RePro Stream推出了桌面流媒体编码器Pulsar，支持实时传输最多四个信号，降低直播成本和设置时间。用户可通过互联网直接发送QTAKE输出，适合创意团队实时协作，支持超低延迟流媒体。Pulsar现提供测试版，兼容Mac和Windows，Linux版本即将推出。

Meta推出了感知编码器视听模型（PE-AV），该模型通过对1亿个带字幕的音视频对进行训练，实现音频、视频和文本的对齐表示。PE-AV在多个基准测试中表现优异，支持跨模态检索和理解，并结合两阶段数据引擎生成合成字幕，提高了多模态监督的效率。

英特尔发布了libvpl 2.16版本，新增AI辅助视频编码的实验性API，支持显著性编码和自适应目标使用方案。具体实现细节尚未公布，用户可在GitHub上获取该版本。

国际语音会议Interspeech 2026将于2026年9月在悉尼举行，期间将举办音频编码器能力挑战赛（AECC）。比赛聚焦音频编码器在复杂场景下的表现，参赛者需提交预训练模型，主办方提供评估系统。参赛者可使用公开数据集，报名截止日期为2026年1月25日。

现代大型多模态模型（LMM）在服务时效率低下，因视觉编码器与文本生成阶段共享资源。通过将视觉编码器独立服务化，可以实现流水线执行，消除干扰，提高吞吐量并降低延迟，从而优化资源分配和提升多模态请求处理效率。

自编码器在地质勘查中广泛应用，尤其在异常识别方面。深度自编码器（DAE）通过无监督学习和非线性特征提取，有效处理复杂地质数据，识别潜在成矿模式，推动成矿预测的发展。

GStreamer 发布了 1.26.7 版本，增强了对 NVIDIA Jetson AV1 编码器的支持，新增了 rtspsrc 元素的 TCP 模式，提升了 GoPro 视频性能，修复了多个元素的问题，并将 Meson 更新至 1.9.0 版本。

机器学习模型依赖数据，构建包容性系统需重视代表性数据集的设计。目前新手工具较少，难以促进数据设计实践的学习。我们提出了四种数据设计实践（DDPs）。

Hugging Face发布了mmBERT，这是一种新型多语言编码器，训练于超过3万亿个标记，涵盖1,833种语言。该模型通过渐进式训练，从60种高资源语言扩展到所有语言，显著提升了多语言理解能力，并在多个评估中超越了早期的多语言编码器，展现了高效性与覆盖率的平衡。

Bitmovin 宣布 Plex 选择其 VOD 编码器在 Oracle 云上支持 TVOD 和 PVOD 服务，该编码器提升视频质量并降低 CDN 和存储成本，Plex 的成本分别降低 23% 和 55%。

流媒体视频运营团队追求高质量观看体验与成本降低，转码是关键成本因素。选择合适的转码解决方案（如CPU、GPU或ASIC）可优化资本与运营成本。基于ASIC的转码器在功耗、性能和可扩展性方面表现最佳，适合高需求环境。

预计到2024年，全球单通道视频编码器市场将达到2.89亿美元，2032年增至4.23亿美元，年均增长5.5%。亚太地区因高清视频需求和IP监控扩展而增长最快，便携式编码器市场年均增长率为9.2%。AI技术和5G网络的应用推动市场发展，以满足高分辨率视频流的需求。

小米的MiLM Plus提出了一种轻量级的语音增强方法，利用预训练音频模型提取特征，通过音频编码器和降噪编码器生成清晰语音，性能优于传统模型，计算效率高。实验结果显示，该系统在语音质量和说话人保真度上具有显著优势。

CRF值调节在视频编码中影响画质与码率的平衡。提高CRF可降低码率但画质下降，反之亦然。调节CRF是解决视频编码中画质与成本矛盾的有效方法，体现了视频编解码领域的持续发展与挑战。

FFmpeg 开发者正在优化基于 Vulkan 的 FFV1 编解码器，AMD 和 NVIDIA GPU 性能分别提升了 35% 和 50%。新提交通过解码器缓存的 EC 写入器显著提高了编码效率。