技术文章

画中画（Picture-in-Picture）功能允许您在浏览其他网页或使用其他应用时，继续观看视频通话内容。启用画中画后，通话界面将以独立的小窗口形式悬浮显示在屏幕最顶层。即使您…

分享来自“关键帧Keyframe”公众号的音视频面试题集锦 54 期之 WebRTC 面试题。 1、【连接与网络篇】当用户从 Wi-Fi 切换到 4G 网络时，WebRTC 的连接…

一、引言：从算子级优化到计算图级优化 视频生成模型的推理优化是一个多层次、系统性的工程挑战。在模型推理的早期阶段，优化重点通常集中在算子层面，例如通过优化卷积、注意力等核心算子的计…

恢复更新了，最近知识星球小伙伴分享了一些网易、蚂蚁图形岗位的面试问题，我总结了几个比较有代表性的分享一下。 Vulkan 动态渲染机制 Vulkan 1.3.0 引入动态…

多年来，语音技术一直处于数字产品的边缘，主要局限于屏幕阅读器、交互式语音应答系统或一些新奇的语音助手。但这种现状正在迅速改变。随着媒体平台扩展到各种格式、语言和设备，语音技术正日益…

FFmpegKit 中的跨平台抽象层代表了一种复杂的架构模式，它在保持平台特定优化的同时，实现了跨多个平台的一致 FFmpeg 功能。该抽象层作为统一 API 的基础，无论目标平台…

微软发布了 VibeVoice-ASR，它是 VibeVoice 系列开源前沿语音 AI 模型的一部分。VibeVoice-ASR 被描述为一个统一的语音转文本模型，可以一次性处理…

沉浸式远程全息交互旨在通过高保真的全身全息表现，彻底改变AR/VR应用中的人类交互体验。然而，现有的系统往往依赖昂贵的多摄像头设置，且对传输带宽要求极高，极大地限制了其在移动设备上…

近日，摩尔线程开源了TorchCodec-MUSA，率先完成了对PyTorch官方媒体编解码库TorchCodec的第三方硬件后端适配。该项目是专为AI训练场景设计的硬件加速方案，…

分享来自“关键帧Keyframe”的音视频面试题集锦第 53 期，本期内容主要是 WebRTC 音视频方面常见的 5 个面试题。 1、【架构与扩展篇】在多人视频会议场景中，SFU …

互联网曾经是一个简单得多的世界，人们聚集在虚拟聊天室里，与素不相识的陌生人打字交流。在社交媒体个人主页和视频通话出现之前，这些基于文字的聊天室是人们在线社交的主要方式。 每天有数百…

FFmpegKit 库架构为 FFmpeg/FFprobe 命令提供了全面的封装，能够在保持一致功能和行为的同时实现多平台无缝集成。该设计以基于会话的执行模型为核心，具备强大的回调…

NVIDIA 研究人员发布了 PersonaPlex-7B-v1，这是一个全双工语音到语音（Speech-to-Speech）对话模型，旨在实现具有精确角色控制的自然语音交互。 从…

2026年1月13日，Advancing WebRTC 博客发布了一篇《Firefox WebRTC 2025》的文章，总结了 Firefox 在 2025 年对 WebRTC 的…

当 ISP 链路故障导致统一通信（UC）或 VoIP 系统中断时，再精细的通话质量调优也无法挽救用户体验。真正的可用性始于路由层。本文将解释 BGP 多宿主如何通过赋予企业控制流量…

2026 年 1 月 13 日，ZEGO即时通讯SDK（ZIM）2.26.0 版本发布， 已同步更新到Native 、flutter 、web、小程序和 uniapp-x 等平台。…

2025 年的体育广播格局整合了过去五年的诸多技术实验成果：流媒体版权争夺战愈演愈烈，个性化与多视角功能成为主流，IP/云工作流程从试点项目迈入日常运营。这些转变为以音频为核心、兼…

现代汽车已成为一个高度复杂、持续产生数据的移动智能终端。从高级驾驶辅助系统到云端软件升级，各项服务都依赖稳定、高效的网络连接。其背后支撑的关键，正是底层的通信协议。 虽然 MQTT…

本文分享了 AI 生成的视频背后的技术原理。文章隶属于《麻省理工科技评论》技术解读专题。让我们的作者为您梳理复杂纷繁的技术世界，助您洞察未来趋势。

2026 年的流媒体的 6 大趋势。视频已不再仅仅是媒介载体，而是构筑人类生存环境的基础设施。机构通过监控、分析关键视频数据并采取行动，这从根本上重塑了视频系统的构建与扩展模式。