#多模态

推荐理由：来自IT之家 AI的《马斯克放话：Grok 4.9 或能与 Astra / Fable 同级、Grok 5 有望实现 AGI》。重点看模型能力与工程。摘要提到：IT之家 9 月 15 日消息，xAI 首席执行官埃隆 · 马斯克昨日在 X 平台与网友互动时透露，Grok 4.7 模型的能力大致与 Anthropic Opus 5.0 相同，而不是 5.1，它们还需要修复多模态性能。 马斯克表示，未来的 Grok 4.8 将带来明显改进， Grok 4.9 可能与 OpenAI Astra（GPT-6）或 Anthropic Fable 同级 ，Grok 5 也许会超越目前的一切，请大家“拭目以待”。 后续有网友向马斯克提问：“你认为 Grok 4.8 距离 AGI 实现有多近？” 马斯克回复称：“这将会是 Grok 5” 。 IT之家此前报道 ，马斯克曾声称 Grok 4.8 将于本周完成训练，这是一款参数量达 2.5 万亿的 AI 模型，使用全新 C++ 软件栈训练。

推荐理由：来自IT之家 AI的《阶跃发布 StepAudio 3 系列语音大模型，拿下多个全球第一》。重点看模型能力与工程、文化创意、产品发布。摘要提到：IT之家 9 月 15 日消息，今日阶跃正式发布 StepAudio3 系列模型，包括 StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen 和 StepAudio3Music，其中多款模型在 Artificial Analysis 榜单中位列全球第一。以上五款模型，目前均已上线阶跃星辰开放平台。 官方称，StepAudio 3 系列分别面向几类核心场景：真人级语音生成、完整音频内容生成、实时语音交互、复杂场景语音理解和音乐创作。 IT之家附模型官方详细介绍如下： StepAudio 3 Realtime： 不仅“能打断”，更能理解、思考和行动 今天，越来越多 Realtime 语音产品已经支持全双工、打断和低延迟交互。真正拉开体验差距的，不只是“能不能同时听和说”，而是模型能否在一场持续发生的对话中，边听边理解、判断何时接话，同时完成推理和任务执行。 Step...

推荐理由：来自极客公园的《对话小宇宙 kyth：播客的护城河是真实，AI 无法取代的是人的立场》。重点看多模态。摘要提到：头图来源：小宇宙 过去一年，播客被推到了内容行业的聚光灯下。 B 站拿出 10 亿元流量扶持视频播客，罗永浩、鲁豫等名人带着数小时的长对谈进入市场。小红书也在持续补齐视频与音频播客能力，抖音精选则通过自制节目试水长对谈。那些原本只在播客听众中流动的内容，被剪成短视频切片，登上热搜和推荐流。 商业化也在加速。2025 年，小宇宙合作品牌数量同比增长 422%，商业收入增长 760%，实现变现的播客数量增长 356%。一个过去长期被称为「小众」「慢热」，甚至需要创作者「为爱发电」的行业，开始出现做大的迹象。 但新的问题也随之而来。 名人、机构和平台资源不断进入，意味着更多用户和商业预算，也意味着流量进一步向头部聚集。视频让播客更容易传播，却可能把一种以声音、陪伴和长期信任为基础的内容，再次带回对点击率和注意力的竞争中。 当播客不再只是「小众爱好」，它将变成什么？当小宇宙开始承接更大的用户、内容和商业需求，它又该如何避免成为另一个追逐...

推荐理由：来自IT之家 AI的《微信员工辟谣 AI 助手小微“直接读取聊天记录”、“偷看所有隐私”：都是失实的》。重点看多模态。摘要提到：IT之家 9 月 15 日消息，微信员工 @客村小蒋 刚刚发文谈及了微信 AI 助手小微，并针对该功能的隐私问题进行了说明。 IT之家附微信员工 @客村小蒋 微博原文如下： 还是跟大家聊聊我们在小范围内测的微信小微，这是个微信团队自己开发的原生 AI 助手，可以通过文字或语音对话，让小微查天气、查快递、点外卖；另外，在朋友圈、公众号、聊天、视频号等场景，小微也可以在你需要的时候被随时唤起，来总结内容、提供更多信息等。 有些朋友对隐私问题比较关注，甚至有一些因为误解引发的担忧，这里也做一下解释： 1、 小微能接触的信息，不会超过你本人可以查看的信息范围的权限 ，比如有朋友担心已删除的朋友圈会不会被看到，放心，不会的； 2、小微会基于公众号、视频号等的关注、浏览、互动数据，做一些问题的推荐，放心， 这里同样遵循原则 1 ； 3、关于聊天记录， 只有在聊天场景，你主动发起“问小微”的时候，小微才会被临时调起 ，从微信客户端本地读取你指...

