AWS 发布开源文件传输应用 File Mover Express，在 Apache 2.0 许可下于 GitHub 提供 macOS、Windows 和 Linux 预编译包，用于在本机与 Amazon S3 之间搬运媒体素材。其守护进程式传输引擎把任务与桌面会话解耦，支持断点续传、热文件夹自动上传、带宽限速，以及 XXH3、XXHash、XXHash64、MD5 校验和读取 MHL 清单文件；数据经内置 S3 API 直传，不经过中继或第三方服务，并提供 GUI、CLI 和可选 MCP 服务器三种操作方式。
推荐理由：AWS 官方开源的文件传输工具，用守护进程把传输与桌面会话解耦，并给出 MHL 校验与直传 S3 的取舍。
Cactus 发布开源语音识别模型 Whistle，单文件 16.9 MB、纯 CPU 运行无依赖，面向手机、可穿戴、机器人、智能家居、汽车与微控制器；支持英德法西意荷波 7 种语言（可自动检测），单次转写最长 30 秒 16 kHz 单声道音频，首 token 延迟 11 ms，输出词级时间戳，并与 Needle 共享同一 C++ 引擎与量化方案，可在浏览器端离线运行。
推荐理由：把 STT 压到 16.9 MB 且保留词级时间戳与 11 ms 首响，是端侧语音这一细分方向上规格突出的开源发布。
AOMedia 视频 编码工作组发布 libaom v3.15（代号 Quibble Pants，发布 tag v3.15.1）：完成 VOD 场景低复杂度解码模式的开发并支持 HD 分辨率编码，IntraBC 屏幕内容编码提速且允许用于实时模式，同时修复了近期由 AI 工具检出的多个安全问题；官方建议所有 libaom 用户与发行版维护者升级。
推荐理由：参考编码器的低复杂度解码模式走向实用，对带宽受限终端的 AV1 落地有直接价值。
speech-to-speech 项目发布首个大版本 v1.0.0，整合为 serve、talk、local 三个命令，新增 Qwen3-ASR 识别、OpenAI 兼容 STT/TTS 端点、有状态 OpenAI Realtime 转写与实验性 vLLM Realtime 转写，并改进文本/音频/工具调用的有序输出、打断与 会话清理。浏览器演示基于 OpenAI Agents SDK，覆盖 WebSocket 与 WebRTC 两种传输的集成测试，Apple Silicon 默认改用 4-bit Qwen3-4B LLM 与 6-bit Qwen3-TTS。
推荐理由：开源全栈语音对话管线的 1.0 里程碑，命令行与后端生态明显收敛，适合做语音 Agent 自建参考。
Inworld 开源 TTS Open Evaluation Toolkit：离线采样各 TTS 系统并生成可对比报告，每次运行把配置与逐样例测量一起存档，用户可从分数回溯到源文本、音频、ASR 转写与所用阈值；首发包含常见指标与一套专门的英语对话压力测试集。针对同模型不同团队测出不同 WER（因 ASR 选择、文本归一化、失败样例取舍）这一评测不可复现问题。
推荐理由：直击 TTS 评测不可复现的痛点，把协议与测量绑定存档的做法对建立可比基准有实际价值。
mediasoup-client 3.23.0 移除 transport.produce() 的 headerExtensionOptions，改为 Device 层 forcedRtpExtensions 按扩展 URI 强制开/关；该能力目前仅最新 Chrome 支持 WebRTC RTP Extension Control API，并修复了 Canary 149 中 abs-capture-time 引发的 codec collision 报错。
推荐理由：浏览器 RTP 扩展控制能力落地到主流 SFU 客户端库，影响采集时间同步等特性接入方式。
speech-to-speech 0.2.x 线的收官版本：Realtime 模式默认启用量化 CPU 版 Smart Turn v3.2 区分完整话轮与思考中停顿（可用 --no_smart_turn 回退 Silero）；为 OpenAI Realtime API 新增 WebRTC 传输，在 POST /v1/realtime/calls 做 SDP 协商，RTP 音频与 oai-events 数据通道与 WebSocket 共享同一管线池；并支持 --stt none 直接把 VAD 音频喂给带音频能力的 LLM。
推荐理由：0.2.x 收官版集中落地话轮检测与 WebRTC 传输两项语音 Agent 关键能力，是 v1.0 之前的稳定基线。
