你的大脑每次切换注意力时，都在偷偷进行一场不对称战争。 最新脑科学研究发现，当你在嘈杂环境中切换听话对象时，大脑对旧声音的“放手”速度远远慢于对新声音的“抓取”速度，中间还会出现一个两路声音同时被大脑清晰解码的短暂窗口。这项发表在《PLOS生物学》上的研究，通过脑电图实验颠覆了我们对听觉注意力的传统认知，也为未来智能助听器和脑机接口开发提供了全新神经解码思路。...

本文提出了一种基于ZEGO的手动混流方案，适用于大班和小班课，强调声音主权和焦点切换的管理。方案包括课堂混流管理、学生静音策略及录制回放等细节，旨在提升在线教学体验。

本文讨论了直播中主播声音干扰的问题，提出使用ZEGO的自动混流方案来解决。该方案通过标记主播流为焦点，自动管理音频流，确保主播声音突出，降低维护成本。文章还介绍了自动混流的实现步骤和适用场景，强调了其在直播中的优势。

本文介绍了ZEGO实时音视频SDK的混流焦点语音方案，旨在解决多人会议中重要发言人声音被淹没的问题。通过服务端混流，突出特定发言人的声音，适用于视频会议和在线课堂等场景。方案包括核心原理、关键API参数及实现步骤，强调统一控制和动态切换焦点的优势。

该研究聚焦于文本到声音视频生成（T2SV），旨在从文本生成同步音频的视频。为解决文本条件瓶颈和跨模态特征交互机制不明确的问题，提出了交叉参考重写器（CRR）框架，通过提取语义锚点和生成解耦的字幕对，消除模态干扰，缩小训练与推理之间的差距。

Netflix将于9月23日首播以《威利·旺卡》为主题的真人秀《金票》，节目将使用AI生成的基因·怀尔德声音，并获得其家族同意。12名获胜者及其搭档将参与竞争，最终于9月30日决出冠军。

浙江大学和腾讯团队提出了JAVEdit-100k数据集及评测基准JAVEditBench，填补了音视频联合编辑的空白。研究表明，JAVEdit在评测中表现优异，音视频同步性提升26%。该工作为多模态编辑提供了高质量资源，并指出音频基础模型的不足，未来需加强音频编辑能力。

麻省理工学院（MIT）领导和教职员工讨论如何在大波士顿地区促进创新和人才发展。MIT在2026年《波士顿环球报》发布的“科技领军人物”名单中有八位成员入选。MIT致力于推动人工智能和创业，推出免费在线AI课程，支持学生创业，并在能源、微芯片和清洁技术等领域进行创新，推动波士顿成为技术中心。

Conclave的自名专辑融合了拉丁节奏、合成低音和派对氛围，成为夏季热门音乐。曲目如“Habla”和“Perdón”展现了纽约街头文化，带来愉悦的舞动感。制作人Cesar Toribio巧妙融合多种音乐风格，创造出充满活力的音乐体验。该专辑可在主要流媒体平台上收听。

本文探讨了AI语音聊天机器人的人设与声线设计，强调了三种主要方法：prompt工程、模型微调和声音克隆。prompt工程适合探索阶段，成本低、迭代快；模型微调提高人设辨识度和一致性；声音克隆确保声线独特性。最佳实践是结合三者，根据项目阶段逐步引入，以提升用户体验和产品差异化。

Google DeepMind 发布了新款多模态模型 Gemma 4 12B，参数为120亿，但在多项测试中表现接近260亿参数的模型。其无编码器架构显著降低了推理延迟和内存占用，支持音频输入，并可在普通笔记本上运行，降低了部署成本，为开发者提供了接近顶级性能的选择。

研究人员展示了一种新型攻击，称为“音频劫持”，通过微小音频变化操纵语音助手，执行未经授权的操作，成功率高达96%。该攻击不需直接访问设备，可能在Zoom等会议中实施。微软对此研究表示欢迎，但强调需采取额外保护措施。

王朝晖首次用iPhone让失聪的母亲王书珍体验音乐，通过震动感受《远山》，王书珍兴奋地表示喜欢。导演沈煜傑记录了这一感人瞬间，展现了母子间深厚的情感。

MOSS-Audio是一个开源音频理解模型，集成了语音转录、情感分析和环境声音理解等功能。其模块化设计包括音频编码器和大型语言模型，采用DeepStack跨层特征注入和时间感知表示技术，显著提升了音频处理能力。MOSS-Audio-8B-Thinking在音频理解基准测试中表现优异，准确率达到71.08%。