每周一期，縱覽音視頻技術領域的干貨。

新聞投稿：contribute@livevideostack.com。

人工智能研究人員聲稱，通過Zoom音頻檢測擊鍵的準確率為93%

通過記錄按鍵并訓練深度學習模型，三位研究人員聲稱，基于單個按鍵的聲音特征，他們在解釋遠程按鍵方面的準確率達到了90%以上。

https://arstechnica.com/gadgets/2023/08/type-softly-researchers-can-guess-keystrokes-by-sound-with-93-accuracy/

GitHub 1.1萬星，模擬軟件開發(fā)流程，開源框架MetaGPT爆火

隨著大型語言模型（LLM）的日漸成熟，利用其構建 AI 智能體成為一個新的研究方向。已有研究使用 LLM 驅(qū)動多智能體自主完成了一些任務。然而，現(xiàn)有研究主要集中在簡單任務上，缺乏對復雜任務的探索。這主要是因為大型語言模型存在「幻覺」問題，特別是當多個智能體相互作用時，幻覺會進一步被放大，以至于無法用于復雜任務。最近，一個名為「MetaGPT」的開源框架嘗試解決這個問題。

對話Sam Altman與Greg Brockman：初心和過去，信念和現(xiàn)在，責任和未來

近日，硅谷著名投資人Reid Hoffman和Aria Finger聯(lián)手對Sam Altman和Greg Brockman進行了一場訪談，訪談涉及到主題有：OpenAI的使命，人工智能對教育、醫(yī)療等行業(yè)的變革性影響，人工智能如何面對監(jiān)管，OpenAI成功的關鍵，未來的發(fā)展暢想。?

麥肯錫：ChatGPT等生成式AI加速，美國30%工作時間將實現(xiàn)自動化

全球頂級咨詢調(diào)查機構麥肯錫發(fā)布了《生成式AI與美國未來工作》的深度調(diào)查報告，詳細分析了生成式AI對美國勞動力市場的影響。

AI日報｜ChatGPT更聰明了；為什么蘋果不主動在AI領域炫技？

此前有消息稱，OpenAI 購買了 AI.com，以便將其重定向到 ChatGPT 網(wǎng)頁界面，這引起了一陣騷動。

OpenAI CEO親自示范！自定義指令上手攻略，調(diào)教專屬定制化AI助手

OpenAI推出了ChatGPT的自定義指令功能后，似乎沒有收到用戶們的熱情回應，Altman本人都下場親自教大家使用。

NeRF與三維重建相關

本文對室外神經(jīng)輻射場使用深度先驗進行了全面的研究和評估，涵蓋了常見的深度傳感技術和大多數(shù)應用方式。

ICASSP 2023說話人識別方向論文合集（二）

本文是 ICASSP 2023說話人識別方向論文合集系列第二期，整理了 Speaker Verification 后16篇和 Speaker Diarization 部分的17篇。

基于AI和NPU的Codec變革——VPU與NPU的協(xié)同創(chuàng)新

在這個快速變化的數(shù)字媒體時代，Codec技術在視頻和音頻處理中扮演著至關重要的角色。AI的崛起為Codec帶來了前所未有的機遇和挑戰(zhàn)，同時VPU與NPU的發(fā)展與協(xié)同創(chuàng)新，使得Codec能夠更好地適應復雜的場景和需求。

面對算力瓶頸，如何利用CPU解決全鏈路智能編碼？

英特爾是半導體行業(yè)和計算創(chuàng)新領域的全球領先廠商。與合作伙伴一起，英特爾推動了人工智能、5G、智能邊緣等轉(zhuǎn)折性技術的創(chuàng)新和應用突破，驅(qū)動智能互聯(lián)世界。

業(yè)內(nèi)首次！快手直播盛夏巔峰之夜應用全鏈路4K+HDR直播技術

2023快手直播盛夏巔峰之夜近期在上海舉行，在4小時的直播中，快手首次采用了全鏈路4K+HDR直播技術，實現(xiàn)了從清晰度到光影色彩的全面提升，為觀眾呈現(xiàn)了一場極致的視覺盛宴，這也是該項技術在業(yè)內(nèi)大型直播活動中的首次應用。

