技术文章

实时应用程序现在有三种强大的浏览器选项可用于数据传输：WebRTC DataChannel、WebTransport 和 WebSockets。它们之间功能有重叠，但不可互换。选择…

什么是语音聊天接口？ 本文所讲的语音聊天接口，也就是语音聊天 API，是用于实现语音聊天功能的应用程序编程接口。借助它开发者能够在APP、小程序、Web、物联网设备等应用上实现一对…

GPUImage 的视觉特效滤镜让你能以 GPU 实时渲染的方式，对图片或视频施加从“轻微修饰”到“戏剧性艺术化”的丰富效果。它们不仅适用于照片编辑 App，也能在相机或视频处理系统中大显身手。

可编程语音 API 正在改变企业与客户互动的方式，这些先进的工具提供了前所未有的语音通信控制和定制能力，使企业能够打造独特的客户体验并简化运营。随着各行各业持续拥抱数字化转型，整合…

在当今互联网应用中，实时性和流畅性至关重要，尤其是在网络游戏、视频会议和在线直播等场景中。传统的TCP协议虽然提供可靠的数据传输，但其复杂的拥塞控制机制和重传策略会导致较高的延迟，…

GPUImage 提供了 30 余种混合（Blend）滤镜，用于将两张图片的像素按不同算法混合，产生 Photoshop 级的效果。

如今，随着体育、新闻、娱乐和远程工作流程中现场制作需求的不断扩展，广播运营面临着日益复杂的挑战，而资源和网络的限制也愈发严格。为了跟上时代的步伐，许多广播公司正在重新评估其运营核心…

GPUImage 提供了 20+ 种 GPU 加速的色彩滤镜，覆盖亮度、对比度、饱和度、色调、色温、曲线、LUT 等全部常见场景，可在 实时视频 / 静态图片上零延迟运行。

Nous Research发布了Hermes 4，这是一个开放权重模型系列（基于 Llama 3.1 检查点，参数大小分别为 14B、70B 和 405B），通过纯粹的后训练技术实…

SIPGO是一个用于在 GO 语言中编写高速 SIP 服务的库。 它配备了针对快速解析优化的 SIP 协议栈（RFC 3261|RFC3581|RFC6026）。

近年来，前端开发框架层出不穷，根据 2023 年 GitHub 上全球 npm 累计下载量数据显示，React、Next、Vue、Angular 和 Preact 占据前五位[1]…

GPUImage 基于 OpenGL ES 2.0 管线模型，将「生成 → 处理 → 输出」拆成三大角色，全部以 GPU 纹理为数据载体，实现高性能、可组合、易扩展的图像 / 视频框架。

本文分享将 WebRTC 从 M54（2016年版本）升级到 M128（2024年版本）的具体操作流程，从搭建工具链到生成 .a 静态库，这些成果可安全地应用于2025年的Android项目中。

GPUImage 同时支持 iOS（iPhone / iPad）与 macOS，底层均依赖 OpenGL / OpenGL ES 实现 GPU 加速。

NVIDIA 研究人员突破了大语言模型 (LLM) 推理领域长期存在的效率障碍，发布了Jet-Nemotron模型系列（2B 和 4B），其生成吞吐量比领先的全注意力机制 LLM …

现代分布式计算架构支撑着 AI 和智能制造等重大技术进步。每种计算模型都是支持改变格局的先进应用的关键。 数字化企业拥有庞大的虚拟环境，需要灵活且具有弹性的基础设施来满足不断增长的…

当我们坐下来在线观看喜爱的短视频时，很少会考虑流媒体播放的过程——我们只是点击播放。实际上，视频编解码器会无缝地管理数据的压缩和解压缩，从而提供轻松、高质量的观看体验。例如，高效视…

这个系列文章我们来介绍一位海外工程师如何探索 GPUImage 音视频技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，本篇介绍 GPUImage 视频处理基础。…

新加坡人工智能研究院 (AISG) 发布了 SEA-LION v4，这是一个与谷歌合作开发的开源多模态语言模型，基于 Gemma 3 (27B) 架构。该模型旨在支持东南亚语言，包…

微软最新开源版本 VibeVoice-1.5B 重新定义了文本转语音 (TTS) 技术的边界。提供富有表现力、长篇幅、多说话人生成的音频，该音频获得麻省理工学院 (MIT) 许可，…