推荐理由：来自IT之家 AI的《消息称欧盟计划 9 月 17 日公布《儿童法案》，限制 15 岁以下未成年人访问社媒与视频平台》。重点看多模态、政策/监管、文化创意。摘要提到：IT之家 9 月 15 日消息，综合法新社与 POLITICO 报道，欧盟计划在比利时当地时间本周四公布《欧盟儿童法案》，在联盟层面规范未成年人对社交媒体、视频分享、网络游戏、人工智能等科技服务的访问。 图源：Pexels 欧盟委员会主席冯德莱恩预计会在相关发言中指出， 这些儿童使用的在线平台应在设计上保障安全 ，消除令人上瘾的元素，移除鼓励过度使用的功能。 对于高风险的社交媒体、视频分享平台 ， 欧盟计划构建弹性的限制规则 ：13 岁以下未成年人仅能使用有监护人控制并符合严格安全标准的服务，13~15 岁区间用户则将得到限制与陌生人接触、限制屏幕时间、具有家长控制功能的“入门级”账户。

推荐理由：来自IT之家 AI的《代码显示：苹果 Siri AI 可替换为 Anthropic Claude 或 OpenAI ChatGPT》。重点看模型能力与工程、产品发布。摘要提到：IT之家 9 月 15 日消息，开发者“pdfu”对 iOS 27 和 macOS Golden Gate 进行深入挖掘之后发现，苹果已在其私有框架中将其新版 Siri AI 架构设计为可与第三方 AI 模型深度协作。 相关演示视频显示，Anthropic 的 Claude、OpenAI 的 GPT-5.6 模型均可接入 Siri 框架。 其中一项机制名为“模型委托”（Model Delegation），它允许 Claude 以 Siri 扩展的形式出现，与目前内置的 ChatGPT 扩展类似。 在 pdfu 发布的视频演示中，macOS 用户可调出“搜索或询问”栏，通过“Ask…”菜单选择 Claude 作为 AI 模型。 启用 Claude 扩展后，用户要求 Siri“让 Claude”在提醒事项 App 中创建一条提醒。Claude 负责解析这一自然语言请求，随后转交给 Siri 创建实际事件提醒。这意味着当请求涉及苹果系...

推荐理由：来自IT之家 AI的《苹果儿童安全功能随 iOS 27 等更新上线：新增时间额度，可阻止血腥暴力及裸露内容》。重点看产品发布。摘要提到：IT之家 9 月 15 日消息，苹果公司今日宣布，其全新儿童安全功能已随 iOS 27、iPadOS 27 和 macOS 27 更新上线。家长可借此管理孩子看到的内容、可联系的人以及使用 App 的时间。 这些功能基于苹果此前的家长控制功能，能帮助家长管理孩子观看的内容、联系的人员，以及使用 App 的时间。 新的儿童账户设置流程更简单，让家长能更轻松地在系统中启用基于年龄的保护措施。 家长一开始就可以选择允许孩子在设备上使用哪些 app，此后可逐渐增加更多。 新增“请求浏览”功能：孩子要想在 Safari 中访问新网站时，首先需获得家长批准。 扩大“通信安全”保护范围：家长不仅可以决定是否批准孩子与新联系人联系，还能利用通信安全功能检测共享的照片或视频，并拦截其中出现的血腥或暴力内容（包括实时 FaceTime 通话）。 时间额度：为家长提供基于专家建议、按年龄定制的指导，用于管理社交媒体、娱乐和游戏等类别 App 的时间。...

推荐理由：来自IT之家 AI的《钢铁侠式操作：工程师实现在 VR 中投掷 3D 模型至打印机直接打印》。重点看智能体工作流、模型能力与工程、文化创意。摘要提到：IT之家 9 月 14 日消息，一名软件工程师，同时也是创意极客，在社交平台发布了一段视频，展示了一套充满未来感的 Meta Quest 结合 3D 打印机的工作流程。X 平台用户汉克（Hank）演示了在电脑上建模生成一个 3D 模型，随后拿起模型扔向房间另一头的 3D 打印系统。这位技术爱好者打趣道：“我从未感觉自己如此像托尼 · 斯塔克（钢铁侠）。” 在介绍这套联动方案之前，让我们先了解一下要用到的硬件。演示视频清晰可见，汉克使用的是拓竹 P2S 3D 打印机，机器上方加装了 AMS 2 多色多材料打印系统。汉克将这台 3D 打印机和 Meta Quest 3 头显实现了联动。 据IT之家了解，这两款优秀硬件原生并不支持协同工作，但这一点并没有难住汉克，至少没有造成太大阻碍。在这条推文串的后续内容里，汉克透露：“拓竹打印机提供本地控制 API 接口！我在电脑上快速搭建了一台网页服务器，把所有设备串联起来（安卓应用 → 电脑 ...

推荐理由：来自IT之家 AI的《就 15 岁以下未成年人社交媒体禁令，法国向欧盟提交新版法案》。重点看多模态。摘要提到：IT之家 9 月 14 日消息，法国总统埃马纽埃尔 · 马克龙（Emmanuel Macron）表示，由于旧法案遭到本国最高宪法机构否决，法国政府现已提交一份修订草案，拟禁止 15 岁以下未成年儿童使用社交媒体。 今年 8 月中旬，法国宪法委员会驳回了旧法案，认定法案中部分条款对相关人群的言论自由构成不必要的限制。 IT之家注意到，马克龙在 X 平台发文称：“经过严谨的技术层面工作，政府今日已向欧盟委员会通报这份新草案。” 新方案不再直接列出禁止使用的社交媒体平台，而是拟对约 10 项具有危害性或成瘾性的功能进行限制，包括视频自动播放、夜间推送通知、与陌生账号交流等。同时，该方案允许 13 岁至 15 岁未成年人在法定监护人同意的情况下获得豁免。 法新社报道称，此次通报是关键环节，目的是确保该立法符合欧盟法律。 马克龙将禁止未成年人使用社交媒体列为核心施政重点之一，希望这项禁令能在他明年任期结束前正式生效。他还呼吁欧盟各国出台同...

