扩散模型在图像生成方面取得了重要进展，但由于推理步骤多和分辨率限制，实际应用受到制约。为提高效率和图像保真度，提出了GenDR和GenDR-Pix模型，优化了VAE和UNet，支持高分辨率图像处理，增强了细节恢复效果，推动生成技术与实际业务的结合。

网龙与字节跳动的火山引擎签署合作协议，共同开发AIGC教育资源，构建创新教育生态，重点在技术创新、资源共创和商业应用，推动智能教育内容的开放生态，应用于智慧校园和师资培训等场景。

火山引擎发布的豆包语音识别模型2.0提升了上下文理解和多模态视觉识别能力，支持13种语言，优化了专有名词和多音字的识别，增强了语音识别的准确性和适应性。

AAAI 2026会议共录用4167篇论文，录取率为17.6%。火山引擎与北大合作的VQ-Insight论文获口头报告，提出了一种基于强化学习的视频质量理解方法，显著提升了AIGC视频生成质量，具备良好的泛化能力和解释性。

11月9日，英雄联盟S15全球总决赛圆满落幕，T1战队夺冠。虎牙直播作为官方平台，热度超过4000万，火山引擎提供技术支持，确保直播质量与低延迟。双方合作应对流量峰值，推动AI与直播技术创新，提升电竞直播体验。

NeurIPS 2025公布了5290篇论文录用结果，其中火山引擎与北大合作的Q-Insight被评为亮点文章。Q-Insight通过强化学习优化图像质量，超越传统方法，展现出卓越的准确性和泛化能力，推动音视频技术发展。

视频时序定位是视频理解的关键任务，旨在根据自然语言查询精确定位视频片段。火山引擎与南开大学联合研发的TempSamp-R1框架，通过创新的混合策略采样、非线性优势塑造和混合CoT训练，显著提升了视频时序定位的效率和精度，已在多个数据集上刷新记录，推动智能剪辑技术的发展。

火山引擎在武汉发布了四款豆包大模型，升级至1.6版本，支持多种思考长度，并推出新语音合成和复刻模型。智能模型路由功能帮助企业优化模型选择，提升效率和降低成本。预计到2025年，豆包大模型日均调用量将突破30万亿，火山引擎在公有云市场占有率达49.2%。

火山引擎多媒体实验室的LiveGS技术成功实现移动端实时自由视角视频直播，解决了高计算负载和带宽需求问题。该技术将在2025年SIGGRAPH展出，应用于体育直播和虚拟演出等场景，提升用户体验。

音频编码器在多模态大模型中至关重要。ICME 2025音频编码器挑战赛吸引了多家知名企业参与，火山引擎凭借其技术团队在多个任务中获胜，展示了强大的音频特征提取能力，推动了音频表征的进步。

2025年6月11-12日，火山引擎原力大会在北京举行。移远通信展示了升级版Wi-Fi AI玩具解决方案，集成硬件、音频算法和物联网平台，支持高速连接和低功耗，具备多种唤醒方式，便于用户远程控制和管理。