苹果新一代 Apple TV 4K 被曝内置麦克风，Siri Remote 遥控器将配扬声器
苹果新一代 Apple TV 4K 被曝将内置麦克风，用户可直接说 Siri 交互，现款仅在 Siri Remote 遥控器上带麦克风。重新设计的 Siri Remote 将内置扬声器，便于找回掉落的遥控器。新款 HomePod mini 预计搭载 S10 芯片，两款产品均计划 10 月 30 日发售。
全部音视频动态
腾讯新闻评分2222 MacRumors评分1212 苹果 HomeView 智能家居中枢、HomePod mini 2 与新 Apple TV 4K 细节泄露
彭博社 Mark Gurman 在苹果 10 月 13 日纽约发布会前泄露新品细节：带触控屏的智能家居中枢定名 HomeView，搭载 A18 芯片，支持 Siri AI，有桌面版和壁挂版，但无第三方 App Store，预计 11 月中旬上市。新款 HomePod mini 升级为 S10 芯片，新 Apple TV 4K 搭载 A19 芯片并可能内置麦克风，两者 10 月 30 日发售。
Splitfeed评分2222 前 Plaud 高管为后台监听 AI 应用 Ambi 融资 2600 万美元
前 Plaud 高管创办的 Ambi 于 2026 年 10 月 12 日宣布融资 2600 万美元，并推出 iPhone、Mac 和 Apple Watch 应用，可在后台持续采集环境音频并处理用户全天听到的内容。该应用以常驻监听取代手动录音，改变了录音者及周围人的同意机制；公司尚未详细说明音频存储、访问权限及哪些数据会离开设备。
TechCrunch评分2222 前Plaud高管创办Ambi，融资2600万美元做常驻后台的AI应用
前Plaud高管Peter Mo创办的Ambi完成2600万美元多轮融资，由Luminous Ventures和华勤领投，并推出iPhone、Mac和Apple Watch应用。该应用可全天候监听用户，在会议中主动给出建议，并支持跨设备续接任务。环境采集默认关闭、用户可随时关闭，但告知他人的责任仍在用户，公司称不存储录音并加密数据。
腾讯新闻评分2727 上海大模型公司模思智能完成超10亿元Pre-A轮融资，将推全模态实时交互系统MOSS Live
上海大模型公司模思智能（MOSI）宣布完成超10亿元Pre-A轮融资，由华控基金领投，资金将用于全模态实时交互智能研发与全球商业化落地。该公司孵化于复旦大学邱锡鹏团队的OpenMOSS团队，今年已发布20多个模型，即将推出采用前后端模型协同架构的MOSS Live系统，面向AI眼镜、智能汽车及机器人等场景。
东方财富精选评分3434 模思智能完成超10亿元Pre-A轮融资，将发布MOSS Live实时交互模型
模思智能完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金等参投，资金将用于全模态实时交互智能研发与全球商业化落地。该公司由上海创智学院与复旦大学联合孵化，2026年上半年已围绕语音、视觉和实时多模态连续发布20多个模型并持续开源，即将发布的MOSS Live由前端交互模型与后端能动性模型协同工作。
网易新闻评分2323 复旦教授邱锡鹏创办的模思智能再融10亿元，将发布MOSS Live系统
模思智能完成超10亿元Pre-A轮融资，由华控基金领投，资金将用于全模态实时交互智能研发与全球商业化落地。该公司2024年底孵化于邱锡鹏带领的OpenMOSS团队，聚焦语音、视觉及实时多模态交互，即将发布MOSS Live系统，通过前端交互模型与后端能动性模型协同实现实时交流、复杂推理和任务执行。
网易新闻评分2424 模思智能完成超10亿元Pre-A轮融资，将推进全模态实时交互智能研发
模思智能完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金、新微资本等参投，元禾控股等老股东持续投资。资金将用于推进全模态实时交互智能的研发与能力建设，以及全球商业化落地。该公司由复旦大学教授邱锡鹏创立，计划推出实时交互系统MOSS Live。
Cartesia Blog评分2222 Raise Financial Services 与 Cartesia 合作，为印度金融市场打造多语言语音 AI
