音频技术

SIP 中继的普及使这些 SIP 中继的语音带宽计算成为 IT 组织必须解决的问题。带宽过大，就无法实现投资回报率，总体拥有成本也会高于必要水平。带宽太小会导致呼叫阻塞，呼叫者放弃…

在音频合成中实现高保真波形生成是一项重大挑战，特别是由于传统模型（如条件流匹配 (CFM)）的推理时间较长，需要大量的常微分方程 (ODE) 步骤。虽然这些模型质量很好，但它们通常…

零样本语音转换 (zero-shot voice conversion) 旨在保留语言内容的同时，将源说话人语音转换成任意目标说话人的语音。随着深度学习技术的引入，零样本语音转换技…

在当今数字化时代，虚拟现实（Virtual Reality，VR）和增强现实(Augmented Reality, AR)技术正迅速成为创新交互体验的前沿。这些技术通过模拟或增强用…

RecordRTC.js 是一个方便的 JavaScript 库，可让您直接从浏览器录制音频和视频。通过使用 WebRTC 技术，它能让捕捉音频、视频甚至屏幕录制等媒体流变得超级简…

微软举办的DNS Challenge比赛做语音的朋友们或多或少有所了解，但是这个比赛更多的注重语音增强的效果。然而在实际场景下，很多语音增强的算法要放在低算力的端侧运行，这就对模型…

MainConcept 战略与业务发展副总裁 Thomas Kramer 和 Fraunhofer IIS 媒体技术高级工程师 Yannik Grewe 详细介绍了 MPEG-H …

声波有多种应用，但并不总是广为人知：它们不仅用于通信，还可用于冷却或加热建筑物、监测鸟类迁徙或控制电视。随着社会的变化，声学领域涉及许多创新，为日常挑战提供解决方案。 电信世界也不…

风噪，专业名称为空气动力噪声，是由流场中运动的物体与物体之间的作用产生，或者是由流体自身的湍流运动导致的流体之间的相互作用产生。在多种实际应用场景中都可能遇到风噪的问题，常见的比如…

FOX Sports 为 MLB 全明星赛制作音频的过程对观众来说可能冗长而不透明，但这对他们充分欣赏比赛绝对至关重要。由于新技术和多样化技术的应用，视频变得越来越复杂，而同步那些…

在当今数字化时代，大模型以其强大的数据处理和复杂问题解析能力，正深刻改变着我们的现实生活。以GPT4o等为例，大模型已经具备了令人惊叹的全双工语音交互能力，其中实时交互是语音对话的…

苹果公司正在开发一种技术，只需使用 iPhone 和 AirPods 等耳机，无需 WiFi 或手机信号，就能让附件使用相同设备的人开始语音聊天。 这个技术就像 Apple Wat…

最近在用 Cocos Creator 3.8 制作一个 3D 联机坦克大战游戏。因为项目需要，在 Cocos Creator 中实现了 3D 空间音效的方案，在此分享给大家，希望能…

因为最近做了一段时间的语音生成方向，期间也整理了一些开源项目和相关论文，每个或多或少都有可借鉴的地方，对于了解现阶段语音生成的相关技术还是比较有帮助的，后续也会根据自己的节奏来分享…

本文分享在项目中如何使用 React.js 实现实时音频流功能，核心是处理通过 WebSocket 接收到的音频 Blob，将其存储在队列中，并无缝播放。 关键组件 WebSock…

多设备音频实时同步是一项引人入胜的挑战，它涉及解决延迟问题和确保播放事件的精确定时。在本系列中，我们将深入探讨此类系统的复杂技术。在第 1 部分中，我们讨论了实现精确定时以确保无缝…

本次分享由库比蒂诺高中和纽约州立大学布法罗分校联合投稿在CVPR 2023的一篇论文：《Integrating Audio-Visual Features for Multimod…

增强现实 (AR) 和虚拟现实 (VR) 旨在人工重现导航特定环境的体验。近年来，视频游戏和娱乐公司一直在可以通过这些技术，制作与访问这些越来越身临其境的内容。 一些计算工具可以帮…

实时同步技术错综复杂，它一直是一个令我着迷的课题。今天，我想与大家分享我构建一个系统的方法，这个系统可以在位于不同物理区域的设备之间实时同步音频。 试想一下，我们在一个家庭的多个房…

去混响(Dereverberation)是语音会议中常用的算法之一，现在会议室大都采用玻璃幕墙导致会议室混响严重，在距离较远时语音会变得模糊不清，而去混响算法可以减少晚期混响以提升…