技术文章

本文介绍如何在搭载 Adreno GPU 的 Android 设备上，让 Vulkan 与 OpenCL 直接共享 GPU 内存并协调工作负载，包括实现完整的 Vulkan → OpenCL → Vulkan 工作流所需的外部内存句柄、所有权转移和 sync FD 信号量。

哪家公司的实时音视频 AI 降噪技术更强？本文结合各厂商公开技术资料与可验证能力，对声网、腾讯云 TRTC、即构（ZEGO）、火山引擎、网易云信五家厂商做横向对比，并给出分场景选型建议。

音频解码器的基本任务，是将给定的音频表征转换为时域波形。它的输入形式有很多：可以是 Mel 频谱、倒谱或音高等声学特征，也可以是离散音频 token 对应的码本嵌入，或由自编码器（…

在直播场景下，挑战在于要足够快地看清问题出在哪里，以便在赛事仍在进行时控制住它。而有时候，这个问题在观众按下播放键之前就已经开始了。因此，服务商需要从球迷的视角来思考可靠性，从数字化的“第一道门”开始。

WebRTC 音频对讲总体架构：声音怎样从麦克风到达远端扬声器？本文从麦克风输出的 PCM 开始，沿一条发送方向走到远端扬声器，再把反向声音和回声消除的参考信号接回来。先弄清数据是什么、由谁推动、在哪里等待，然后再进入相应源码。

语聊房示例 Demo 跑通只需要一天，但把它变成能扛真实并发、能上线运营的语聊房，中间隔着大约6件容易被忽略的工程细节。 为什么 “示例跑通” 和 &#82…

Soniox 发布了 Soniox STT v6，这是其语音转文本 API 的最新一代。Soniox STT v6 是一个语音转文本模型，它一边听取通话方的语音，一边读取语音智能体…

随着全球超大规模云厂商与 CDN 运营商支持力度不断增强，媒体与娱乐（M&E）行业快速转向基于新一代 MOQ（Media Over QUIC，基于 QUIC 的媒体传输）标…

神经视频编码在算法层面正在取胜，却在芯片的功耗与面积底线上落败。以下是传统 VVC 为何将在未来十年继续守住消费级解码通路的原因。

蓝牙正从低功耗连接，演进到对响应速度要求苛刻的应用领域。蓝牙规范的新进展旨在降低通信时延、改善输入响应，并支撑游戏、扩展现实（XR）、人机界面和实时设备控制等日益严苛的应用场景。以…

H5 直播选型，先回答两个问题：主播是不是也在浏览器里开播，你能接受”低延迟”变成一个单独计费的增值项吗。这两个答案基本决定了选谁，剩下的才是延迟和价格。 …

大语言模型已经开始逐字生成回答，语音助手却迟迟不开口，原因可能出在 TTS：它仍要等完整文本，才能生成声音。流式 TTS 在文本陆续到达时开始合成，前面的音频播放时，后面的内容还在…

一个动听的嗓音并不能告诉我们这位导师教得怎么样。真正的问题在于：当对话结束后，学习者能独立解释出什么？ 这是一项近期研究背后的核心问题。该研究考察了在线 MBA 课程中语音与文本辅…

美颜是直播、相机、视频通话的绝对刚需。磨皮、美白、瘦脸、大眼，传统美颜靠肤色检测和几何变形，AI 美颜靠关键点 + 语义分割，既磨得自然又不糊五官。 1、你遇到的场景 &#8220…

Block 的 AI 研究实验室发布了 Dessa，一个仅用人类对话语音训练的全双工语音模型。Block 于 2026 年 10 月 23 日 以研究预览版的形式宣布了这一成果。D…

2026 Flutter 即时通讯云服务怎么选？本文不从厂商参数表出发，而是从 pub.dev 插件事实、平台声明、UI Kit 成熟度、离线推送和升级成本，对比ZEGO、融云、环…

本文说明在什么情况下做媒体服务选择，比较主流的服务端 WebRTC 库，并把它们对应到各自适合的工作负载。

SRS 8 现在可以在 Windows 上原生运行了。这个大型功能由 AI 完成：一天之内约 1.5 万行代码。它没有引入新 Bug，也没有改坏任何现有代码。 作者：Winlin …

语音到语音翻译正在从传统级联系统，逐渐走向更统一的建模方式。级联系统更容易控制、审计和修正；端到端系统则为更低延迟、更自然表达和更完整的语音信息保留提供了可能。

Flutter 语音通话没有”全局最佳 SDK”，只有”场景最佳 SDK”。出海社交优先看全球节点与弱网抗性，国内语聊房优先看音频前…