Tavus 谈 AI 视频触点改造员工旅程：从入职到离职面谈的实时对话
文章称实时 AI 视频智能体可把入职、政策答疑、辅导与离职面谈变成实时对话，重塑员工体验各触点。
#观点/评论
Tavus Blog评分3838 Tavus Blog评分4848 数字人是什么、用在哪、哪些是噱头：Tavus 的落地与失败边界分析
文章拆解数字人把感知、语音与渲染融合为实时对话的技术构成，并区分能规模部署与被砍掉的项目之间的差别。
Tavus Blog评分4040 Tavus 谈 AI 视频智能体改善招聘候选人体验：每位申请者获得面对面初筛
文章称 AI 视频智能体（PAL）可让每位候选人获得实时面对面初筛对话，用临场感填补招聘流程中的沉默间隙。
Tavus Blog评分3838 Tavus 推出 AI 演讲陪练：用视频智能体模拟听众并反馈语速与问答
文章介绍基于 Tavus CVI 的 PAL 教练，可在正式路演前模拟真实听众，对节奏、语气与问答给出实时反馈。
Tavus Blog评分4242 RAG 聊天机器人与 RAG 视频智能体的差异：Tavus 论交互界面选择
文章认为 RAG 聊天机器人检索事实快，RAG 视频智能体增加临场感、感知与信任，建议按用例选择界面形态。
LiveKit Blog评分3636 构建实时语音与视频 AI Agent：LiveKit Agents 与 Pipecat 开源框架对比
LiveKit Agents 与 Pipecat 是构建生产级实时语音和视频 AI Agent 的两个主流开源框架，前者基于 LiveKit 自有的开源 WebRTC 和 SIP 服务器、对 Agent 做较高层抽象，后者不预设传输层、对处理链路做较低层抽象。两者都支持语音转文本→语言模型→文本转语音的核心链路及端到端语音模型，但 LiveKit Agents 放弃传输层选择与阶段增删，换取分发、扩展和多方会话的现成支持；Pipecat 则需自行接入传输并逐级组装链路。
BlogGeek.me评分3838 GitHub 上主流 WebRTC 开源媒体服务器盘点
按 GitHub 星标排名，Jitsi Meet 以 29,875 星领先，LiveKit 20,731 星、Pion 16,759 星紧随其后，数据取自 2026 年 9 月。若改按活跃度排序，榜单会重排：mediasoup 星标仅列第五，但近 52 周提交 541 次，远高于 Janus 的 66 次。作者强调没有唯一最优选择，会议场景选 Jitsi，可编程后端选 LiveKit，嵌入式项目选 Pion，大规模自建选 mediasoup。
Cartesia Blog评分4545 Cartesia 撰文辨析：TTS 模型与音色是两个东西，混淆导致设计失误
Cartesia 产品博客将音色类比为 LLM 的 system prompt：模型提供通用能力，音色作为输入塑造输出；文中区分固定说话人模型与带音色输入的模型，指出混淆两者会导致语音 AI 设计决策失误。
Cartesia Blog评分4040 Cartesia 科普：语音 AI 评估为何该看精确率与召回率而非准确率
以 RAG 检索 top_k 取舍为例讲解 precision/recall 权衡：top-3 高精确低召回、top-50 高召回低噪声风险，指出模型可以靠什么都不做拿到 90% 准确率，因此语音 AI 评估需要更诚实的指标。
海外技术动态精选评分5656 BlogGeek 观点：换协议救不了通话质量，可观测性才可以
Tsahi 以客户案例论证 WebRTC 与 SIP 的媒体质量上限相当（都走 RTP/SRTP），质量问题常被误判为协议问题；他主张在改架构前先用 getStats() 做客户端侧全量采集，因为服务端指标“只能看到一半故事”，有观测后定位问题可从数天缩短到数分钟，并明确反对在数据不足时切换 SFU、盲目上 AV1 或追逐 MoQ。
推荐理由：对“换栈解决问题”倾向的纠偏，强调客户端可观测性优先于架构决策。
海外技术动态精选评分6262 写给 CFO 的编解码经济学：AV1 已成诉讼目标，双编码梯子成本必须算清
Jan Ozer 从财务视角拆解编解码器选型：高级编码器通常在设备兼容率约 30% 时启用，意味着约 70% 流量仍走 H.264 的双梯子成本（双重编码、存储、CDN 缓存效率稀释）；不同观看分布下同一 BD-rate 的实际收益差异巨大，且 AV1 的免版税光环已失效——文末警告 AV1 正成为专利诉讼目标，版税结构正在向流媒体内容侧蔓延。文章附七步决策框架与按场景的编解码推荐表。
推荐理由：把编解码决策从技术参数拉回资本与版税账本，直接回应了 2026 年 AV1 专利诉讼升温的行业现实。
海外技术动态精选评分6565 VideoLAN 主席撰文回应 dav2d 争议：AV2 软件解码器应如何定位与命名
围绕 VideoLAN 为 AV2 开发的 dav2d 解码器项目引发的社区争议，Jean-Baptiste Kempf 阐明其定位与路线：dav2d 是 dav1d 之后的 AV2 软件解码器，先于硬件支持落地，为 AV2 生态早期提供 CPU 解码能力；文章回应了命名、归属与协作方式的质疑。
推荐理由：AV2 生态早期最具争议的社区事件，当事方第一人称回应，反映开源编解码器协作的现实张力。
