技术文章

在 Android 多媒体开发领域，音频处理是许多应用的基础需求，从录音应用到视频流媒体平台皆是如此。AVSample 仓库通过 Android 的 MediaCodec API …

长久以来，我们只知道大型视觉语言模型（LVLM）会犯错，但始终缺乏一把“手术刀”，无法剖析其视觉感知的根源性缺陷。我们只知其然，不知其所以然。我们希望当 AI 模型观察图像时，不再…

本文将主要携程团队设计开发携程数字人直播产品的背景、方案调研、设计和研发过程中遇到的问题以及解决方案，同时也介绍了本产品的主要功能和未来的规划。

使用 React Native 构建直播应用是为用户提供交互式实时体验的绝佳方式。React Native 的跨平台特性与丰富的库生态系统，使其成为开发流媒体应用的理想选择。无论您…

众所周知，当今观众渴望随时随地通过互联网在任何设备上自由观看内容。同样公认的是，云技术为广播公司提供了亟需的灵活性和可扩展性，使其更易满足这些需求。然而云技术同样依赖 IP 网络，…

5G 一直被宣传为将彻底改变直播行业的技术。其潜力显而易见，确实堪称直播制作中缺失的关键环节，但也面临着巨大的技术和商业挑战

在这个技术变革的时代，本文分享10点个人对于智能语音技术和应用在未来几年发展的看法。

对于当今的流媒体服务而言，运营效率已成为关键差异化因素，其核心不在于比特率或压缩技术，而在于平台架构设计、部署实施与扩展能力。随着云基础设施和 AI 增强流程的普及，竞争焦点正从功…

如何构建一个能够理解数千种语言（包括许多以前从未有过有效自动语音识别 (ASR )模型的语言）的语音识别系统？ Meta AI 发布了 Omnilingual ASR，这…

本文是截至2025年11月最完整详尽的 AV1 解码生态全景报告。AV1 编码标准凭借高效、免费、开放的核心优势，已在北美流媒体市场完成从技术迭代到生态落地的全面突破。

本文将探讨帧率稳定性的重要性，并解释帧率波动的原因。此外，本文还将介绍一些基于 ZEGO 的实用策略，以确保视频应用中的帧率稳定性并减少抖动。

本文提出了 D-FCGS，一种基于前馈压缩框架的动态高斯泼溅压缩方法，专为自由视角视频（FVV）设计。该方法通过标准化帧组（GoF）结构、双先验感知熵模型和控制点引导的运动补偿机制…

视频通话已成为我们沟通的主要方式之一。背景噪音或其他干扰有时会让人难以集中注意力或进行清晰的对话。此时，音频静音功能便显得尤为实用。它允许用户暂时关闭麦克风，从而减少背景噪音，提升…

2025 年11 月 6 日，ZEGO即时通讯SDK（ZIM）2.24.0 版本发布，新增查询合并消息支持携带 messageID、离线推送功能支持附带 OPPO 私信模版等功能。…

本文将深入剖析 FFmpeg 中 TLS/DTLS 安全层的实现细节，从架构设计到具体实现，从证书管理到错误处理，带您全面了解这一重要模块。

本文将揭秘马上消费如何基于WebRTC，在云测平台实现双向技术突破：不仅完成了手机到浏览器200ms超低延迟投屏，更创新实现了浏览器到手机的活体认证视频流逆向传输。

重磅推荐：基于广受好评的ZLMediaKit开源版本，全新推出专业版！ ZLMediaKit Pro在保留开源版强大功能的基础上，新增了多项企业级功能，为您的流…

Juturna 是一款采用 Python 编写的轻量级实时数据处理库，它的设计目的是让构建音频/视频/传感器处理工作流程变得简单。

本文基于云 VR 串流技术与 VR 一体机的协同发展这一逻辑，从产业现状、破局思路、实施路径三个维度展开分析，探索 VR 院线如何加速 LBE 产业化与规模化发展。

本文将分享 Meta 如何克服隐形水印技术扩展过程中的挑战，包括如何构建基于CPU的解决方案，该方案不仅能提供与 GPU 相当的性能，更具备更优的运行效率。