MediaUni——面向未來的流媒體傳輸網(wǎng)絡設計與實踐

本文從應用對流媒體傳輸網(wǎng)絡的要求、MediaUni定位與系統(tǒng)架構、MediaUni技術剖析、基于MediaUni的應用落地和流媒體傳輸網(wǎng)絡的未來5個方面展開介紹。

超低延時直播技術的前世今生

據(jù)中國互聯(lián)網(wǎng)絡信息中心發(fā)布的《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》顯示，截止到 2022 年 6 月我國網(wǎng)絡直播用戶規(guī)模達到了 7.16 億，占網(wǎng)民整體的 68.1% 。

華為參與制定標準，無線短距通訊“卷王”來了

一年一度的華為HDC（開發(fā)者大會）如約而至，帶來了萬眾矚目的HarmonyOS 4.0，盤古大模型、方舟引擎等一系列前沿技術，也亮相新一代無線短距通信技術：星閃 NearLink。

自動駕駛與GNSS之戀

GNSS是所有衛(wèi)星導航定位系統(tǒng)的總稱，凡是可以通過捕獲跟蹤其衛(wèi)星信號實現(xiàn)定位的系統(tǒng)，均可納入GNSS系統(tǒng)的范圍。GNSS信號是廣播式，即只要你能收到信號，就可以實現(xiàn)定位，不需要用戶和衛(wèi)星進行交互，即理論上來說，GNSS系統(tǒng)的用戶容量是無限的。

目前主流車企都使用的哪些車機芯片和智能駕駛芯片？

目前市面關于自動駕駛行泊一體的解決方案基本都用到多顆SoC的策略，常見組合包括低算力TDA4 * 2方案、TDA4 + 3J3方案、高算力Orin * 2（*4）方案、MDC610 * 2方案等等，多顆SoC是如何聯(lián)合工作的是個很有意思的問題，今天拿TI的雙TDA4方案做一下解讀，其中的思路可以幫助理解其它多SoC方案。

大有可為的模擬芯片

模擬芯片負責處理連續(xù)的模擬信號。半導體市場主要包括集成電路（即芯片）、分立器件、光電子器件、傳感器等四大類產(chǎn)品，其中集成電路市場占比最大。

Pro Tools現(xiàn)已免費提供MPEG-H制作插件

Fraunhofer IIS的MPEG-H制作插件現(xiàn)已免費提供給Pro Tools Ultimate客戶。前不久，F(xiàn)raunhofer IIS宣布與Avid建立戰(zhàn)略合作伙伴關系。Avid為Pro Tools Ultimate客戶提供MPEG-H制作功能，代表著合作關系愈加深入，從而為音頻創(chuàng)作開啟無限創(chuàng)意可能。

https://www.audioblog.iis.fraunhofer.com/cn/mpegh-pro-tools

音頻編解碼學習--MDCT 學習

在音頻編解碼中，MDCT變換是一個非常重要的基礎概念，它在MP3和OGG介紹中都有涉及到。MDCT變換是一種數(shù)學變換，它將時域信號轉(zhuǎn)換為頻域信號，這對于音頻編解碼來說非常關鍵。

Spectral sensor及其在手機領域的應用

Spectral sensor可以說是多光譜成像的一個變種。多光譜成像一般是用在食品、工業(yè)檢測，以及地球遙感成像領域。

CVPR 2023 Tutorial Talk | 走向統(tǒng)一的視覺理解界面

如果我們對計算機視覺模型進行類似的預測，現(xiàn)在我們正在應對不同類型的圖像級任務，如圖像分類、圖像描述，以及像素級任務圖像分割等。實際上我們感興趣的是，如何遵循類似語言模型的發(fā)展路徑，進行統(tǒng)一，并增進計算機視覺模型的人類-AI 交互。