VideoLAN 主席 Jean-Baptiste Kempf 逐子系统解读 FFmpeg 9.0：距 8.1 四个半月、160 余位作者的 2200+ 提交，七大库同时升版；Niklas Haas 主导的 swscale 重写引入操作列表分解与 Vulkan SPIR-V 后端，同一转换图可在 CPU/GPU 运行，并支持 SWS_BITEXACT 精确复现；另覆盖动画 WebP 原生解码、NVENC AV1 分层 B 帧与 x86/NEON/RISC-V 汇编优化。
推荐理由：FFmpeg 9.0 是年内最重要的开源多媒体大版本，此文是目前最系统的第三方深度解读。
mediasoup 3.20.0（Node 3.2.0、Rust 0.22.0）用参考 libwebrtc dcsctp 实现的内置 SCTP 栈替换 usrsctp，解决 Rust 多 worker 线程下 usrsctp 非线程安全的问题；SctpParameters 类型与传输层选项同步调整，官方给出 demo 迁移 PR 作为升级参考。
推荐理由：SFU 核心依赖层的重大重构，直接影响所有使用 DataChannel/SCTP 的 mediasoup 部署。
MulticoreWare 发布 x265 4.2（2026-04-19），新增实验性的 Threaded Motion Estimation（--threaded-me），在多核低频机器上对 1080p 及更低分辨率最高提速 1.5 倍，但在高频或少核系统上开销可能超过收益；RISC-V 内核优化带来约 2 倍编码提速，ARM NEON/SVE SIMD 优化较 4.1 再快约 8%，并新增 ITU-T H.265 V9 的 Level 6.3-7.2 支持。自该版起项目转向纯 Trunk-Based 开发模式。
推荐理由：主流 HEVC 编码器时隔较长的功能版本，线程化运动估计与 RISC-V/ARM 优化对编码农场选型有参考价值。
LiveKit 开源 livekit-wakeword，支持一条命令从零训练自定义唤醒词模型，官方称误报较 openWakeWord 低 100 倍，并提供 ONNX 与 Home Assistant 兼容。
推荐理由：端侧唤醒词开源工具的实用更新，对语音 Agent 前端链路有价值。
FFmpeg Vulkan 代码维护者 Lynne 撰文解释如何用纯计算着色器在任意 Vulkan 1.3 GPU 上实现完整编解码器（FFv1、ProRes、DPX 等），不依赖厂商固定功能单元，并指出全 GPU 常驻（无 CPU 回传）是持续快速的关键；文章给出并行化与串行瓶颈的权衡分析。
推荐理由：随 FFmpeg 8.1 发布的官方配套深度技术文，代表开源视频硬件加速路线的重要方向。
TADA（Text-Acoustic Dual Alignment）为每个文本 token 对齐一条连续声学向量，每秒音频仅需 2–3 帧而非传统方案的 12.5–75 帧，RTF 达 0.09（快于同级 LLM-TTS 5 倍以上）；在 LibriTTS-R 1000+ 样本上以 CER>0.15 为门槛测得零幻觉，2048 token 上下文可容纳约 700 秒音频（传统方案约 70 秒），轻量到可端侧部署，代码与预训练模型已开放。
推荐理由：从架构层面消解 LLM-TTS 的跳词幻觉问题并显著提速，开源后可直接进入语音 Agent 技术栈。
Janus 官方基于 multistream 的 master 分支首次打出 1.4.0 版本，旧 0.x 分支同步发布 0.16.0；此后 master 进入 1.4.1、0.x 进入 0.16.1 维护，双轨版本策略正式成型。
推荐理由：Janus multistream 迁移的关键节点版本，影响所有 Janus 部署的升级路线。
GStreamer 1.28.0 于 2026 年 1 月 27 日发布，亮点包括 AMD HIP 插件与集成库、Vulkan Video 的 AV1/VP9 解码与 H.264 编码、waylandsink HDR10 元数据、基于 demucs 的 Rust 音频源分离元素、LiteRT 推理元素，以及 hlscmafsink 等 CMAF 单变体 HLS 输出元素。
推荐理由：多媒体框架大版本更新，硬件编解码与 CMAF/HLS 输出能力直接影响转码与分发链路实现。
Fraunhofer HHI 的开源 VVC/H.266 编码器 vvenc 发布 1.14.0，加入大量 ARM NEON/SVE SIMD 优化并在支持的平台上默认启用 SVE，改进 VUI 自动启用与颜色范围设置，将时间戳字段改为有符号整数并废弃 LMCS；此前版本宣称相对 VTM 参考软件有 20 至 2400 倍加速（视预设而定），支持最高 32 线程帧级并行。
推荐理由：VVC 软件编码生态的关键实现更新，ARM 优化降低了移动/嵌入式侧试用 VVC 的门槛。