随着多模态大模型能力不断扩展，语音大模型(SpeechLLMs) 已从语音识别走向复杂语音交互。然而，当模型逐渐进入真实口语交互场景，一个更基础的问题浮现出来：我们是否真正定义清楚了「语音理解」的能力边界？
过去几年，AI 行业几乎把所有注意力都投向了“会不会想”：更强的推理、更大的模型、更快的生成。但在真实世界里，很多问题并不是想不想得出来，而是你到底记不记得发生过什么——尤其是视频。
2025 年 3 月 11 日，语音生成初创公司 Cartesia 宣布完成 6400 万美元 A 轮融资，距其 2700 万美元种子轮融资仅过去不到 3 个月。本轮融资由 Kleiner Perkins 领投，Lightspeed、Index、A*、Greycroft、Dell Technologies Capital 和 Samsung Ventures 等跟投。
今日获悉，由莫斯科国立大学举办的 MSU 世界视频编码器大赛结果揭晓。在全部参赛编码器中，腾讯编码器包揽所有 15 项指标的全部第一，再次斩获全场最佳。
今天介绍一篇密歇根州立大学 (Michigan State University) 和劳伦斯・利弗莫尔国家实验室（Lawrence Livermore National Laboratory）的一篇关于零阶优化深度学习框架的文章 ，本文被 ICLR 2024 接收，代码已开源。
全球医疗设备公司、三星电子子公司 Samsung Medison 将于 10 月 16 日至 19 日在韩国首尔举行的 ISUOG（国际妇产科超声学会）2023 年世界大会上展示其基于人工智能的诊断解决方案。
莫斯科国立大学 (MSU) 推出了名为 MSU-270 的新型超级计算机，其峰值计算能力为 400“AI”PetaFLOPS。该机器将用于各种人工智能（AI）和高性能计算（HPC）应用以及训练大型人工智能模型。MSU-270 基于“最新的图形加速器”，但 MSU 并没有提及它们的来源。