Raise Financial Services 正基于 Cartesia 的语音模型开发多语言语音体验，其 Dhan 语音机器人已有超 75% 的交互使用非英语语言，其中印地语占一半以上。Cartesia 的 Sonic 文本转语音模型支持印地语、泰米尔语、泰卢固语、马拉地语等 11 种印度语言，并可在单次生成中切换语言。Raise 将模型部署在自有基础设施内，超三分之一语音机器人来电在非工作时间由 AI 独立处理。
OpenAI News评分2222 Asana 用 GPT-6.1 Sol 在浏览器测试中将模型成本降低 76 倍
Asana 借助 Codex 中的 GPT-6 Astra，在浏览器测试中让其浏览器智能体成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
中文技术动态精选评分6060 北京新版超高清视听产业支持措施印发：4K/8K 单项目最高支持 500 万元，有效期至 2027 年 8 月
北京市广电局 9 月 20 日印发、10 月 8 日公开的新修订措施（京广发〔2026〕73 号）显示：设立超高清视听产业发展支持资金，4K/8K 拍摄项目按制作能力与质量最高支持 500 万元，超高清数字资产共享平台、入户行动（含电视"套娃"收费治理）与 VR/数字人/裸眼 3D 融合创新项目最高支持 300 万元，并配套上市培育与产业基金机制；2024 年版措施同时废止。
推荐理由：超高清是我国音视频产业政策主线，地方配套资金细则直接影响制作与终端企业的立项方向。
Boson AI Blog评分4040 Boson AI 联合多伦多大学 MScAC 举办 2026 Higgs Audio Hackathon（10 月 23–24 日）
Boson AI 与多伦多大学应用计算硕士（MScAC）项目将于 2026 年 10 月 23–24 日在多伦多举办第二届 Higgs Audio Hackathon，设数字人体验、语音交互等三个评审方向，CEO Alex Smola 及团队成员到场。活动面向所有人开放，不限校内。
声网博客精选评分6060 微软发布三款语音模型，流式识别与合成延迟进入百毫秒区间
微软于2026年10月1日发布三款语音模型：流式语音识别MAI-Transcribe-2-Streaming、语音合成MAI-Voice-2.1和MAI-Voice-2.1-Flash。MAI-Transcribe-2-Streaming在用户开始说话后约100毫秒给出首个部分转写结果，代价是模型无法回看整句上下文，易混淆词和被打断场景的出错概率更高；MAI-Voice-2.1-Flash端到端延迟150毫秒，推理速度比上一代提升55%，成本降低约60%，分块生成可能影响语调连贯性。文章还提到ElevenLabs v4 Turbo推理延迟也在100毫秒量级，并指出流式传输下连续小片段丢包会带来明显卡顿。
推荐理由：微软三款语音模型把流式识别与合成延迟压到百毫秒级，可对照理解分块生成在准确率与语调连贯性上的取舍。
AWS Media Blog评分2222 AWS 在 IBC 2026 展示 AI 媒体能力：四项 AWS Elemental 新功能亮相
AWS 在 IBC 2026 上发布四项 AWS Elemental 新能力，将 AI、个性化与智能变现引入直播视频工作流。其中 MediaPackage Dynamic Multiview 让观众自选多机位布局，可为广播商节省最高 97% 的编码成本；Inference Contextual Metadata 则实时提取 AI 元数据以支撑个性化与情境广告决策。
Google AI Blog评分2222 Google 2026 年 9 月 AI 更新汇总：Gemini 4 Argon 等
Google 回顾 9 月 AI 更新，最新前沿模型 Gemini 4 Argon 具备 100 万 token 输出上限，面向网络安全防御，目前通过 Fairwind Program 向受信任防御者分阶段开放。同月还发布 Gemini 3.8 Flash 与 3.8 Flash Cyber、Gemini 3.8 Live 语音模型，并为 Gemini 应用新增 Connected Apps。
Inworld AI Blog精选评分7272 Inworld 收购 Ultravox：补齐语音理解与话轮管理，打通实时语音 Agent 全链路