推荐理由：来自IT之家 AI的《Linux 7.3-rc3 内核发布：补充音频配置、优化网络体验，改善 AMDGPU 等》。重点看产品发布。摘要提到：IT之家 9 月 14 日消息，科技媒体 NeoWin 今天（9 月 14 日）发布博文，报道称 Linux 7.3-rc3 候选版本发布，在官方发布正式版前， Linux 内核创始人林纳斯 · 托瓦兹（Linus Torvalds）预估还会推出 4 个候选版本。 IT之家援引博文介绍，托瓦兹表示相比较以往 rc3 版本，Linux 7.3-rc3 候选版本更新幅度“相当大”，文件系统相关改动占比高于这一阶段的常见水平。 两周前发布的 rc2 包含了 681 个提交，创下 v6.8 以来 16 个开发周期的最高纪录，是 6.x 时代平均值的两倍以上。 本次候选版本更新主要整合 XFS 和 SMB 客户端补丁，其中 XFS 方面，补丁覆盖锁注解、健康监控、擦洗与修复、配额、rtgroup、rtrefcount 处理、分区写入、目录项恢复和介质验证等。 SMB 客户端获得多项安全性和正确性修复。SMB 客户端可连接 Windows ...

推荐理由：来自IT之家 AI的《非官方应用 NeuralScreen 延伸英伟达 DLSS 5，增强 Win11 视频 / 图片等体验》。重点看模型能力与工程、评测与基准、产品发布。摘要提到：IT之家 9 月 14 日消息，科技媒体 tweaktown 昨日（9 月 13 日）发布博文，报道称开发者 perseval_BLR 发布 NeuralScreen 应用， 可以将英伟达 DLSS 5 神经渲染应用于整个 Windows 11 桌面。 IT之家注：英伟达的 DLSS 5（Deep Learning Super Sampling 5）是该公司在 2026 年 3 月 GTC 大会上正式发布、并于同年 9 月随《NBA 2K27》上线的新一代 AI 图形技术。 与以往主要提升帧率的 DLSS 版本不同，DLSS 5 的核心突破在于引入实时神经渲染（Neural Rendering）模型，目的用生成式 AI 为游戏画面“补细节”，让光照、材质和皮肤等效果更接近好莱坞级别的照片级真实感。 目前英伟达 DLSS 5 仅在《NBA 2K27》游戏中官方上线，不过在该游戏发行前，相关.dll 文件已泄露，随后被 modder...

推荐理由：来自IT之家 AI的《部分 AMD 用户反馈 9 月微软 Win11 更新遇兼容问题，引发死机等故障》。重点看产品发布。摘要提到：IT之家 9 月 14 日消息，科技媒体 NeoWin 昨日（9 月 13 日）发布博文，报道称部分 AMD 平台用户反馈，安装微软 9 月 Windows 11 累积更新后， 出现显卡驱动崩溃情况，进而引发死机、显示器断连和软件损坏问题。 根据社区用户反馈，AMD 平台用户安装 9 月 Windows 11 更新 KB5124008 及 .NET 更新 KB5126052 之后，出现多个系统不稳定情况。 在问题表现方面，主要集中在驱动安装后系统超时，即使卸载并重新安装 AMD 最新显卡驱动，系统也可能在驱动装好后的数秒内发生超时。超时指的是系统在短时间内放弃等待驱动加载，变得不可响应，显示器断开或冻结，然后需要强制重启。 此外用户反馈打开 Adrenalin 就整机卡死，禁用 AMD 音频驱动后，可暂时避免完整系统崩溃，但打开浏览器仍可能让电脑冻结，驱动持续弹出超时警告。 根据社区用户反馈，受影响用户者测试了 AMD 驱动 2...

推荐理由：来自IT之家 AI的《微软 Win11 家庭版装机绕过微软账号登录新方法，无需修改注册表 / 断 Wi-Fi》。重点看文化创意、产品发布。摘要提到：IT之家 9 月 14 日消息，消息源 @TheBobPony 昨日（9 月 13 日）在 X 平台发布推文， 分享了绕过 Windows 11 家庭版强制登录微软账号（Microsoft Account）的方法 ，且不需要修改注册表和使用相关特殊命令。 IT之家附上相关视频如下： 该方法适用于全新安装的 Windows 11 家庭版，科技媒体 Windows Latest 在虚拟机上测试 Windows 11 Experimental Build 29667 预览版（9 月 11 日发布），发现该绕过方法依然可以生效。 微软此前已经封堵多种已知绕过方案，包括 BypassNRO 注册表值、 start ms-cxh:localonly 、 start ms-cxh://setaddlocalonly 、虚假凭据触发账户失败，以及 oobenetworkconnectionflow 等。 操作方式上，用户不需要命令提示符、注册表...

