GStreamer 0.10 稳定系列更新：Core 与 Base Plugins 0.10.23、Python Bindings 0.10.15
GStreamer 团队为 0.10 稳定系列发布 Core、Base Plugins 与 Python Bindings 的新版本，提供各自的 release notes 与源码包下载。该条目来自官方新闻页旧存档（0.10.23 为 2009 年的版本），无更多技术细节。
#开源/仓库
GStreamer News评分1010
arXiv eess.AS评分6060 Oído：在 5 美元 ESP32-S3 微控制器上运行开放词表语音识别
论文提出 Oído 推理引擎，在无神经网络加速器的 ESP32-S3（240 MHz 双核 Xtensa LX7、512 KB SRAM、8 MB PSRAM、16 MB flash）上运行开放词表英语语音识别，执行 13M 参数 Conformer-CTC 模型，采用 int8 权重、逐帧动态 int8 激活和 int8 注意力。在 LibriSpeech test-clean/test-other 上端侧算术达到 3.70%/8.23% WER，与全精度相差 0.12 个百分点；加片上 1.3M 参数语言模型后为 3.33%/7.15%，transducer 头为 2.99%/6.67%，int4 变体占用 8.3 MB。实测固件单核运行耗时为音频时长的 1.97 倍，尚不能实时，双核调度在芯片上结果错误已禁用；流式变体在 3.6-10.6 s 片段上于结束后 4.1-11.1 s 输出最终文本，WER 为 4.86%/11.03%。代码与模型已发布。
AWS Media Blog精选评分5050 AWS 发布开源文件传输工具 File Mover Express，直传 Amazon S3
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。
whisper.cpp Releases评分2222 whisper.cpp v1.9.5 维护版本发布，同步升级 ggml v0.26.0
whisper.cpp 发布 v1.9.5 维护版本，同步将 ggml 升级至 v0.26.0，nightly 构建号为 b5454。此次更新以 ggml 后端修复与优化为主，涵盖 CUDA、Vulkan、Metal、WebGPU、SYCL、Hexagon 等平台的 Flash Attention、量化与矩阵乘内核改进，并修复多处内存越界与溢出问题。
LiveKit Server Releases评分1212 LiveKit Server v1.13.8 发布
LiveKit Server 发布 v1.13.8，新增 agent HTTP endpoints 数据平面，并支持将 sender report 的 abs-capture-time 原样透传。该版本还修复了接收端关闭后仍添加 down track、无 dispatch rule 时改为拒绝而非丢弃等问题，并优化了 SFU 转发路径的每包内存分配。
Cactus Engineering Blog精选评分6565 Cactus 开源 Whistle：16.9 MB 端侧语音识别模型，7 种语言、首 token 11 毫秒
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。
海外技术动态精选评分5858 libaom v3.15 发布：VOD 低复杂度解码模式支持 720p-1080p 并修复一批 AI 检出的安全问题
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。
LiveKit Server Releases评分1010 LiveKit Server v1.13.7 发布
LiveKit Server 发布 v1.13.7，新增 VP9/AV1 simulcast 支持，并为 udp:// URL 拉流 ingress 加入可选支持。该版本还让 LocalParticipant 新增 GetSubscribedDataTracks，TCP 监听器上的 TURN 开始接受 PROXY protocol，并修复了数据轨道订阅死锁等问题。
Hugging Face Speech-to-Speech Releases精选评分6262 Hugging Face speech-to-speech 发布 v1.0.0：统一 Realtime 引擎与 serve/talk/local 三命令
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 AI Blog精选评分6262 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。
海外技术动态精选评分5555 mediasoup-client 3.23.0 新增 RTP 扩展控制能力
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。
Hugging Face Speech-to-Speech Releases精选评分5858 Hugging Face speech-to-speech v0.2.12：Smart Turn v3.2 端点检测与 OpenAI Realtime 的 WebRTC 传输
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。
海外技术动态精选评分7575 FFmpeg 9.0 深度解读：swscale 重写落地、全库 ABI 升版与原生动图 WebP 解码
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。
SVT-AV1 Releases评分7070 SVT-AV1 4.2 发布：新增 TUNE-VMAF 模式与面向 RTC 的 CBR 率控
AOMedia 官方 AV1 编码器 SVT-AV1 4.2.0 在 VOD/随机访问模式新增 TUNE-VMAF 目标模式，宣称可带来约 15% 的 VMAF BD-rate 收益而 PSNR 损失极小，并支持单线程处理模式；在 RTC/低延迟模式加入基于 Kalman 滤波 QP 估计的 CBR 率控、循环刷新、帧级重编码以及运行时动态调整预设/码率/帧率的能力，同时补充 LTR 参考帧管理 API 与大量 Arm NEON/SVE2 优化。
海外技术动态精选评分6262 mediasoup 3.20.0 发布：内置 SCTP 栈替换 usrsctp
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。
海外技术动态精选评分6262 x265 4.2 发布：实验性线程化运动估计可将 1080p 编码提速至 1.5 倍
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 Blog精选评分6363 LiveKit 开源唤醒词训练工具：单命令训练自定义唤醒词，误报较 openWakeWord 低 100 倍
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。
海外技术动态精选评分7878 FFmpeg 维护者 Lynne 在 Khronos 博客详解纯 Vulkan 计算着色器编解码器的实现
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。
海外技术动态精选评分7272 Hume AI 开源 TADA：1:1 文本声学对齐的零幻觉 TTS
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。
OpenMOSS MOSS-TTSD Releases评分4242 OpenMOSS MOSS-TTSD 发布 v0.7：v1.0 架构迁移前的存档版本
OpenMOSS 的对话式 TTS 项目 MOSS-TTSD 打上 v0.7 标签，release 说明仅注明这是 v1.0 迁移前的存档版本（Archive v0.7 before v1.0 migration），未列出具体功能变更或指标。
海外技术动态精选评分5858 Janus 1.4.0 发布：multistream 分支首个正式版本
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。
海外技术动态精选评分6060 GStreamer 1.28.0 发布：新增 Vulkan AV1 解码
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。
海外技术动态精选评分6565 Fraunhofer 开源 VVC 编码器 vvenc 1.14 发布，启用默认 SVE 与大量 ARM 优化
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。