告別VR噩夢！Meta Reality Labs破解虛擬痛點，重塑全新VR世界

在SIGGRAPH 2023大會上，來自Meta Reality Labs的兩個原型機讓我們看到了「未來的一瞥」。

顯示技術專家Karl談Vision Pro：用虛擬屏替代物理屏是荒謬想法

近眼顯示技術專家卡爾·古塔格（Karl Guttag）對蘋果Vision Pro的分析。

CVPR 2023教程 | 多模態(tài)智能體-鏈接大模型

在 Linjie Li 的演講中，她回答了多模態(tài)智能體中的重要問題之一：如何用大模型將多模態(tài)智能體串聯(lián)起來。

全球半導體行業(yè)格局與演變趨勢

過去五年里，芯片制造行業(yè)發(fā)生了重大變化，例如英特爾將桂冠輸給了兩個相對較新的競爭者——三星和臺積電。

NVIDIA使擴展現(xiàn)實流更具可擴展性，可定制給企業(yè)和開發(fā)人員

各行各業(yè)的組織都在使用擴展現(xiàn)實(XR)來重新設計工作流程并提高生產(chǎn)力，無論是沉浸式培訓還是協(xié)作式設計。

https://blogs.nvidia.com/blog/2023/08/08/cloudxr-suite-simplifies-enterprise-streaming/

室溫超導：一個反復上演 “狼來了” 的研究領域

一隊韓國學者發(fā)布兩篇論文，宣布物理學領域重大突破，世界震動之余又將信將疑。一些同行試圖通過重復實驗或計算驗證可行性，也有一些學者提醒公眾別激動得太早。如今復現(xiàn)實驗有了新進展 —— 整體不樂觀，不過出現(xiàn)了積極的證據(jù) —— 學界還在疑惑，資本市場已被點燃。

專訪騰訊技術專家張賢國：十余年視頻編碼老兵，對技術仍保有敬畏之心

Vision Pro的發(fā)布，點燃了空間計算新時代的熱潮。作為騰訊云架構平臺部香農(nóng)實驗室（以下簡稱香農(nóng)實驗室）的技術負責人，張賢國向我們分享了香農(nóng)實驗室在視頻編解碼和空間媒體處理能力的最新進展與布局。

對話咔嚓剪輯金邦飛 | 如果把我的人生類比成播放器去開發(fā)與設計...

至今，多媒體的發(fā)展史大約有40年的時間，這40年里， 一代代技術人不斷投身于多媒體事業(yè)的汪洋。LiveVideoStack此次采訪金邦飛——深耕該領域的技術老兵。關注多媒體技術標桿的時代故事。

LiveVideoStackCon 2023 深圳站 已啟動

LiveVideoStackCon 2023 深圳站音視頻技術大會以「沉浸·新視界」為主題。經(jīng)過近十年的快速發(fā)展，多媒體生態(tài)正在向精致優(yōu)化發(fā)展，更注重細節(jié)、成本，內(nèi)卷和出海成為壓力輸出口。一方面，在現(xiàn)有市場及業(yè)務競爭仍舊相當激烈的環(huán)境下，企業(yè)開始更多關注于如何降低成本、追求更高的利潤，以及面向用戶提供更優(yōu)質(zhì)的服務與體驗；另一方面，對于不斷涌現(xiàn)的更多新的技術、場景，逐步探索并利用其創(chuàng)造更多的業(yè)務、產(chǎn)品與商業(yè)價值是各企業(yè)持續(xù)關注的目標。本次深圳站，我們擬邀請幾十位來自海內(nèi)外的音視頻領域的專家聚集一堂，與你共同分享他們的專業(yè)見解。（點此查看大會講師名單，更多精彩敬請期待）。

▲點擊“閱讀原文”?▲

跳轉(zhuǎn)LiveVideoStackCon 2023 深圳站 官網(wǎng)，了解更多信息文章來源地址http://www.zghlxwxcb.cn/news/detail-650242.html