推荐理由：来自IT之家 AI的《PS5 模拟器 KyTy 性能大幅提升：《恶魔之魂：重制版》帧率提升 10 倍》。重点看多模态、文化创意。摘要提到：IT之家 9 月 13 日消息，PS5 模拟器直到近期才展现出巨大潜力，已经可以启动《GTA 5》和《恶魔之魂：重制版》这类热门游戏。其中 KyTy 模拟器的开发进展尤为迅猛，最新曝光的成果更是令人瞩目。 不久前才刚刚能在该模拟器上运行的《恶魔之魂：重制版》，如今性能提升了十倍。 消息来自游戏媒体 DSOGaming，报道称 KyTy 这款 PS5 模拟器实现了显著性能优化，《恶魔之魂：重制版》现在帧率可以达到 10 至 18 帧。 IT之家注意到，展示这项成果的视频目前还未放出，但这次性能提升大约有十倍 —— 此前这款游戏只能勉强以 1 至 2 帧运行。虽然当前体验仍远算不上理想，但性能的飞跃是实实在在的。 《宇宙机器人》也取得了类似进步，帧率约 11 帧。至此，《GTA 5》《恶魔之魂：重制版》以及《宇宙机器人》都已经可以在该模拟器上运行，只是游玩体验各有差别。 据预估，到今年年底，这些游戏有望达到 30 帧的游玩水准。如果...

推荐理由：来自IT之家 AI的《苹果将开放 FaceTime 通话手语翻译 API》。重点看产品发布。摘要提到：IT之家 9 月 13 日消息，据科技媒体 MacObserver 昨天报道，苹果 FaceTime 通话将开放一项新 API，允许视频通话加入真人翻译员。该功能最初公布于 5 月， 计划今年晚些时候推出 。 IT之家从原报道获悉，苹果并没有说明开发者如何适配、API 的实际运作方式。官方仅表示，“ 手语翻译”API 可以让开发者在视频通话中加入真人翻译员 。 同时，此处的“真人”描述与相比其他无障碍功能有所不同。苹果近期的其他无障碍更新并没有提到自动化或 AI 生成手语翻译，例如 VoiceOver 的“图像探索器”使用了 Apple 智能。 苹果前首席执行官蒂姆 · 库克在谈到这次更新时表示：“我们的无障碍理念与众不同，公司正在为无障碍带来强大的新能力，同时坚持隐私保护。”由于这项功能接入的是真人翻译员，因此苹果如何将隐私与便捷翻译结合仍有待观察。

推荐理由：来自IT之家 AI的《26.5" QHD 320Hz QD-OLED 显示器 +1：泰坦军团推出 G27P9 Ultra》。重点看多模态。摘要提到：IT之家 9 月 13 日消息，泰坦军团 (Titan Army) 近日宣布推出 G27P9 Ultra 显示器。 这一型号搭载三星显示 26.5" QHD 320Hz QD-OLED Penta Tandem 面板，可选配铝合金材质的 X1 ULTRA 臂式显示器支架。 G27P9 Ultra 达到 HDR True Black 500 要求，全屏亮度 300nits、HDR APL 10% 亮度 515nits、 HDR APL 3% 亮度 1300nits ；灰阶 (GtG) 响应时间 0.03ms； 色域 100% sRGB / 99% DCI-P3 / 98% Adobe RGB ，全模式平均色偏 ΔE＜1。 其覆盖泰坦铠甲黑洞屏光学层，支持硬件级低蓝光护眼，内置石墨烯散热系统；I/O 方面提供 2 个 HDMI 2.1、2 个 DisplayPort 1.4、1 个 3.5mm 音频输出插孔。

推荐理由：来自IT之家 AI的《赛博朋克之旅：VRChat 第三方地图《Uncanny Alley》获 2026 年度艾美奖“杰出新兴媒体节目”》。重点看多模态、文化创意。摘要提到：IT之家 9 月 13 日消息，据外媒 UploadVR 报道，VRChat 中一款第三方地图《Uncanny Alley：A New Day》获得了 2026 年度艾美奖“杰出新兴媒体节目”（Outstanding Emerging Media Program）奖项。 据报道，《Uncanny Alley: A New Day》由一家小型非营利剧团主导制作，本次击败了由 Blumhouse 和 NBC 推出的《Blumhouse Enhanced Cinema》，以及亚马逊与 Bethesda 合作的《The World of Fallout》等作品，获得该奖项。 该作品最初在威尼斯国际电影节旗下专注 XR 与 VR 内容的 Venice Immersive 单元首映，此后又参加了 SXSW（西南偏南）、Raindance Immersive、NewImages Festival 以及 AWE（Augmented World ...

推荐理由：来自IT之家 AI的《暴雪《守望先锋》游戏公布血律英雄宣传片，9 月 13 日开放抢先体验》。重点看产品发布。摘要提到：IT之家 9 月 13 日消息，在今天（9 月 13 日）开幕的 2026 年暴雪嘉年华活动中，暴雪娱乐《守望先锋》（Overwatch）团队公布当前年度故事线第三幕动画、 新英雄“血律”(Doctrine) 与新地图 Grímsvötn。 IT之家附上相关视频如下： 新角色 Doctrine 方面，官方介绍如下： 如果“末日铁拳”打算打造一只新的拳套，他就得请一位相交多年的老朋友出手相助。与他和他的一众盟友并肩作战，看他们如何从“监测站：格里姆火山”的深处把“血律”救出来 —— 精彩尽在全新英雄预告片《越狱》中。 你还可以在 9 月 13 日至 15 日的限时英雄试炼中抢先体验我们的最新支援英雄“血律”，随后他将随第五赛季上线正式登场。 角色方面，团队宣布调整游戏角色定位：Roadhog 计划重做，目标是将其打造为“真正能够帮助团队”的坦克角色；Sombra 则将从现有定位转为辅助角色。两项改动旨在改变其在队伍中的功能与贡献方...