Inworld 宣布收购实时语音 Agent 平台 Ultravox，其团队加入并继续维护平台；双方此前已有 TTS 合作。Ultravox 带来语音理解、推理与任务执行以及话轮/打断管理能力，与 Inworld 的 Realtime TTS-2、Realtime STT-1 及实时推理基础设施整合，首个整合改进已上线。
推荐理由：语音 Agent 赛道少见的端到端并购，理解侧与生成侧头部团队合并，行业格局信号明确。
声网博客评分4242 从 RTC 2026 看行业关注重心偏移：语音AI正成为实时系统研究主战场
IIT RTC Conference 2026 将"AI in RTC"设为与 WebRTC 并列的独立分论坛，语音AI对实时系统提出的规模、延迟、信任问题被正式承认为独立研究方向。会议讨论指出，语音AI路径天然非点对点，TURN中继转发压力随并发迅速堆高，可用eBPF将ChannelData包转发下沉内核层；一次对话约800毫秒延迟预算中，端点检测最难做准。2026年8月公开评测显示，语音端到端延迟最快已达0.44秒。
GStreamer News评分1717 GStreamer Conference 2026 演讲列表、摘要与讲者简介公布
GStreamer Conference 2026 的初步演讲列表、摘要与讲者简介已公布，会议将于 2026 年 10 月 10-11 日在捷克布拉格举行，会后设 hackfest。议题涵盖 GStreamer 状态、Rust 版 MPEG-TS 解复用器、GstVA 与 GstVulkan 更新、WebRTC、GStreamer 2.0 讨论及 AI 相关工具等，注册与详情见会议官网。
Tavus Blog评分5050 Orum 基于 Tavus 做 AI 销售角色扮演：会议预约率 3 倍、营收增 25%
外呼销售平台 Orum 基于 Tavus CVI 构建 AI 角色扮演教练：Raven-1 读取语气与视线，Phoenix-4.5 渲染表情，Sparrow-2 管控对话节奏；使用该功能的代表会议预约率提升 3 倍，每周功能活跃率超 50%，公司归因约 25% 营收增长，原型耗时不足一周。
声网博客评分1818 声网对话式AI引擎支撑Live Play Mobile的AI游戏主播：24小时直播与真人主播学习闭环
Live Play Mobile为其24小时宾果直播间加入AI游戏主播，将语言→语音→虚拟形象链路交给声网兄弟公司Agora的对话式AI引擎，游戏逻辑、玩家记忆与主播人设留在自有框架。团队围绕低延迟模型定制语音处理以维持长时间互动的表现力，AI负责24小时多语言运营并把有效话术反馈给真人主播。声网称其方案提供400毫秒平均全球延迟、99.99%正常运行时间，覆盖200多个国家和地区。
海外技术动态精选评分6666 Bitmovin 开发者报告：低延迟以 36% 首超成本成最大挑战
基于 94 国 486 名从业者的调查显示：低延迟（36%）首次超过成本控制（35%）成为头号挑战；98% 受访者已在用 AI/ML，46% 每天用 AI 工具；对低延迟的预期从 2020 年的 60% 期待 5 秒内降至如今的 16%，28% 受访者计划未来 12 个月采用 MoQ。
推荐理由：年度行业基线数据，量化低延迟、AI 与 MoQ 的采用曲线，对技术选型有直接参考价值。
声网博客精选评分6868 声网 iRTE2026 实时智能大会定档 10 月 23-24 日
声网宣布 iRTE2026 实时智能大会定档 2026 年 10 月 23-24 日举行，是声网年度级别的 RTE 与实时智能方向大会，具体议程以官方页面为准。
推荐理由：声网年度大会动向，通常伴随核心产品与战略发布，值得跟踪。
海外技术动态精选评分6060 Eluvio 世界杯试点：DTC 流快过卫星广播 7–10 秒
Eluvio 用 Content Fabric 零拷贝架构为一家美国一线转播商流式分发全部 104 场世界杯比赛，宣称 DTC 流领先卫星转播 7–10 秒、领先最优流媒体服务 15–25 秒且全球一致；B2B 转播馈送在美国境内低于 20ms，输入仍是 SRT/TS/RTMP、输出保持标准 DASH/HLS。
