3月22日,钉钉在“科技向实·万物生长”发布会上推出了业界第一款单机实现10米高清音视频体验的视频会议一体机——F2。钉钉F2采用了行业领先的高通高性能物联网芯片,带来强大的计算和AI性能,进一步支持协作办公体验和企业生产力的提升。

随着云会议的兴起,音视频与计算机视觉、图像处理、人工智能等技术的融合趋势也愈发明显,共同带来高清实时的协同办公体验。钉钉F2具备单机10米清晰拾音、智能导播、4K画质等特点。
在音频方面,钉钉F2采用麦克风阵列技术,首次将麦克风声学特性和差分波束理论的优势进行结合,实现了单机10米清晰拾音的突破;在视觉方面,钉钉F2采用多模态智能导播与视觉智能算法,结合顶级高通物联网芯片先进的CPU架构、高通AI引擎和图像信号处理器(ISP)带来顶级性能,可支持最高4K、120帧/秒的视频处理,实现对全空间任意位置的细节捕捉,为企业和个人用户提供实时高清画质。此外,钉钉F2还充分利用高通物联网芯片的计算性能,为发言人跟踪、多画面自动导播等边缘侧计算密集型AI功能提供全新的神经处理单元,带来更具沉浸感的智能会议体验。

在满足大中型会议室高清音视频体验的同时,如何应对设备部署、布线繁琐等难题,成为行业亟待解决的痛点。以往要满足高端会议设备的音视频性能要求,通常要采用2到3颗主控级联;此次钉钉F2采用了突破性的一体机形态,仅通过一颗高通高性能物联网芯片即可实现兼具高质量图像接入及处理能力、强劲的编解码性能、AI算力以及支持丰富的通用接口等特性,让All in One的设计成为可能,在减少会议设备部署的同时极大地简化了设计和成本。
钉钉F2视频会议一体机是行业最新的技术合作成果,利用前沿的高性能、低功耗计算技术创新,更好地服务于组织数字化和业务数字化。钉钉F2不仅为用户提供了音视频远程协同沟通的能力,还通过专用的会议室硬件终端设备,打造会议室与个人端之间一致的优质会议体验,并通过音视频算法及模组的集成,引领行业创新并对生态进行技术赋能,助力更多组织加速迈入数字化时代。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。