显示，第二季度，Agora, Inc.总营收4042万美元，同比增长18%，超过…

最新版本的时间寻址媒体存储 (TAMS) 已经发布，其特色在于“新增了多项功能，扩展了 TAMS 的功能以及大规模部署实现的方式”。 TAMS 是一种开源的软件定义技术，旨在打破广…

昨天，Liquid AI 发布了LFM2.5-VL-3B。这是一个拥有 31 亿参数的视觉语言模型，专为设备端部署而设计。该模型能够读取移动设备、网页和桌面设备上的数字屏幕。它可以…

订阅量的增长、客户对多渠道解决方案的青睐，以及对错失人工智能机遇的担忧，共同推动了利润增长。

Unified Streaming 推出了一种内容溯源系统，能够在分发之前立即将 C2PA 凭证附加到直播、点播和动态组装的视频流。 Trusted Media 已集成到这家总部位…

语音助理长期存在一处根本性割裂：当它转身去检索资料、调用工具或推进一段多步任务时，整场对话往往被迫悬停。用户只能干等，直到那句「好了，我查到了」姗姗来迟。Qwen-Audio-Ag…

STUNner 是一个原生 Kubernetes TURN 服务器，TURN 是一种中继协议，可为 WebRTC 客户端提供用于传输媒体的公共端点。它基于 Gateway API，…

随着 AI 视频进入生产阶段，生产成本开始成为越来越多团队绕不开的问题。 旗舰模型不断提升画质上限，更轻量的模型不断推出。很多人曾以为，“视频生成成本”这道题，会随着算力效率提升和…

编码搞好了，同步也搞定了，现在把流推到服务器。RTMP 听着简单（就一个推流 URL），但生产级推流器要考虑：自适应码率、断线重连、音视频交错复用、网络拥塞检测。本文用 Claud…

一款基于 Gemini 的医疗 AI 将视觉、听觉与临床推理相结合，在模拟视频问诊的多项关键指标上达到或超越了医生水平，同时也揭示了人类连接与细微感知仍然重要的领域。 近期发表在 …

近年来，AI 录音设备发展迅猛，出现了信用卡大小的设备、吊坠，甚至还有耳机，用户可以用它们录制会议并生成简短的摘要。正如TechCrunch的Equity播客节目中所讨论的，包括智…

近日，佛罗里达大西洋大学表示，杜比实验室已收购了佛罗里达大西洋大学通过与 OP Solutions LLC (OPS) 的长期研究合作关系而开发的视频压缩技术组合。 该产品组合的核…

动漫 SVOD 服务 Crunchyroll 宣布与汽车应用分发平台 Forvia 旗下的 Appning 合作，使用户能够在部分车型上观看 Crunchyroll 内容，首先从宝…

Zattoo 和 Teleboy 延长了他们在瑞士电视和流媒体市场的长期合作关系，续签了技术和广告协议。 根据续签的协议，Zattoo 将继续为 Teleboy 的电视流媒体服务提…

谷歌已将其在美国的免费流媒体服务 Google TV Freeplay 扩展至超过 10,000 部广告支持的电影和电视剧集。 该点播目录包含来自A24和狮门影业等工作室和发行商的…

2026年是北京大学博雅特聘教授、计算机学院党委副书记马思伟的“丰收年”。5月他获得北京市“最美科技工作者”称号，6月，他牵头团队的科研研究成果“视觉感知编解码关键技术及超高清视频…

随着多模态大模型、视频理解、内容生成和工业视觉等场景快速发展，图像与视频数据的高效处理正成为AI应用的重要基础能力。近日，摩尔线程完成开源库CV-CUDA在MUSA上的兼容支持，使…