推荐理由：大规模体育直播 ultra-low-latency 的罕见公开量化数据，挑战传统 cloud+CDN 架构的成本与延迟假设。
海外技术动态精选评分5555 Cloudflare Radar 解析 2026 世界杯流量：开球时间与观赛习惯重塑全球 HTTP 流量
Cloudflare 基于全球 HTTP 遥测分析 2026 世界杯对互联网流量的影响，覆盖开球时间、流媒体观看习惯与中场休息带来的流量波动，包括深夜流量峰值与半场浏览高峰。
推荐理由：大型体育赛事对全球流媒体流量的量化观测，直播容量规划可参考。
海外技术动态精选评分7272 SEC 文件披露：Netflix 以 5.87 亿美元现金收购 Ben Affleck 参与创立的 AI 后期制作公司 InterPositive
Netflix 在截至 2026 年 6 月 30 日的 10-Q 文件中披露，3 月宣布收购的 InterPositive 现金对价为 5.87 亿美元（此前 Bloomberg 称交易最高可达 6 亿美元）；该公司专注后期制作的 AI 工具（补拍镜头、背景替换、灯光修正），不生成全新内容，16 人团队整体加入，Affleck 出任高级顾问；Netflix 另披露约 300 部作品已使用生成式 AI。
推荐理由：流媒体巨头将 AI 制作能力收归自研的最大单笔交易之一，金额与战略意图均已实锤。
FFmpeg News评分2222 Ampere 向 FFmpeg 捐赠 192 核 AmpereOne 服务器
Ampere 向 FFmpeg 捐赠了一台 AmpereOne（Mt. Mitchell）2U 服务器，配备 192 个 Arm 核心、512 GB 内存、24 个 NVMe 盘位和 2×25G 网络。为表庆祝，Dascha（daschasara）响应 FFmpeg 征集非 AI 艺术作品的号召，为其绘制了一幅画作。
海外技术动态精选评分6363 腾讯云与 Stream 合作：Tencent RTC 成为 Vision Agents 官方边缘传输插件
腾讯云宣布与开源 AI Agent 框架 Vision Agents（Stream 公司）战略合作，Tencent RTC 成为官方支持的边缘传输插件；Vision Agents 主打视频优先、端到端延迟低于 500ms、集成 25+ 插件，Tencent RTC 依托 3200+ 全球节点提供低于 300ms 的传输。
推荐理由：腾讯 RTC 通过开源 Agent 框架出海的关键合作，影响多模态 Agent 传输选型。
中文技术动态精选评分6262 火山引擎视频直播下线客户端推流 SDK，客户端场景转向 RTC SDK
火山引擎宣布视频直播停止更新并下线 iOS/Android/RN 客户端推流 SDK 文档：自 2026 年 8 月 7 日起不再功能迭代仅做维护，Web 场景建议用 Web 推流 SDK、客户端推流场景建议改用 RTC 产品客户端 SDK，存量用户可继续使用。
推荐理由：推流 SDK 收敛到 RTC 的产品路线调整，反映直播与 RTC 融合趋势。
中文技术动态精选评分6060 Bending Spoons 以 13.8 亿美元收购 Vimeo 四个月后大规模裁员，整个视频团队被裁撤
意大利公司 Bending Spoons 于 2025 年 11 月以约 13.8 亿美元（每股 7.85 美元）完成对 Vimeo 的私有化收购，2026 年 1 月 20 日宣布全球裁员，前员工称影响大部分员工、包括整个视频团队；这是 Vimeo 继 2025 年 9 月裁员 10% 后的第二轮，母公司此前收购 WeTransfer 后曾裁减 75% 员工。
推荐理由：老牌视频平台的归宿折射出独立视频 SaaS 的处境与并购整合模式的代价。
LiveKit Blog精选评分7070 LiveKit 宣布 1 亿美元 C 轮融资，估值达 10 亿美元，Index Ventures 领投
LiveKit 于 1 月 22 日宣布由 Index Ventures 领投的 1 亿美元 C 轮融资，Salesforce Ventures、Hanabi Capital 及老股东 Altimeter、Redpoint 跟投，估值 10 亿美元；其 Agents 框架月下载超 100 万次，网络每年承载数十亿次语音 Agent 通话，并已与全球电话运营商直连 PSTN；资金将用于扩展面向语音 AI 的算力、存储与网络服务。