推荐理由：来自IT之家 AI的《暴雪官宣《星际争霸》开放世界射击游戏，目标 2030 年推出》。重点看模型能力与工程。摘要提到：IT之家 9 月 13 日消息，在今天召开的 2026 暴雪嘉年华活动中，暴雪娱乐官宣新作《星际争霸》（StarCraft）游戏，类型为开放世界射击游戏，计划于 2030 年推出。 预告片展示了一名泰伦帝国星际战士的训练和装备过程，星际争霸系列反派角色、帝国领袖阿克图尔斯 · 蒙斯克在蒙太奇画面中发表了一段鼓舞人心的演讲，讲述如何消灭异虫。 预告片最后，这位不知名的英雄与异虫展开激战，随后镜头切换到他那破损血迹斑斑的盔甲正在被清洗和修复，而他本人则被送回了帝国战舰上。 根据目前放出的视频内容，该游戏故事背景设定在《星际争霸 2》事件期间或之前，主要聚焦于星际战士的体验。 名称方面，暴雪娱乐表示该游戏名称就叫《星际争霸》（StarCraft），新作没有使用副标题、编号或其他附加名称。 在类型方面，《星际争霸》系列过去以即时战略游戏为主要形式， 而新作被明确描述为开放世界射击游戏。 开放世界射击游戏通常指将射击操作置于可自由探索的较...

推荐理由：来自IT之家 AI的《微软承认 Win11 更新引发“代码 10”错误，部分 USB 音频设备无法正常工作》。重点看多模态、编码。摘要提到：IT之家 9 月 12 日消息，据外媒 Neowin 今天（11 日）下午报道，此前消息称，微软确认 Windows 11 最新“补丁星期二”更新引发了两个新问题。数小时后，微软又确认了一项新的故障， 导致 USB Audio Class 1.0 设备无法正常工作 。 安装更新后，部分设备会在设备管理器中 出现“代码 10”错误 ，并在多个 Windows 11 版本中完全失去声音输出。 故障影响 Windows 11 26H1、25H2 和 24H2，仅涉及客户端设备，服务器版本不受影响。微软承认，受影响用户可能遇到 完全无声、音量控制失灵，以及多声道或 3D 音频功能无法使用等情况 。 IT之家从报道中获悉，微软回应称，目前正调查“永久修复方案”。正式修复推出前，Microsoft Learn 上的部分用户建议把多声道配置切换为标准双声道模式，以暂时恢复声音。 微软表示，后续掌握更多信息后，将通过 Windows 运行状况仪...

推荐理由：来自IT之家 AI的《七彩虹灵创 Mini Pro 迷你主机亮相，搭载 192GB 统一内存、AMD 处理器》。重点看智能体工作流、模型能力与工程。摘要提到：IT之家 9 月 11 日消息，AMD 于 9 月 10 日在北京举办主题为“ 携手创新 共赢智能体 AI 时代 ”的媒体沙龙，推出全新 AMD 锐龙 AI Max PRO 400 系列处理器。 作为 AMD 核心战略生态伙伴，七彩虹 COLORFIRE 基于 AMD 锐龙 AI 处理器全新平台打造的新品 —— 灵创 Mini Pro 在本次活动上首次亮相 ，并携旗舰 AI 移动工作站灵创 K16 联合首界科技亮相智能体创新实践展区。 IT之家获悉，灵创 Mini Pro 搭载 AMD 锐龙 AI Max PRO 400 系列处理器， 配备 192GB 统一内存 ，可划拨 160GB 给到显存。 灵创 Mini Pro 延续了灵创系列专业 AI 算力基因，可支撑本地大模型推理、多模态交互、轻量化智能体部署等需求，适配科研实训、轻量化 AI 开发与日常办公场景。 此外，现场展出了七彩虹灵创 K16 移动 AI 工作站， 联合首界科...

推荐理由：来自IT之家 AI的《小米开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1》。重点看模型能力与工程、开源生态、产品发布。摘要提到：IT之家 9 月 11 日消息，小米技术今日发文宣布，小米正式发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1。 官方表示，Xiaomi-CocktailASR-1 旨在解决“鸡尾酒会”难题 （IT之家注：当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大地降低，这一难题被称为鸡尾酒会问题）。 该模型采用端到端 LLM 架构，以目标说话人的一段参考音频作为声纹提示，可在多人同时说话的复杂环境中，精准提取并仅转录目标用户的语音。 在多个主流多说话人测试集上均达到 SOTA ，大幅领先现有方案。 同时， 其单人识别性能比肩标准 ASR 模型 ，可无缝兼顾单人说话场景；具备拒识非目标说话人干扰语音的能力，目标不在场时输出空文本，有效避免误触发；此外还支持思维链推理模式，为识别结果提供可解释推理过程。 IT之家附相关链接： GitHub： http...

推荐理由：来自IT之家 AI的《阿里云 Token Plan 个人版升级：Standard、Pro 套餐新增 12 类 Agent Harness 工具》。重点看智能体工作流。摘要提到：IT之家 9 月 11 日消息，阿里云官方今日宣布，阿里云 Token Plan 个人版升级。 原有价格及 Credit 额度保持不变，Standard 和 Pro 套餐新增 Agent Harness 工具权益与用量 ，覆盖搜索、网页解析、图像生成、语音处理、代码执行等 12 项 Agent 开发常用能力。上述工具均通过 MCP 标准协议开放，可直接接入到自有 Agent 应用，无需逐项单独采购。 Token Plan 个人版主要面向个人开发者和中小团队，IT之家附价格及额度： Lite 套餐价格为 39 元 / 月，每 7 天提供 2500Credits； Standard 套餐价格为 139 元 / 月，每 7 天提供 10000Credits； Pro 套餐价格为 499 元 / 月，每 7 天提供 40000Credits。 升级后，Standard 和 Pro 套餐新增 Harness 每月权益，包括联网搜索增强版、...

