技术文章

MobileIMSDK – 微信小程序端是一套基于微信原生 WebSocket 的即时通讯库： 1）超轻量级、无任何第 3 方库依赖（开箱即用）； 2）纯 JS 编写、…

听说端到端语音识别工具包 WeNet 效果还不错，但在测试电脑上用 Docker 进行测试并不成功。在使用源码编译的过程中也遇见些问题，遂记…

本文作者 Phil Nash 基于 ChatGPT API，分享了使用 Node.js 用 31 行代码实现聊天机器人命令行界面 (CLI) 的过程。 完整代码： 运行此代码时，它…

一、概述 FFmpeg 提供了一种以管道的方式对音视频进行滤镜操作的框架。其也内置了非常多的滤镜，如果这些滤镜还不能满足需求的话也可以自行开发。 本文主要梳理 FFmpeg 滤镜相…

本文分析 FFmpeg af_silencedetect 的实现。 一、af_silencedetect 的作用及基本原理 af_silencedet…

本文分析 FFmpeg af_volumedetect 的实现。 一、af_volumedetect 的作用及基本原理 af_volumedetect…

本文主要测试在 FFmpeg 命令中使用 silenceremove filter 进行音频静音的修剪。 参数说明 1、start_x 参数…

本文提出了一种基于时空分辨率自适应的视频压缩框架(ViSTRA)，该框架基于定量分辨率决策，在编码过程中对输入视频进行时空动态重采样，并在解码器处重建全分辨率视频。时间上采样采用帧…

一、概述 本文分析 FFmpeg af_volume 的实现 二、af_volume的作用及基本原理 af_volume的作用是调整音频的音量，基本原理是PCM数据乘于某个系数，就…

由于目前互联网上有关AV1视频编码标准的中文资料特别少，针对它的compound inter prediction这一术语，本文将其译为混合帧间预测，以下皆用此名词代指。 1.基本…

研究意义 5G移动通信系统中，LDPC码作为主要信道编码方案之一实现了较高的可靠度和吞吐率。近年来，诸多新兴的通信场景对可靠度提出了更高要求。车联网、无人机通信、增强/虚拟现实等新…

一、打包流程： 从H264编码器读出一帧数据（一个完整的H264帧） 然后遍历H264的所有NALU：如果NALU长度小于MTU，则将该NALU打包为一个RTP包；否则，将NALU…

1 背景 随着直播行业的飞速发展，越来越多的企业涉足这一领域，直播间的稳定性和用户体验成为了直播平台竞争的重要因素。但是，由于直播间涉及到多个复杂的技术环节，如视频传输、网络通讯、…

一、背景 首先一张图片由一个个像素组成（可以看成网格），每个像素可以有一个灰度值（标量）或RGB值（三维向量）。 http://a-chien.blogspot.de/2017/0…

近年，随着算力、预训练模型和多模态技术的不断汇聚发展，在自然语言和音视频领域涌现出大量人工智能生产内容(Artificial Intelligence Generated Cont…

顺丰作为国内领先的快递物流综合服务商，一直致力于为用户提供更优质、更高效便捷的快递物流服务。顺丰科技作为顺丰集团旗下的科技公司，以科技深耕于物流与供应链行业，通过在大数据、人工智能…

深入了解 H.264 与 H.265 之间的差异 正如俗话说的一般，技术总是在进步，以便为用户提供更多便利。有时这些差异可能是巨大的，而在其他时候，几乎是微不足道的。但在不断扩展的…

随着 Chrome 在 107 版本支持 H.265 的硬解，以及 Web 平台上 H.265 软解技术的成熟，在 Web 平台上规模化部署 H.265 视频的时机已经成熟。关于 …

在AISPEECH，我们为广泛的实体提供对话式人工智能服务和自然语言交互解决方案，包括金融机构、政府和IoV和IoT公司。如果你相信大数据是人工智能的燃料这一观点，你会发现一个高性…

作为近两年大火的生成模型，扩散模型在图像合成任务上表现突出，近期也有一些工作将扩散模型引入视频合成与编辑任务。本文提出将扩散模型扩展到人脸视频编辑任务中，提出了一个扩散自动编码器的…