跳到正文
10月12日周一
  1. AWS Media Blog38

    Formula 1 如何用 AWS AI 将 12PB 视频档案检索缩短到秒级

    Formula 1 与 AWS 合作在 2026 年 4 月为 12PB 的 F1 Video Archive 上线 Media Archive Discovery 系统,用 Amazon Bedrock 将自然语言请求转成精确检索,用户输入“find celebrations after Leclerc's first Ferrari win”即可直接取到片段。该 AI 层只做查询增强,不替换原有 OpenSearch Service 引擎,日常检索不受影响;任一步骤失败时回退到纯文本搜索,保证始终有结果返回。

  2. DataNorth AI60

    Cloudflare 发布多模态决策模型 Clef-omni,并下调 Clef-flash 价格

    Cloudflare 于 9 月 9 日发布开源权重决策模型 Clef-omni,可在一次调用中接收文本、图像、音频和视频,按允许答案返回概率,无需先做转写或字幕。它基于阿里 Qwen3-Omni-30B-A3B 去掉语音输出并加训决策层,30B 参数中每 token 仅 3B 参与计算;消息分类表现稳定,但加入音视频后 agent 任务准确率有所下降,且官方未公布音视频基准。Cloudflare 同时把 Clef-flash 输入价格降至每百万 token 0.038 美元,但托管版 Clef-flash 上下文从 64,000 降至 24,000 token。

10月9日周五
  1. LiveKit Blog62

    LiveKit 推出 Agent Simulations,用模拟用户测试语音智能体

    LiveKit 面向所有 LiveKit Cloud 项目正式推出 Agent Simulations,用 LLM 驱动的模拟用户按任务级场景跑完整对话,再由 LLM 评审给出通过或失败及原因。文本模拟跳过语音模型、只测对话逻辑,默认低优先级调度,可在每次 PR 上运行并在失败时返回非零退出码;音频模拟覆盖含背景噪声、打断和附和声的完整音频链路,实时运行且计费更高,适合夜间或发布前跑。CLI 可读取智能体代码自动生成场景,场景以 scenarios.yaml 版本化保存。该功能 10 月内免费,但模拟会调用真实智能体的 LLM 及音频模式下的 STT、TTS,按正常费率计费。

    推荐理由:LiveKit 把语音智能体测试从逐轮对话提升到任务级模拟,并给出文本与音频两种运行方式的成本取舍。

10月2日周五
  1. Mux Blog38

    Mux 推出 Robots playground:写代码前先调好 AI 视频工作流

    Mux 发布 Robots playground,可在 Dashboard 中直接对自有视频运行 AI 工作流并查看格式化输出,无需先写代码。工作流涵盖摘要、关键片段提取、字幕翻译与内容审核,每次调用即真实 Robots API 任务,输出保留 30 天并按 unit 计费。页面支持参数与输出引导调优、两次运行结果并排对比,并可复制 agent prompt 将调优配置带入生产。

9月21日周一
  1. Zoom Developer Blog22

    Zoom Contact Center 管理员可手动控制 RTMS 流:启动、暂停与停止

    Zoom Contact Center 的 RTMS 支持管理员通过 API 手动控制流,可执行 start、stop、pause、resume 四种操作。使用需管理员权限与 RTMS 许可证,应用需添加 contact_center_rtms:write:admin 权限范围,并在集成设置中关闭 auto 开关。调用时以 PUT 请求携带活跃 engagement ID 和已授权应用的 client ID,可程序化或按流程事件触发。

9月17日周四
  1. WebKit Blog62

    WebKit 发布 Safari 27.0:新增 Safari MCP 服务器、可定制 select 与 model 元素

    WebKit 发布 Safari 27.0,特性数量从 6 月首个测试版的 58 项增至 80 项,并累计修复 844 个问题。新增的 Safari MCP 服务器让 Claude Code、Codex 等编码代理访问 DOM、网络请求、截图和控制台输出,完全在本地运行。可定制 select 通过 appearance: base-select 支持完全重设样式,model 元素扩展到 iOS、iPadOS 和 macOS,visionOS 网站可提供沉浸式环境。

    推荐理由:Safari 27.0 一次性放出 80 项特性与 844 项修复,可据此判断哪些新 API 和既有行为变化会影响现有站点。

8月28日周五
  1. Inworld AI Blog62

    Inworld 开源 TTS 评测工具包:配置随结果存档、分数可溯源到样例与 ASR 转写

    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。

8月25日周二
  1. Mux Blog34

    Mux 推出 Playing time by rendition:按码率版本统计观看时长

    Mux 在 Mux Data 仪表盘上线 Playing time by rendition,按播放器实际交付的码率版本统计观看时长,并已通过 API 提供。该指标按墙钟时间计算,暂停、重缓冲和拖动的时间不计入,播放速度不影响结果;仪表盘以堆叠柱状时间序列展示前 10 个版本及“其他”的占比,并支持按标题、国家、设备类别过滤和跨维度对比,还可自定义版本分组参数。

8月20日周四
  1. LiveKit Blog52

    LiveKit Agent Observability 推出 PII 脱敏功能

    LiveKit 为 Agent Observability 新增 PII 脱敏功能,在录音和转写文本存入前自动移除姓名、地址、生日等敏感信息,对使用该功能的客户不额外收费。脱敏用 LLM 按上下文识别,转写文本中的词替换为标记,轨迹和日志中的敏感字段直接丢弃;由于词级 ASR 时间戳并非在所有 STT 模型上都可靠,音频改为删除整个轮次并以提示音替代。目前支持 10 组共 41 类 PII,需使用 LiveKit Agents SDK Python 或 Node.js 1.7.0 版本,数据保留 30 天后自动删除。

    推荐理由:LiveKit 用 LLM 按上下文做 PII 脱敏,并说明音频整轮删除的取舍,可据此判断合规方案是否够用。

8月3日周一
  1. Mux Blog66

    Mux 自建 CDN 路由:每分钟探测,选路 p99 做到 9.9ms

    Mux 停用第三方 RUM 选路,改为自建 CDN Router:每秒级探测节奏是对每家 CDN 与 4 个源站每 60 秒探测一轮,结果写入跨区域 CockroachDB(原始探测、决策与 CDN 实时用量),leader 每分钟基于最近 5 分钟数据判定各区域“足够好”的 CDN,请求路径只做 IP 定位 + 查表 + 加权随机排序,官方称选路 p99 为 9.9ms;同时把冗余流(redundant streams)从 opt-in 改为 opt-out,播放器可在流中途切换 CDN。

    推荐理由:多 CDN 选路的完整工程复盘,含探测频率、决策窗口、p99 与冗余流默认开启策略。

4月14日周二