推荐理由：来自IT之家 AI的《并非玩笑！Rapidus 社长小池淳义设想 2040 年前后建设月球半导体工厂》。重点看产品发布。摘要提到：IT之家 9 月 11 日消息，日本先进半导体企业 Rapidus 社长小池淳义当地时间本月 10 日在美国出席智库活动并进行演讲时发表了 到 2040 年前后在月球表面建设半导体工厂的构想 。 小池淳义还在演讲现场播放了利用 AI 制作的月面工厂构想视频。他表示“（埃隆 ·）马斯克应该也会非常喜欢这段视频”，“ 这不是玩笑 ， 而是认真的计划 ”，还提到了月球表面有可供半导体制造使用的水资源。 ▲ 小池淳义 相比在近地轨道上进行半导体生产的已有探索，将芯片制造迁移到月面上意味着显著更高的运输成本，如何在距地球超 30 万公里的位置维护一座精密工厂更是一项大麻烦。 Rapidus 先进制程合作方 IBM 首席执行官 Arvind Krishna 也出席了这次活动，并表示两家企业正合作开发 1nm 级工艺技术。

推荐理由：来自IT之家 AI的《Opera One 承认原垂直标签布局问题，“新建标签页”按钮现改为置顶》。重点看产品发布。摘要提到：IT之家 9 月 11 日消息，Opera 昨日（9 月 10 日）发布博文，宣布调整 Opera One 浏览器的垂直标签页， 默认将“新建标签页”按钮从底部移至顶部，新建的标签页会出现在该按钮下方。 Opera 于 2026 年 7 月为 Opera One 应用引入垂直标签页，在标签数量填满侧边栏后，旧版“新建标签页”按钮会固定在窗口底部。因此，用户每次点击按钮后，需将指针移回地址栏。IT之家附上相关视频如下： 在屏幕距离方面，Opera 给出不同分辨率的数据。在 1080p 显示器上，旧版按钮约在地址栏下方 950 像素。在 2560×1440 显示器上，距离约为 1,300 像素。在未缩放的原生 4K 显示器上，距离超过 2,000 像素。 Opera 同时对启用垂直标签页的 Opera One 桌面端用户开展调查，本次调查于 2026 年 8 月至 9 月展开，样本量为 4,900 人。超过 73% 的受访者表示，通...

推荐理由：来自IT之家 AI的《微软 VS Code 1.137 发布：为宠物征名、按小时 / 日 / 周调度 AI 智能体任务》。重点看智能体工作流、开源生态、产品发布。摘要提到：IT之家 9 月 11 日消息，微软昨日（9 月 10 日）发布公告，宣布推出 Visual Studio Code 1.137 版本， 可帮助用户自动化重复性工作、在工作区中继续快速聊天，以及在不离开客服窗口的情况下处理 GitHub 问题和拉取请求。 本次更新主要聚焦增强 AI 智能体能力，推出 5 项主要新功能，其中 3 项仍处于实验或预览阶段。核心功能包括 Automations（预览）、Voice Mode（实验）、快速聊天转工作区、GitHub Issue / PR 集成以及 VS Code 宠物互动功能。 Automations 方面，用户可以根据使用需求，在手动触发之外，也可以按小时、每日或每周自动执行 AI 智能体任务。IT之家附上相关视频如下： 用户可通过启用 chat.automations.enabled 设置，在 Agents 窗口侧边栏选择 Automations，使用预设模板（如追踪变更、分类 Is...

推荐理由：来自IT之家 AI的《苹果 iOS 27 将升级 VoiceOver 辅助功能：图像描述更丰富、支持操作按钮集成》。重点看产品发布。摘要提到：IT之家 9 月 11 日消息，科技媒体 macobserver 昨日（9 月 10 日）发布博文，报道称在 iOS 27 系统中， 苹果计划为辅助功能“旁白”（VoiceOver）加入更丰富的图像描述、实时识别（Live Recognition）和操作按钮集成 3 项更新。 IT之家注：VoiceOver 是苹果公司为 macOS、iOS、iPadOS、watchOS、tvOS 等设备内置的屏幕阅读器，用语音和 / 或盲文把屏幕上发生的事情“读出来”，帮助视障、低视力以及有阅读困难的用户无需看屏也能操作设备。 在图像描述方面，现有 VoiceOver 已可朗读图片描述，覆盖信息中的照片、邮件图表和网页图片，而在官方新闻稿中，苹果公司表示 iOS 27 版本将会带来“更丰富的图像描述”，且部分功能可能依赖 Apple 智能（Apple Intelligence）。 实时识别（Live Recognition）方面，苹果在 iOS...

