过去 48 小时，音视频圈讨论最多的 4 件事
10月14日 00:25 更新 · 按讨论热度排序
模思智能宣布完成超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、徐汇资本、追光硬科技创投、临港策源基金等参投，元禾控股、上海国投旗下上海科创集团、星连资本等老股东继续投资。腾讯新闻报道称，这是该公司今年第二次官宣融资。 模思智能由上海创智学院与复旦大学联合孵化于2024年，复旦大学教授邱锡鹏担任创始人兼首席科学家，公司聚焦语音、视觉及实时多模态交互。本轮资金将用于全模态实时交互智能的研发、能力建设及全球商业化落地。 公司称即将发布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，面向AI眼镜、智能汽车及机器人等场景。此前公司已围绕语音、视觉和实时多模态发布20多个模型并持续开源。
最新进展模思智能完成超10亿元Pre-A轮融资，将发布MOSS Live实时交互模型
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。该应用在后台持续采集环境音频、处理用户全天听到的内容，可在会议中主动给出建议并跨设备续接任务。 Mo 称环境采集默认关闭、用户可随时关闭，告知周围人的责任仍在用户；公司称不存储录音并加密数据，但未说明加密方式。另一报道指出，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。 Ambi 还计划推出桌面应用，可查看用户工作内容并将重要部分存入记忆以提供更个性化建议；同时计划推出带屏幕、扬声器、摄像头和麦克风的硬件设备。
彭博社记者马克·古尔曼在苹果10月13日纽约发布会前透露，新一代Apple TV 4K已测试内置麦克风，用户可直接对设备说Siri，而现款仅在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。 古尔曼称，新款Apple TV 4K搭载A19芯片，与升级S10芯片的新款HomePod mini同在10月13日亮相、10月30日发售。同场预计发布的主角是带触控屏的智能家居中枢HomeView，搭载A18芯片、支持Siri AI，有桌面版和壁挂版，但不提供第三方App Store，预计11月中旬上市。 上述均为发布会前的爆料，产品实际配置与发售安排尚未由苹果确认。
Cloudflare 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、音频和视频并直接输出各允许答案的概率，无需先做转写或字幕。它基于阿里 Qwen3-Omni-30B-A3B-Instruct 后训练，30B 总参数、每 token 仅 3B 参与计算（MoE），采用 Apache-2.0 许可，在 Workers AI 上以 @cf/cloudflare/clef-omni 调用，上下文 64,000 tokens，限制为 2 段 60 秒视频和 4 段 5 分钟音频；自托管在单张 H200 上 bfloat16 约需 64 GB 显存。 Cloudflare 称 Clef-omni 在意图分类上领先，CLINC150+OOS 达 97.7 macro-F1，但在推理与工作流评测中落后于 Clef，GPQA Diamond 仅 47.4；这些基准来自 Cloudflare 公告，未经独立验证。DataNorth AI 报道称，加入音视频后 agent 任务准确率有所下降，官方未公布音视频基准。 同批更新将 Clef…