技术文章

随着高分辨率桌面显示器价格不断下探，4K及以上分辨率的显示器已逐渐成为市场主流。然而，与超高清显示设备的普及形成反差的是，当前海量视频内容仍主要停留在720p和1080p的高清标准…

在 Android NDK 开发中，直接使用 C++ 调用 MediaCodec 通常是为了追求极致性能或与现有的 FFmpeg/OpenGL 管道集成。自 A…

当几十甚至几百个用户共享同一个无线网络时，语音通话往往首当其冲受到影响。通话会中断，音频会断断续续。用户通常会责怪电话系统，但实际上，问题往往出在 Wi-Fi 设计上。 如果您计划…

本文介绍了由淘天音视频技术团队提出的一种名为Vivid-VR的生成式视频复原算法，该成果已被顶级会议ICLR 2026收录。针对现有基于扩散模型的视频复原方法在微调过程中容易出现的…

云原生架构的成熟、存储技术的演进、以及行业对平台化治理的共识，让统一消息平台从愿景变为现实。消息基础设施正在迎来一次范式跃迁：从「多套工具各司其职」走向「一个平台统一承载」。

2026年春节期间，面对亿级 DAU 流量洪峰，社交业务成功落地了「语音拜年」与「表情烟花」两大重磅活动。本文阐述了如何通过融合自适应调度引擎、实时 ASR 语音识别及高性能粒子渲…

本文为上海交通大学与蚂蚁集团的合作工作，主要关注多模态数据的统一高效无损压缩。无损压缩是数据存储与传输的基石，但在多模态协同的大数据时代，现有压缩器要么仅针对单模态设计导致部署冗余…

由于扩散模型在图像生成任务取得质的突破，越来越多的底层视觉任务受益于其强大的生成式先验——从图像超分辨率、去噪，到图像修复、扩散模型正以细节生成和语义理解的双重优势，重构底层视觉任…

上海交通大学陈智勇研究员课题组在北京邮电大学张平院士、上海交通大学张文军院士联合指导下，在高效轻量化语义通信架构方面取得进展。课题组深入挖掘了状态空间模型（SSM）的数学机理，从理…

过去几年间，提示工程已成为 AI 时代最重要的技能之一。围绕它开设了课程，为此创造了职位名称，甚至形成了专门的社群，人们在此分享如何构造完美句子以让语言模型精准执行指令的技巧。提示…

现代 SIP 基础设施越来越依赖负载均衡器、反向代理和云边缘服务来实现可扩展性、安全性和地理分布。虽然这些组件非常有用，但它们通常会对后端 SIP 基础设施隐藏客户端的原始源地址。…

Khronos® 旗下的 Vulkan® 工作组发布了《构建简易游戏引擎》教程，这是一份面向开发者的全新深度教程，旨在帮助他们超越基础知识，迈向专业级引擎开发。该系列教程以《 Vu…

目前，大型语言模型 (LLM) 的定制面临着一个重要的工程权衡：一方面是上下文学习 (ICL)的灵活性，另一方面是上下文蒸馏 (CD)或监督微调 (SFT)的效率。总部位于东京的 …

许多在线社区发展迅速，不断受到有害或垃圾信息的挑战。每个数字企业都需要一个安全友好的用户交流空间。因此，聊天审核如今已成为用户保护的重要组成部分。这一流程还能确保每场对话对所有人都…

在 iOS 影像开发中，传统的比特率控制（ABR/VBR）往往在复杂动态画面或微距特写下产生“糊块”。要实现真正意义上的“清晰度一致”，必须深入底层控制 QP。 1、QP…

本文讲述作者经过反复阅读、测试和版本对比才逐步确认：在macOS 14.2 及更高版本系统中，Chrome 141 及以上版本已支持通过 getDisplayMedia 实现系统音频共享功能。

本文总结了为解决 AI 数字人导购对话中的回答延迟感而进行的性能优化实践。初始的对话链路因 ASR、LLM 和 TTS 的串行叠加，导致平均端到端延迟高达 5.64 秒。为实现数据…

与具有简单请求-响应模式的传统 Web 应用程序不同，实时通信平台需要一个统一的生态系统和复杂的 WebRTC 技术栈来处理实时媒体流、管理对等连接、确保低延迟，并能够扩展到大量并…

过去20年来，我们一直在以易于衡量的方式改进数字媒体。分辨率稳步提升，网络速度加快，延迟降低。几乎所有技术指标都取得了显著进步。然而，尽管取得了如此巨大的进步，我们的数字互动仍然感…

在生成式 AI 领域，延迟是沉浸感的终极杀手。直到最近，构建语音驱动的 AI 代理仍如同组装鲁布·戈德堡装置：需将音频输入语音转文本（STT）模型，将转录文本发送至大语言模型（LL…