推荐理由：来自量子位的《吹爆开源！RunningHub让MiniMax H3满血提速12倍，本地部署照样起飞》。重点看开源生态。摘要提到：15秒视频，50秒出片 这条动态来自 量子位，可重点关注开源生态。

推荐理由：来自IT之家 AI的《爱好者为V社 Steam Controller 手柄开发 LiveHaptics Mod，可将系统音频转为触觉反馈》。重点看多模态、文化创意。摘要提到：IT之家 9 月 11 日消息，据外媒 Notebook Check 报道，一名爱好者 FamBoy32 为 V 社的 Steam Controller 开发了名为 LiveHaptics 的 Mod，可以将 PC 上的系统音频实时转换为手柄触觉反馈，让玩家通过手柄震动感受游戏音乐、人物对白以及各种音效，除了提升临场感外，相应功能对于听力障碍人士也相当实用。 与传统的游戏专属触觉反馈不同，LiveHaptics 不需要游戏开发者针对爆炸、脚步声或背景音乐等内容单独加入触觉支持。只要声音通过电脑指定的音频输出设备播放，LiveHaptics 就可以将其转换为手柄震动，因此不仅能够适配不同游戏，也可以用于音乐、电影等其他音频内容。 具体来看，LiveHaptics 会在将音频信号发送至手柄前进行处理，包括增益、低音以及限制器等参数调整，随后以立体声触觉数据的形式传输至手柄执行器。 目前该软件支持通过 USB 连接 Steam Con...

推荐理由：来自极客公园的《DeepSeek V4.1 Flash 发布；罗永浩狂喷苹果折叠屏：全是抄的；马斯克「无聊公司」融资 30 亿美元｜极客早知道》。重点看模型能力与工程、评测与基准、产品发布。摘要提到：DeepSeek V4.1 Flash 模型正式发布：全面超越 V4 Pro、原生多模态视觉理解，最高降价 60% 9 月 10 日消息，深度求索今日正式发布 DeepSeek V4.1 Flash 模型 。这是其全新模型结构系列中的最小尺寸的模型，具备原生多模态视觉理解能力。 新模型结构的设计初衷是：能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。 DeepSeek V4.1 Flash 为 552B 参数的 MoE 模型 ，采用了全新的 Causal-Encoder-Decoder 结构，输入和输出不对称，输入激活只有 8B，输出激活 16B，成本显著低于已知的同尺寸模型。同时，V4.1 Flash 还采用了新的预训练方式、经过了更大规模的强化学习后训练，在基准测试中，成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型的智能水平。 ▲ DeepSeek-V4.1-Flash 与主流前沿模型在 Ag...

推荐理由：来自IT之家 AI的《环球音乐与 ElevenLabs 达成合作，共同打造授权人工智能音乐平台》。重点看文化创意、产品发布。摘要提到：IT之家 9 月 11 日消息，环球音乐集团 (UMG) 美国当地时间 10 日宣布与人工智能音频研究和产品公司 ElevenLabs 达成一项多年许可协议和更广泛的战略合作。这也是后者与主流唱片公司达成的首份合作协议。 两家企业将共同构建一个基于授权音乐和艺人参与的全新人工智能音乐创作平台 。这一尚在开发中的平台将为乐迷提供与参与的艺人和词曲作者共同创作音乐的全新方式，包括混音、串烧、全新演绎以及个性化的语音体验。双方还将在未来开发更多产品和乐迷体验。 环球音乐集团董事长兼首席执行官 Lucian Grainge 表示： 人工智能和音乐领域最令人兴奋的可能性，莫过于将艺术家、词曲作者和乐迷置于核心地位。 环球音乐集团和 ElevenLabs 一致认为，负责任的人工智能能够激发音乐发现，加深艺术家与乐迷之间的互动，并为创意社群开拓新的收入来源。 ElevenLabs 在人工智能音频领域的领先地位，为我们不断壮大的合作伙伴生态系统...

推荐理由：它和模型能力与工程、评测与基准直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：来自IT之家 AI的《谷歌为 Win10/11 推出 Gemini 独立客户端，支持“Alt + Space”快捷键快捷唤起》。重点看模型能力与工程。摘要提到：IT之家 9 月 11 日消息，谷歌现已正式推出 Windows 版 Gemini 独立客户端，支持 Windows10/11 系统，用户在安装应用后即可通过“Alt + Space”快捷键在任何界面快速唤起 Gemini，相应快捷键支持自定义修改。 相应应用主界面设计简洁，中间提供提示词输入框、模型选择器和麦克风按钮，侧边栏则可以展开查看历史对话以及账户相关选项，整体风格和网页版大致相同，同样支持生成图像 / 视频、快捷调用连接的应用等功能。 此外，谷歌还为 Windows 版 Gemini 加入了独立的设置菜单，用户可以管理麦克风、摄像头和位置权限，同时查看使用统计信息以及崩溃报告。用户亦可在其中设置“登录 Windows 时自动启动 Gemini”。 值得一提的是，谷歌今年 4 月已经面向全球 Windows 用户推出了独立的桌面版 Google Search 应用，不过这款应用的核心定位为搜索，而非完整 Gemini 客...

