利用 WebRTC 和 Cloudflare Durable Objects 构建零知识 P2P 同步引擎：如何实现桌面端和移动端之间即时、无需账户、端到端加密的笔记同步，且无需任何云存储成本。

设想这样一个场景：直播间里主播喊出”3、2、1，上链接“，你看准时机点下去，页面却纹丝不动——半秒之后才告诉你”已抢完“。或者一场线上拍卖，锤子落下的画面比成交价刷新慢了整整一秒，…

面向字幕擦除等真实业务场景中的复杂难题，火山引擎推出 AI MediaKit 理解式视频编辑引擎，并以自研 ReFM（Residual Flow Matching，残差式流匹配）作为视频生成修复主干。

AI 可以在几秒钟内生成对话，而语音技术则负责将这些文字转化为逼真的对话。当没有人能够预先预测确切的句子时，台词的发音方式就显得尤为重要。Inworld 最新的文本转语音技术正是围…

今天，腾讯混元正式发布混元图像 3.5 预览版（Hy Image3.5 preview）。 这是一款高性价比的专业级生图模型，经过数百名内部专业设计师GSB盲测，模型能力对比 Hy…

SoundHound 为其对话式 AI 平台 SoundHound AI OASYS 新增了一项人工协助解决（Human Assisted Resolution，HAR）能力。 这…

在订阅制业务中，并非所有订阅用户都具有同等价值。用户参与度越高，留存率就越高，流失率就越低。根据 Hub Entertainment Research 发布的《解码默认设置 202…

媒体技术工程公司 Konstrukt 推出了开源媒体播放器 Omakase Player 。 该公司表示，这款浏览器原生、时间线优先的 JavaScript 框架专为帧精确播放、丰…

管理联络中心 AI 的企业 CX 负责人，需要一套治理框架来监管客户数据的访问权限，并对 AI 能力设定限制与管控。 你的联络中心很可能已经在某种程度上使用了 AI 功能与工具。你…

Valve 的 Steam 客户端测试版今天推出了 Pyrowave，这是一款用于高带宽、低延迟视频流的实验性视频编解码器。 此前，Valve 在今年夏天就传出正在为 Steam …

Vulkan 1.4.363 是 Vulkan API 规范的最新例行更新，并引入了一个新的 Intel 厂商扩展。 Vulkan 1.4.363 对规范的不同部分进行了多项澄清，…

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 …