技术文章

Vue.js 是一个流行的前端框架，被广泛应用于 Web 应用程序的开发中。除了常规的界面开发，Vue.js还可以与音视频处理相结合，实现流媒体和音视频编解码的功能。下面来看看 V…

阿里云 Qwen 团队推出了Qwen3-ASR Flash，这是一种一体化自动语音识别 (ASR) 模型（可作为API 服务提供），建立在 Qwen3-Omni 的强大智能之上，可…

smart_rtpmd 是一款用于直播，录播性能卓越的服务器。如果您不理解，可以理解为和 nginx-rtmp, srs ，并与此功能类似，特点是性能卓越，跨平台，无依赖，部署和维…

GPUImage 的帧缓冲系统负责分配、复用和管理 OpenGL 资源，针对移动设备和实时处理做了专门优化。本文将深入 GPUImage 的帧缓冲管理机制及其重要性。

本文介绍一项基于实时通信引擎 WebRTC 的大规模极低延时直播技术 RTM，并阐述如何对 RTM进行高效优化，从而实现用户参与度指标（直播渗透率、平均观播时长）的显著增长。

GPUImage 最强大的特性之一，就是能够使用 OpenGL ES 2.0 着色器程序创建你自己的图像处理滤镜。本文将带你从零开始，逐步完成从简单颜色调整到复杂多输入特效的全部流程。

本文介绍下工程方法的内容，在移动设备和嵌入式系统中，高效的数字信号处理（DSP）算法至关重要。快速傅里叶变换（FFT）作为核心算法之一，其性能直接影响到音频处理、图像分析、通信等多…

AI 正在重塑医疗、金融、制造和零售等行业的可能性边界。但伴随巨大潜力而来的，是海量基础设施需求。 全球企业正以史无前例的规模投资 GPU，以加速 AI 训练与推理。Gartner…

本文提出了一种新的量化方法（ERVQ），其通过码本内和码本间优化来减轻码本崩溃并提高编解码器性能。实验表明，融入到多种神经音频后均能起到较好的性能提升效果。 文章来源：TASLP …

上周五，ZEGO 即时通讯 SDK（ZIM） 2.22.0 版本发布，新增取消媒体消息发送、获取回执已读时间和获取房间用户扩展字段等功能。 ZIM 新增功能 取消媒体消息发送 用户…

本文将介绍 GPUImage 中滤镜链的工作原理，并示范如何创建并管理高效的滤镜链。

Hugging Face 刚刚发布了FineVision，这是一个开放的多模态数据集，旨在为视觉语言模型 (VLM) 树立新标准。FineVision 拥有1730 万张图片、24…

拉脱维亚语言科技公司 Tilde 发布了 TildeOpen LLM ，这是一款专为欧洲语言构建的开源基础大型语言模型 (LLM) ，重点关注代表性不足且规模较小的国家和地区语言。…

了解如何在 Node.js 中高效扩展WebSockets，通过集群、负载均衡、Redis 发布/订阅（pub/sub）及实战模式实现，避免 CPU 飙升。 若你曾启动 Node….

GPUImage 的帧缓冲系统负责分配、复用和管理 OpenGL 资源，针对移动设备和实时处理做了专门优化。本文将深入 GPUImage 的帧缓冲管理机制及其重要性。

艾伦人工智能研究所 (AI2) 发布了OLMoASR，这是一套开放的自动语音识别 (ASR)模型，可与 OpenAI 的 Whisper 等闭源系统相媲美。除了发布模型权重外，AI…

本文介绍了一种创新的视频流优化系统：灵犀系统。这是业界首个成功部署在大规模生产环境中、面向用户个性化体验的自适应视频流优化系统。

近几年，空间音频从“更高质量到音频”走向“可被理解与生成的三维声场”。它不只是把声音变“立体”，而是让系统理解声源的方位、距离、运动，并能按需生成。在 AR/VR、影视、…

WebRTC VoIP 系统支持通过网页浏览器和移动应用直接进行语音通话，无需下载任何软件或插件。这使其成为客户支持平台、远程医疗咨询、销售通话以及任何需要添加语音通信功能却不要求…

GPUImage 通过精心设计的渲染管线，利用 GPU（图形处理单元）的强大算力解决了这一难题。本文阐述 GPUImage 如何编排 GPU 渲染管线，以实现高性能的图像与视频处理。