推荐理由：它和开源生态直接相关，可能影响产品设计、研究判断、教育/文化场景落地或开发实践。

推荐理由：来自IT之家 AI的《60 天 → 30 天，谷歌相册回收站彻底删除时间调整》。重点看多模态。摘要提到：IT之家 9 月 10 日消息，据科技媒体 9To5Google 前天报道，谷歌现已调整 Google Photos 相册应用的回收站彻底删除时间调整为 30 天。作为参考，该相册此前的彻底删除时间一直是 60 天。 据报道，这项变化从 9 月 4 日起逐步向全球用户推送。谷歌已经在官方支持网页中说明：“您删除的照片和视频会在回收站中保留 30 天，之后将被永久删除。永久删除的照片和视频无法恢复。” 此次变化的好处是可以帮助用户更快腾出云盘存储空间，因为谷歌账号的回收站文件也是会占用账户级存储空间的。但坏处在于，以后用户删照片的后悔期只剩下一半，因此需要特别留意。

推荐理由：来自IT之家 AI的《业内首款，思特威推出集成 SerDes 与片上 ISP 车载 CMOS 图像传感器》。重点看多模态。摘要提到：IT之家 9 月 10 日消息，今日，思特威宣布正式推出 3MP 高性能车规级图像传感器升级新品 ——SC365AT。 据介绍，作为 业内首颗 集成 SerDes 与片上 ISP 的车载 CMOS 图像传感器，SC365AT 基于思特威 CARSens ® -XR Gen 2 工艺平台打造，采用 3.0µm 单像素设计与 Stacked BSI 工艺架构，搭载 CARLofic HDR™、LFS（LED 闪烁抑制）等核心技术，具备高帧率、高感度、高动态范围等性能优势。 SC365AT 无需额外配置 SerDes 串行器芯片，实现 CIS 图像采集到域控处理的 端到端高速直连 。相较于外置方案，集成方案有效降低片间传输延迟与 EMI 风险，同时省去独立串行器芯片及其周边被动元件，使摄像头模组 PCB 面积大幅缩减，BOM 成本同步优化，为整车厂与 Tier1 供应商提供 更高集成度 的系统设计方案。 SC365AT 支持 片上 I...

推荐理由：来自IT之家 AI的《R 星与被解雇《GTA 6》开发者劳动争议案进入最终听证阶段，员工庭前举牌抗议》。重点看多模态、文化创意。摘要提到：IT之家 9 月 10 日消息，据外媒 Eurogamer 今天（10 日）晚间报道，R 星（Rockstar Games）与 31 名遭解雇的《GTA 6》开发人员之间的劳动争议案，在苏格兰进入最终听证阶段。 开庭之际，去年 10 月被毫不客气地赶出办公室的员工举行集会，以激昂的演讲表达诉求。 社交媒体上的图片和视频显示，集会者来到举行听证的格拉斯哥法庭中心外，举起英国独立工人工会（IWGB）的横幅和自制标语牌。其中，“ 什么最恶心？打压工会！ ”“ 404：未找到 R 星对员工的尊重 ”等口号格外醒目。 当天上午，遭 R 星解雇的蕾切尔 · 克劳福德围绕恐惧发表的演讲，成为集会的焦点。IT之家附其发言大意如下： 现代职场靠恐惧维系：不敢发声，害怕受罚，害怕丢掉工作、失去生计，甚至无家可归。 2025 年 10 月 30 日，R 星解雇了我。没有预警，也没有人给我一个明确的解释：我到底做了什么，要受到这样的对待？短短几分钟，我...

推荐理由：这些动态表明顶尖学者们正在探索如何将机器学习应用于商业领域，通过多模态技术提高 AI 的商业应用潜力。

推荐理由：来自IT之家 AI的《可检测身边的人是否戴着 Meta 智能眼镜，波兰开发者打造“Zuckoff”应用》。重点看多模态。摘要提到：IT之家 9 月 10 日消息，据《商业内幕》今天报道，波兰软件开发者帕维乌 · 希德沃夫斯基（Pawel Szydlowski）最近开发了一款应用，可以检测身边的人是否戴着 Meta 智能眼镜拍摄 POV 视频。 帕维乌今年 30 岁。他之前在 YouTube 等平台刷到过一些视频，内容是有人利用智能眼镜拍摄恶搞视频，并刻意将镜头对准那些毫不知情的陌生人，这让他感到不安。 据介绍，他开发的这款应用名叫“Zuckoff”， 显然是调侃了 Meta 首席执行官扎克伯格 。该应用上个月登陆苹果 App Store，目前已拥有 5000 名用户。 打开这款 App 后， 系统可以扫描附近是否存在开机的智能眼镜 ， 以及其大致距离 。订阅 Pro 版本后还可以在后台进行持续监测，附近出现智能眼镜时，App 会弹出推送通知。 该应用推出之时，许多人对 Meta 的智能眼镜有了强烈反对情绪。他们认为这款眼镜的佩戴者会偷偷录像，存在隐私问题。...

推荐理由：来自IT之家 AI的《刷新全球开源模型多项评测 SOTA，宇树科技开源全新一代通用人形机器人基座模型 UnifoLM-WLA-1.0》。重点看模型能力与工程、评测与基准、开源生态。摘要提到：IT之家 9 月 10 日消息，宇树科技宣布完全开源 UnifoLM-WLA-1.0 具身基座模型，刷新全球开源模型多项评测 SOTA。单模型统筹桌面与全身移动操作，支持跨任务、跨末端执行器泛化。 据介绍，UnifoLM-WLA-1.0 是宇树科技全新一代通用人形机器人基础模型，依托大规模通用多模态感知与理解数据，融合以交互为中心的世界建模，全面提升空间感知与理解能力，在多项具身推理评测中领先国内外开源模型，亦可比肩头部闭源模型。真机评测实现单模型统筹 64 个任务，覆盖桌面操作与全身移动操作，具备跨任务、跨末端执行器的泛化能力。 IT之家附官方介绍视频如下：