Windows 10终于发布了。作为迄今为止微软有史以来性能最强大、功能最全面的PC操作系统,Windows 10使得微软似乎已经洗刷了由Windows 8带来的“耻辱”。尽管部分变化是明显的,例如“开始”菜单,有些则不那么明显。对用户来说,Windows 10最大的变化之一是它支持的媒体文件类型,尤其是视频。
尽管重度用户过去利用第三方软件——例如VLC和MediaMonkey,弥补以往的Windows版本在媒体播放方面的不足,微软修改了Windows 10内置的播放应用,支持更多的原生媒体播放选项,其中包括支持3种全新文件格式:FLAC、MKV和支持4K分辨率的HEVC。
Windows 10在媒体播放方面的不足之处是,它移除了Windows Media Center——Windows 7和8中对电视友好的界面,内置DVD播放功能。幸运的是,要解决播放DVD问题很容易,前提是PC配置有光驱。
作为许多音响发烧友中意的音频文件格式,FLAC集相竞争的文件类型的优势于一体,音质堪与CD媲美,带有ID3音乐文件标签。这意味着用户能获得压缩的无损音乐,而且能对音乐进行分类。
FLAC格式文件大小只有Windows WAV文件大小的一半(甚至更低),比相竞争的无损音乐格式(Windows Media Audio Lossless, Apple Lossless)得到更多支持。对于音乐爱好者来说,Windows原生支持FLAC文件播放是真正的福音。
在文件资源管理器中,FLAC文件显示为新的Windows “G”图标,默认状态下将在Groove播放器中播放。需要注意的是,“Cast To”(投射到)等先进功能在Groove中不可使用。
对MKV视频的支持最早出现在Windows 8.1 update中。对于拥有大量MKV电影的用户来说,Windows原生支持播放MKV视频文件是一大福音。
MKV文件将显示为普通视频文件,双击它会启动新的“Movies and TV”(电影和电视)播放器。
传统上微软对新文件标准的支持较慢,例如问世10年后才支持FLAC和MKV。但有迹象表明,微软在支持新文件标准方面,在变得更加积极。尽管目前看起来还没有那么重要,播放HEVC文件的能力未来数年将是有益的。
这是因为该格式——也被称作H.265,是4K视频事实上的标准。4K分辨率是1080p的4倍。如果观看或编辑由能拍摄4K视频的GoPro相机或大疆无人机拍摄的视频,Windows 10支持HEVC将使这一切变得更为简单。
Windows 10在媒体文件方面的调整不仅仅体现在新功能上,它还把以前版本中的“Play To Device”(播放到设备),更名为更熟悉的“Cast”(投射)。谷歌也使用“Cast”描述通过Chromecast,把视频由手机投射到电视机的行为。结合系统支持的新文件格式,PC将成为Sonos和PlayFi等流媒体系统真正的竞争对手。
要“投射”媒体文件,用户只需在文件资源管理器中右击得到支持的媒体文件,并选择“Cast To”(投射到)选项,然后选择希望用于播放媒体文件的设备。
值得指出的是,“Cast To”不同于使用户能映射显示屏的MiraCast功能。要使用MiraCast功能,用户可以按Windows + K键,并选择希望显示桌面的MiraCast兼容设备即可。
尽管Windows 10不再包含Media Center,但部分用户仍然可以使用免费的DVD播放软件。从Windows 7家庭高级版、专业版、旗舰版,以及Windows 8/8.1 with Media Center Pack或Pro Pack升级为Windows 10的用户依然可以使用免费的DVD播放软件。
不足之处在于用户必须从上述版本操作系统升级,而且不能选择干净安装。
微软称,免费DVD播放软件是Windows更新的一部分。不能自动下载免费DVD播放软件的用户,则需要花费15美元从Windows Store购买这款DVD播放软件。
不过用户无需付费购买DVD播放软件,可以选择下载PC而非Windows Store版VLC,它能播放DVD和足够多的其他文件格式。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。