海外技术动态精选评分5656 Video API 定价拆解：视频分钟均价约 $0.004 的成本模型
Tsahi Levent-Levi 分析 Video API 四种商业模式（按分钟、按 MAU、按 GB、自建）：主流按分钟计费约 $0.004/视频分钟，一个成功的 POC 可能在 9 个月内从数千美元涨到 $80,000+/月；他建议先定商业模式再比厂商价格，并给出何时转向自建 SFU 的判断框架。
推荐理由：实时音视频规模化的成本模型少有人系统写清，这篇文章给出了可对标的数字。
海外技术动态精选评分5858 编解码选型方法论：不要只看 BD-rate，要算部署时差的积分成本
文章以 1080p 剧集码率阶梯为算例给出编解码选型判断：AV2 较 AV1 约 -30%、H.266 较 H.265 约 -50%（双专利池）、H.267/ECM 预计 2029 年；指出最常见采购错误是把 BD-rate 当唯一指标——2030 年才有解码器的 40% 增益，不如 2026 年即可部署的 30% 增益，带宽节省需按部署时间窗口积分计算，并以 1000 万月活平台为例估算 AV1/AV2 迁移可省数百万美元/年 CDN 出口费。
推荐理由：把编解码之争从参数对比拉回工程与商业决策框架，观点具体、可复算。
海外技术动态精选评分6060 BlogGeek：MoQ 热度高但缺标志性客户，是找问题的方案
Tsahi 指出 MoQ 在实时侧面对已成熟的 WebRTC（自带 NACK、抖动缓冲等双向工具）、在流媒体侧面对成熟的 HLS/DASH 生态都没有明显代差，且运营商才是省去 TURN 的受益方而非终端用户；他认为需要三个条件之一才会改变看法——标志性消费服务把 30%-50% 流量切到 MoQ、公开的真实成本/性能对比数据、或一个 WebRTC 与 HLS 都无解的用例；并估计 RFC 发布要到 2027 年底至 2028 年中。
推荐理由：对 MoQ 热度的少数派冷静分析，论据具体（标准进度、厂商名单、缺失的拉动方），有助于校准技术投入预期。
海外技术动态精选评分5555 DAZN、BT 与 TATA 对谈：体育直播降延迟只在分播与博彩场景值得投入
Streaming Media Connect 2026 圆桌共识：只有当体育版权分属多家转播商或涉及博彩交易时，把延迟从 45 秒级压到广播水平才有商业回报；BT 网络侧观察到基于 UDP 的低延迟协议网络效率低于 TCP/HLS，客户端广告插入、SSL 与 DRM 开销是低延迟改造的主要障碍。
推荐理由：来自一线流媒体与运营商的工程视角，厘清"该不该为低延迟付钱"的边界条件。
LiveKit Blog精选评分5858 LiveKit 论语音 AI 传输选型：WebRTC 优于 WebSocket
文章指出把原始音频推过 WebSocket 会继承 TCP 的队头阻塞——单包丢失即让接收端停滞数百毫秒，后续音频积压后突发播放，破坏对话节奏；而 WebRTC 为实时媒体设计，在丢包恢复、抖动缓冲与拥塞控制上开箱即有，作者将其定位为“demo 能跑、生产会垮”的架构差异。
推荐理由：从协议特性出发解释语音 Agent 传输层选型，对自建实时链路的团队有直接参考意义。
Mux Blog精选评分5858 Mux 复盘 6 年播放器工程：Video.js v10 为何推倒重来
Vidstack 作者回顾从 Vime 到 Vidstack 的 6 年：累计 90 亿次 CDN 请求、700 万次 NPM 下载、6200 个 GitHub Star 与 200 多个版本。核心结论是浏览器媒体元素的事件与状态不一致（事件可能不触发或连续触发），因此 Video.js v10 放弃插件式架构，改为编译期组件与可预测的状态流。
推荐理由：主流开源播放器 v10 重构的一手复盘，指向浏览器媒体事件模型的固有坑。
海外技术动态精选评分5656 webrtcHacks 按用例对比 WebRTC 与 MoQ：不存在单一赢家
Chad Hart 回应 Fippo 的 MoQ 数据帖，认为“MoQ 会不会取代 WebRTC”这个提法本身有问题——互联网上传媒体有太多不同用例，MoQ 虽被包装成通用方案但更可能先在特定场景落地；文章按用例分析两者位置，并指出 MoQ 的 HTTP/3、QUIC、WebTransport 底座有内在技术优势，且 WebTransport 正获得所有现代浏览器支持。
推荐理由：从用例出发而非阵营出发的协议比较，帮助判断 MoQ 的真实落地顺序。
Cartesia Blog评分2222 Cartesia 发布 2024 年语音 AI 现状报告：梳理三大趋势并展望 2025
Cartesia 首份《2024 年语音 AI 现状报告》梳理出三大趋势：编排式 STT→LLM→TTS 语音系统与端到端语音到语音模型兴起，Kyutai 的 Moshi 等全双工模型实现"边听边说"；STT、LLM、TTS 三环节成熟推动语音 AI 进入企业级自然对话，LLM 成本从 GPT-4 的 45 美元/百万 token 降至 Llama 3.1 70B 的 2.75 美元/百万 token；LiveKit、Daily 及 Vapi 等编排平台将原本 6-12 个月的开发周期缩短至数周。