技术文章

苹果公司于2026年5月12日授权公告了一项名为“声音随机化”（Sound randomization，US12625670B2）的技术专利。该专利聚焦XR 头显等空间计算设备的使…

尽管图像质量不断提升，摄像头也日益先进，但视频监控行业中的视频压缩技术数十年来却几乎未曾改变。近 20 年来，H.264 视频编解码器一直是应用最广泛的压缩编解码器，而像 H.26…

照例，最近总结了星球小伙伴分享的图形渲染、动效岗位的面试问题，分享一些比较有代表性的。 1. OpenGL ES 与 Vulkan 的技术选型 如果项目是常规 UI、2D 动效、视…

作为全球首届低资源音频编解码器专项赛事，ICASSP 2026 低资源音频编解码器比赛（2025 Low-Resource Audio Codec Challenge，LRAC C…

AI 语音克隆过去需要花费数小时训练语音模型，在录音棚录制极其高质量的音频，并部署一支高水平的研究团队。而现在，即使是一些DIY工具也能在几分钟内，根据一小段录音复制出人声，其效果…

适用对象：已经实现语音房基础功能（房间、麦位、推拉流），想加上”最小化成悬浮窗、用户切到其他页面也能继续聊”这一体验的 Android 开发者。 一、为什么…

live555+H.264 是嵌入式、监控场景轻量化 RTSP 服务的常用组合，但普遍存在花屏、画面残缺、秒级高延迟问题。本文精简梳理实战排障过程，给出可直接落地的极简修复方案与最…

当 Kurento 无法胜任我们的摄像头负载时，我们从源代码编译了 Chromium 的 WebRTC库，并在大约十天内构建了自己的精简版 RTSP 到 WebRTC 桥接器。 标…

本文分享来自“关键帧Keyframe”的音视频面试题集锦第 56 期——音视频 iOS 面试题相关内容。 1、CMSampleBuffer 内存安全与生命周期管理 2、视频硬解码中…

AIGC 技术爆发促使大模型从实验阶段迈向企业级大规模应用，但它任务耗时久、算力成本高、流量波动大、智能体协作复杂这些核心特点，给底层通信和调度基础设施带来了严峻挑战，企业通常会遇…

广播工作流曾经结构更为封闭，制作、播出和分发之间有着明确的界限。这使得内容保护更易于管理，访问点较少，且对内容流转的控制更为严格。随着行业向基于 IP 和云的环境转型，这些假设已不…

AI 语音模型正在飞速发展，为各行各业的通信和自动化带来了突破性进展。MattVidPro 最近的一份分析报告重点关注了该领域的一些领军企业，包括 OpenAI、Google、XA…

构建具备实时语音交互功能的端到端直播应用面临诸多挑战：网络带宽限制会导致对时间要求严格的应用出现高延迟和质量下降；语言障碍限制了多语言语音通信中有效的人机交互；可扩展性和弹性需要在…

XR游戏的下一个突破并非仅仅来自更强大的硬件，而是来自能够以人类感知速度运行的新一代多媒体技术和网络。随着沉浸式体验越来越接近真实，真正的区别不再在于像素、处理能力或外形尺寸，而在…

随着智能手机、无线设备、联网汽车、流媒体平台和电信基础设施等渠道的数字音频消费加速增长，全球音频编解码器市场正持续扩张。Persistence Market Research 预测…

本文分享来自“关键帧Keyframe”的音视频面试题集锦第 55 期——音视频 iOS 面试题相关内容。 1、全链路“零拷贝”渲染架构设计 题目：在实时滤镜处理中，从 A…

当开发者评估低延迟视频传输方案时，关于 SRT 与 MOQT 的比较问题经常被提及。本文将为你介绍SRT 与 MOQT 两者的区别。若你希望快速了解要点，请阅读“关键要点”部分。若…

随着电商带货、在线教育、秀场社交等业务爆发式增长，直播已经从”锦上添花”变成”业务刚需”。对前端团队来说，用 uniapp 一套代码…

OpenAI 通过其 Realtime API 发布了三个全新的音频模型，分别针对实时语音应用中的不同功能：GPT-Realtime-2 用于具备推理能力的语音代理，GPT-Rea…

运营生产系统的一个关键方面在于能够了解 OpenSIPS 的运行状况、其行为背后的原因以及其性能表现。 当然，你希望在 OpenSIPS 持续处理生产流量的同时完成这些工作，确保不…