Meta 推出 Muse Realtime Avatar，把 Muse Realtime Voice 的语音 token 流转化为同步的实时数字人视频，支持面部、手部和全身动作。系统采用自强制与分布匹配蒸馏，将每个视频块的推理从教师模型的 120 次评估降到 2 次，减少 60 倍。它以 448x768、25fps 输出，从用户说完到收到音视频首字节约 870 ms，单张 GB200 可支持 12 路并发实时会话，并嵌入 Meta Video Seal 隐形水印。
推荐理由：Meta 公开了实时数字人系统的蒸馏方案与端到端延迟、并发数据，可对照自身实时视频生成链路。
Meta Superintelligence Labs 发布 Muse Voice Transcribe，一个实时音频感知模型，支持流式 ASR、20 人以上说话人分离和端点检测，原生处理 25 种以上语言并支持句内无缝语码转换。模型以 80ms 音频块（12.5 Hz）自回归处理，通过强化学习实现自适应延迟，在速度与准确率之间取得权衡；训练覆盖 70 多种语言，其中 25 种经过充分验证，并支持超过一小时的长音频输入。
推荐理由：Meta 公布实时语音感知模型的流式 ASR、说话人分离与端点检测设计，可了解自适应延迟的取舍思路。
NVIDIA 发布 Video Codec SDK 13.1，为 AV1 编码新增分层参考模式（Hierarchical Reference Mode），将 NVENC 最大 B 帧数从 7 提升至 31（支持 1/3/7/15/31 配置），官方数据显示 15 B 帧在 CQ 与 VBR 模式下均带来码率节省且几乎无性能损耗；NVDEC 暴露 H.264/HEVC 逐宏块的 QP、编码单元类型与运动向量统计，支持 GOP 感知的帧级精准 Seek，并通过应用侧分配 CUarray 实现 NVDEC 与 NVENC 间零拷贝转码，另提供官方 Docker 开发环境。
推荐理由：GPU 硬件编解码的主流方案年度更新，AV1 分层 B 帧与零拷贝转码直接影响云端转码密度与画质。
FFmpeg 8.1 于 3 月 16 日发布，新增 ProRes Vulkan 编码与解码、DPX Vulkan 解码、D3D12 H.264/AV1 编码器、经 libsvtjpegxs 的 JPEG-XS 编解码、IAMF 环绕声混流及实验性 xHE-AAC MPS212 解码；Vulkan 计算编解码器不再依赖运行时 GLSL 编译，swscale 重写的基础工作继续推进。
推荐理由：多媒体基础设施的年度重要版本，Vulkan 与 D3D12 硬件加速扩展对转码管线选型有直接影响。
FFmpeg 8.1 "Hoare" 小版本发布，新增 xHE-AAC Mps212（实验性）、经 libmpeghdec 的 MPEG-H 解码、EXIF 元数据解析和 LCEVC 元数据解析转发，并加入基于 Vulkan 计算的 ProRes 编解码与 DPX 解码、D3D12 H.264/AV1 编码及 scale_d3d12 等滤镜、Rockchip H.264/HEVC 硬件编码。该版本还包含大量内部改动与缺陷修复，Vulkan 计算编解码器和部分滤镜不再依赖运行时 GLSL 编译，swscale 重写的前期工作正在推进。
推荐理由：FFmpeg 8.1 汇总了解码器、Vulkan 与 D3D12 硬件编解码及新滤镜等变化，可据此判断升级与硬件加速路径。
Apple 发布 M5 Pro 与 M5 Max 芯片（新 MacBook Pro 3 月 4 日预订），媒体处理引擎支持 H.264/HEVC 硬件加速、AV1 硬件解码以及 ProRes 编解码引擎，并首次在所有 M5 系列产品线铺开；配合新一代 GPU（每核内置神经网络加速器）与更高统一内存带宽（M5 Max 达 614GB/s），面向 8K 视频剪辑与 AI 工作流。
推荐理由：苹果芯片全面铺开 AV1 硬件解码，是端侧编解码硬件格局的实质性变化，影响流媒体平台编码策略。