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。
内容形态
行业动态 最新动态
音视频行业的商业脉搏：融资并购、人事变动、合作与竞争、市场信号。
15 条精选近 30 天 3 条共收录 35 条
更新
行业动态的精选
东方财富精选评分3434
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。
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。
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。
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。
海外技术动态精选评分5555 FOSDEM 2026 年度报告：FFmpeg、VLC、x264、dav1d 社区现状与 Kyber 进展
Jean-Baptiste Kempf 在 FOSDEM 2026 发布的年度社区状态更新，覆盖 FFmpeg、VLC、x264、dav1d、libplacebo、libspatialaudio 等开源多媒体项目的最新进展，以及新项目 Kyber 的动态。
推荐理由：开源音视频核心生态的一年一度社区盘点，了解项目走向的捷径。
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。