关于 Qwen-Omni 模型的音频输出格式转换
Qwen-Omni 官方文档声称音频输出为 WAV 格式，但实际上为 PCM 格式。通过将每个 chunk 的 base64 编码音频数据解码并拼接，可生成 24kHz、16位、单声道的 PCM 文件。使用 FFMPEG 可将其转换为其他格式，如 MP3。示例代码展示了如何解码并转换音频文件。
重磅：谷歌AI Gemini 2.0 Pro/Flash已来，国内用户怎么使用？
当人工智能的浪潮席卷全球，谷歌再次站在了时代的潮头。Gemini 2.0，这个名字如今已成为 AI 领域最耀眼的明星。它不仅仅是一个模型的升级，更代表着一场技术革命的开端。2024 年末，Gemini 2.0 Flash 以其疾风骤雨般的速度震撼登场，紧接着，2025 年初，Gemini 2.0 Pro 系列的发布，则将这场革命推向了高潮。谷歌正式宣告，我们已步入 Gemini 2.0 时代！
语音交互产品通过WebSocket协议对外提供实时语音流语音转写功能
阿里云智能语音交互产品通过WebSocket协议提供实时语音转写功能，支持长语音。音频流以Binary Frame上传，指令和事件为Text Frame。支持单声道、16 bit采样位数的PCM、WAV等格式，采样率8000Hz/16000Hz。可设置返回中间结果、添加标点、中文数字转阿拉伯数字，并支持多语言识别。服务端通过临时Token鉴权，提供外网和上海ECS内网访问URL。交互流程包括StartTranscription、StopTranscription指令及多种事件反馈。
阿里云服务器五代、六代、七代、八代实例简介及性能提升介绍参考
随着技术的不断进步，阿里云服务器实例也经历了多代升级，从五代实例到最新的八代实例，每一代都在性能、稳定性、能效比等方面取得了显著提升。有的用户由于是初次接触阿里云服务器，所以不是很清楚阿里云服务器五代、六代、七代、八代实例有哪些，它们各自在云服务器性能上有哪些提升。本文将详细介绍阿里云服务器五代、六代、七代、八代实例的特点及性能提升，以供了解及选择。
面向AI的存储软硬结合实践和创新
本次分享的主题是面向AI的存储软硬结合实践和创新，由阿里云智能集团专家袁茂军、王正勇和常存银主讲。内容涵盖三大板块：自研存储部件设计及实践、自研存储服务器设计及实践、以及面向AI场景的存储软硬一体解决方案及实践。重点介绍AliFlash系列存储部件的演进与优化，包括QLC SSD的设计挑战与解决方案，并探讨了高性能存储服务器在AI场景中的应用与未来发展方向。通过软硬件深度融合，旨在提升AI业务的性能与效率，降低总拥有成本（TCO）。
用行动回应“实体清单”，智谱发布了一系列新模型
1月15日，美国商务部将25个中国实体列入出口管制实体清单，其中包括智谱及其子公司。面对制裁，智谱迅速回应，表示不会影响业务，并于次日发布全新端到端模型GLM-Realtime、升级GLM-4-Air和GLM-4V-Plus模型，推出免费的Flash系列普惠模型。这些举措展示了智谱在多模态交互、视频理解、语音交互等领域的技术实力，体现了中国AI企业在自主创新和自主可控方面的坚定决心。此举不仅彰显了智谱的技术硬实力，也为中国AI产业的自立自强树立了榜样。