推荐理由：实时音视频基础设施公司在语音 Agent 浪潮中的标志性融资，印证 RTC 云服务的价值重估。
海外技术动态精选评分6262 语音 AI 公司 Deepgram 完成 1.3 亿美元 C 轮融资（估值 13 亿美元），并收购语音点餐初创 OfOne
Deepgram 于 1 月 13 日宣布由 AVP 领投的 1.3 亿美元 C 轮融资，估值 13 亿美元，Twilio、SAP、Citi Ventures 等战略投资人入局，累计融资超 2.15 亿美元；CEO 称公司上一年度已现金流为正；资金用于全球化与多语言支持，同时收购 YC 孵化的餐厅语音点餐公司 OfOne（订单准确率宣称超 93%）。
推荐理由：语音 AI 基础设施赛道的头部融资，反映实时语音处理在 2026 年的资本热度。
LiveKit Blog精选评分6666 xAI 携手 LiveKit 推出 Grok Voice Agent API，语音到语音模型对外开放
xAI 与 LiveKit 合作推出 Grok Voice Agent API，将驱动 Grok 的语音到语音模型开放给开发者，Grok 已通过第一方应用和特斯拉车辆服务全球数百万用户。
推荐理由：头部模型厂商与实时基础设施厂商深度绑定的标志性合作。
海外技术动态精选评分7070 Access Advance 收购 Via LA 的 HEVC/VVC 专利池，两池并一简化授权格局
Access Advance 与 Via Licensing Alliance 宣布（2025-12-15）前者收购 Via 的 HEVC/VVC 专利池项目，由其子公司 Video Codec Licensing LLC（VCL Advance）接手管理，目标是把此前分属两个池的 HEVC/H.265 与 VVC/H.266 必要专利整合为面向几乎所有实施场景的一站式许可，降低行业长期抱怨的多池叠加与交易摩擦；Via 转向无线充电、语音、EV 等既有项目。
推荐理由：HEVC/VVC 专利授权格局十年一遇的集中化调整，直接影响设备与流媒体厂商的版税成本与谈判结构。
Cartesia Blog评分1212 Cartesia 文本转语音平台通过 GDPR 合规认证
Cartesia 的文本转语音平台已实现 GDPR 合规，满足欧盟对合法数据处理、数据主体权利和安全措施的严格要求。该合规建立在其已有的 SOC 2 Type II、PCI-DSS（服务级提供商）、HIPAA 及可选零数据保留等安全基础之上。
Cartesia Blog评分3636 Cartesia 获 Kleiner Perkins 领投 6400 万美元 A 轮融资，发布语音生成模型 Sonic 2.0
Cartesia 宣布完成由 Kleiner Perkins 领投的 6400 万美元 A 轮融资，并推出基于状态空间模型架构的语音生成模型 Sonic 2.0。该模型规模是 Sonic 的两倍但速度更快，全模型延迟 90ms、turbo 模式 40ms，在 100 个留出音色的盲测中偏好度达次优厂商的 1.5 倍，同时新增变声与音频填充两个接口。
Cartesia Blog评分3636 Cartesia 宣布 2700 万美元种子轮融资，由 Index Ventures 领投
Cartesia 宣布完成 2700 万美元种子轮融资，由 Index Ventures 领投，Lightspeed、General Catalyst 等参投。该公司基于 S4、Mamba 等 SSM 架构研发多流模型，已推出超写实语音生成模型 Sonic 并实现端侧部署，新模型在 Sonic Preview 中开放试用，未来几周将通过实时 API 提供。
Cartesia Blog评分1212 Cartesia 十月黑客松回顾：2000 多名开发者基于 Sonic 语音模型打造 50 多个项目
Cartesia 在 2024 年 10 月联合 AGI House SF、Daily 和 UC Berkeley Cal Hacks 举办三场黑客松，吸引 2000 多名开发者，围绕其 Sonic 语音模型完成 50 多个项目，并发出 2 万美元奖金。获奖项目涵盖语音填表、机器人厨师、语言学习等方向，其中 Stella 还整合了 Coval 测试框架与 Daily 实时通信基础设施。