Steam远程畅玩主机在捆绑的FFmpeg编码器libavcodec中发生段错误崩溃，触发堆内存损坏。两份报告均指向Steam自带的libavcodec，H.264编码几分钟即崩溃，HEVC可维持数小时。Valve已将第二份报告合并为重复问题，但未说明根因，问题仍开放。

Eyevinn Technology 在 Open Source Cloud 上线了一款开源直播编码器。用户创建实例后，将 OBS 等 RTMP 编码器指向端点，即可获得自适应 HLS 流，无需编写代码。该编码器基于 ffmpeg，采用 MIT 许可证，支持自部署，默认输出两路 H.264 档位，参数可配置。免费套餐含 100 token，每天消耗 50。

GStreamer 1.28.8 发布，是 1.28 系列的第八个维护更新。新增 MXF 解复用器对 AAF AIFF-AIFC 音频的读取支持，改进 AMD AMF AV1 编码器强制关键帧、Windows 媒体搜索及 hlssink3。修复 FFmpeg 音频编码器耗尽、ISOBMFF 复用器时间戳翻转、VA-API 合成器 Intel GPU alpha 混合等问题，并提升 RTP、RTSP、FLAC 及 HLS/DASH 播放稳定性。

Shotcut 26.9 发布，新增音频自动闪避、音量控制、轨道电平表和虚拟片段调整功能，支持 FFmpeg 9.0，提升音频质量与时间线性能，界面更现代，改进外部插件管理，并修复多项错误与安全问题。

作者用Rust重写交叉编码器推理库cross-encode-rs，并与Python的fastembed和sentence-transformers对比。三者底层均使用onnxruntime，小模型上性能接近，Rust仅快约1.1倍；大模型上Rust快约1.4倍，模型加载时间相当。结论是底层运行时比编程语言更重要，但Rust在部署和并发控制上仍有优势。

苹果设备端听写依赖神经音频编码器作为分词器，其参数量影响内存、功耗与延迟。研究提出潜空间蒸馏压缩法：以量化前的潜表示为目标，仅训练学生编码器回归教师逐帧潜表示，并用仿射层对齐宽度。2.8倍压缩下，六组师生中五组相对WER仅差1.9%，优于同容量独立训练编码器3.9%。

Bitmovin发布第三代编码器，新增HEVC和AV1编解码器。HEVC逐标题编码可降低比特率15.5%，提升画质达4个VMAF点，减少计算时间25%；AV1速度提升66%。新版本还支持Dolby Vision、HDR10、实时VMAF评分，并通过MCP服务器实现AI只读访问编码任务。该版本支持基于MOQ的超低延迟直播，计划今年晚些时候正式发布。

H公司发布NeoMME系列双向编码器，采用单塔架构同时处理文本与图像块，移除视觉塔和因果解码器。其中NeoMME-Retriever-260M在ViDoRe v3基准上达到0.523 nDCG@10，性能媲美3.75B模型，但体积小14倍。该模型支持高效索引压缩，但纯文本检索能力较弱。

AVer推出NC30，一款灵活的NDI编码解码器，支持HDMI、USB-C和NDI视频源转换，连接传统音视频系统与IP网络。它简化会议室、教室等混合环境的部署，优化BYOD工作流，无需额外硬件即可访问专业音视频资源，兼容现有AVer设备，提升协作效率。

该文探讨视频编码器专利权利要求是否应视为标准必要专利（SEP）。作者主张不应一概排除编码器权利要求，而应区分涉及标准定义比特流元素的“语法声明”与涉及非标准化编码效率改进的“优化声明”。前者可认定为SEP，后者则不应。文章强调必要性取决于技术联系而非权利要求起草角度，并呼吁采用差异化方法以平衡专利池和FRAND许可。

全球视频编码器市场预计到2025年将达到27.3亿美元，2035年增至44亿美元，年均增长率为4.90%。主要推动因素包括5G和流媒体基础设施的快速部署，以及直播制作向云架构的迁移。AI和新一代编解码器的应用将进一步推动市场发展，降低成本并提升视频质量。

FFmpeg 项目在今年五月为 APV 视频格式引入了 Vulkan 加速解码和编码。开发者 Lynne 发布了首个 Vulkan APV 编码器“apv_encode_vulkan”，并已合并到 FFmpeg Git 代码库中。APV 是一种开源视频编解码器，支持高保真视频制作，并兼容 Google Android 16 及以上版本。

赛事直播的低延迟实现依赖于编码器配置、推流协议和播放器缓冲。推荐使用H.264编码，GOP设置为1-2秒，推流协议选择SRT或WebRTC，以降低延迟至1秒以内。同时，优化链路减少转发节点，合理设置播放器缓冲，以确保观众体验流畅。

Miri Technologies Inc. 发布了 V410 4K 实时视频编码器/解码器，支持 60 帧每秒的 4K 输出，具备 HDMI、3G-SDI 和 USB 接口，操作简便，适合各类用户。它支持多种编码解码格式和协议，具备内置 Wi-Fi 7 和双千兆以太网接口，现已发售。

这篇文章介绍了Transformer模型的结构和关键概念。Transformer通过注意力机制替代RNN，解决了序列建模中的上下文依赖问题。引入位置编码使模型能够感知token的位置信息，注意力机制包括自注意力和交叉注意力。编码器和解码器结构相似，但解码器使用因果掩码以确保生成序列的自回归特性。整体上，Transformer实现了高效的并行计算和长距离依赖处理。

Google DeepMind 发布了 Gemma 4 12B，这是一个无编码器的多模态模型，支持文本、图像、音频和视频处理。该模型在消费级笔记本电脑上运行，性能接近 26B MoE 模型，但内存占用不到一半。它通过直接输入视觉和音频数据，简化了处理流程，提升了整体质量和指令遵循性。

谷歌最新的Gemma 4 12B是一款轻量级多模态AI模型，采用无编码器架构，能够直接处理图像和音频，提升了效率和理解能力。其120亿参数使其在普通电脑上运行成为可能，具备高效、快速的响应能力，并支持本地运行，确保隐私和安全。Gemma 4 12B适合个人用户和开发者，具有极高的可定制性。