语音识别并不总能等人把整句话说完。实时字幕要边听边显示，输入法要让文字及时上屏，语音助手要尽快判断用户是否说完，会议系统还要持续处理数小时音频。这些场景共同需要一种能力：音频不断到…

ZEGO 即时通讯 SDK（ZIM）Flutter 版发布 2.26.0 版本，支持使用 Flutter 框架开发 HarmonyOS 应用。​该版本功能对齐标准版 ZIM SDK…

由 Sam Altman 支持的生物识别身份项目 World，已在全球范围推出一项 Zoom 徽章功能，用于验证会议参与者是否为真人。 World 官方博客称，World 表示其“…

销售团队可能在客户咨询到回电之间这段空档里丢掉一位本有购买意向的客户。monday.com 打造的语音 AI 平台 Harmony 在正式发布时，带来了一套用多个更小、面向特定任务…

OpenSIPS 3.6.8/4.0.1 及之前版本中发现了一个漏洞。受影响的元素是 rtpproxy 组件中的 rtpproxy_offer/rtpproxy_answer 函数…

AI 陪伴应用 Tolan 完成 3000 万美元新融资，投资方包括 Union Square Ventures、Khosla Ventures 和 Homebrew，PitchBook 估算其估值超过 2.68 亿美元。

如果要用一个词概括在毛伊岛举办的 2026 年 NiCE 分析师峰会，那就是 huliau——夏威夷语中”变革时刻”或”转折点”的意…

围绕声音创作、长语音分析、业务语音转写三类任务，蚂蚁百灵开源 Ming-3.0 语音系列，分别提供语音合成、音频理解与对话、语音识别三个系列，共五款模型。

Fox Advertising 表示，其代理式广告平台（agentic advertising platform）正在新增合作伙伴，并将该平台的覆盖范围扩展至直播和商业线性电视。 …

随着AI技术的持续突破，影像产业正迈入新一轮发展周期。企业影像业务需求已实现结构性升级，告别单一功能的碎片化调用，转向覆盖多场景、多终端、全业务流程的一体化AI影像能力体系。 在此…

现有音频评测大多按“语音、环境声音、音乐”等输入类型，或“转写、分类、问答”等任务组织。这些分类便于比较模型在具体任务上的表现，却难以说明任务背后的能力需求。同样是音频问答，辨认两…

项目背景：安卓WebRTC推流系统，链路为「安卓Camera2采集 → LiveKit SFU服务 → 浏览器播放」。需要增加实时美颜，同时要兼顾低端老手机和旗舰手机，支持参数实时…

过去几个月，基于 GTK4 和 libadwaita 构建的、兼容 GNOME 的 AI 聊天应用 Moose逐渐面世。它最初是一款适用于 GNOME 桌面的本地 AI 聊天应用，…

本文处理常见的刚需——降噪。通话里的键盘声、直播里的风扇声、低光视频的噪点，都是信号淹没在噪声里。端侧降噪的难点是实时性：音频一帧 20ms 内要出结果，视频一帧 33ms 内要出…

今天，日本语音 AI 公司 Kotoba 宣布，其语音技术已在生成式媒体平台 fal 上线。开发者可通过 fal 直接调用 Kotoba 的语音识别、语音合成与实时语音翻译能力，将…

Novaspace发布的一份报告预测，到2035年，全球卫星服务收入预计将增长44%，达到1450亿美元（1290亿欧元）。该预测出自Novaspace发布的第33版《卫星连接和视…

在柏林举行的 DTVP Plugfest 2026 大会上，来自 30 家公司的 60 多位专家在 190 多场会议中测试了下一代电视和流媒体技术的互操作性。 此次活动于10月12…

苹果公司发布了第四代 Apple TV 4K，新增了对话式搜索、免提语音控制和硬件 AV1 解码功能。 这款流媒体设备在英国的售价为 299 英镑，预购将于 11 月 13 日开始…

表情消息是 IM 产品里使用频率最高的消息类型之一，也是带动聊天气氛、塑造品牌感的常用手段。但接入时很多团队会在一个问题上纠结：表情到底应该怎么发——是把 emoji 直接当文本，…

WebRTC 如何确定两个对等端之间的网络路径是否真正可用？这正是 ICE 连通性检查（ICE Connectivity Checks）的用武之地。 1. 为什么需要连通性检查？ …