技术文章

什么是上下文工程？ 上下文工程是指设计、组织和操作输入大型语言模型 (LLM) 的上下文，以优化其性能的学科。上下文工程并非微调模型权重或架构，而是关注输入——提示、系统指令、检索…

淘宝直播技术团队打造智能数字人的部分实践总结。本文介绍了服务端工程技术，服务端工程是构建稳定、弹性、高并发的后端支撑平台，确保数字人服务高效稳定运行。 01 背景 数字人直播是通过…

Vulkan® 中的同步一直是其最棘手的挑战之一，开发者们也一直不遗余力地提醒我们这一点。Khronos® Vulkan 工作组一直致力于让 Vulkan 更加易于使用，而简化同步…

WebRTC 是一个开源项目，支持在浏览器和移动应用之间实时直接传输音频、视频和数据。所有现代浏览器都支持它，并且不需要任何第三方插件或软件。 与传统的流媒体协议不同，WebRTC…

这个系列文章我们来介绍一位海外工程师如何探索 FFmpeg Basics 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，这是第 17 篇：FFmpeg …

奖励模型是将 LLM 与人工反馈对齐的基础组件，但它们面临着奖励黑客攻击的挑战。这些模型关注的是诸如响应长度或格式等表面属性，而不是识别诸如真实性和相关性等真正的质量指标。这个问题…

2025年7月1日, 即构发布 uni-app x UTS 即时通讯 SDK 2.21.0 版本，对齐 iOS/Android/Web/小程序等平台的 2.21.0 版本。 什么是…

数字音频是一种技术，用于捕获、记录、编辑、编码和复制声音，这些声音通常由脉冲编码调制（PCM）进行编码。FFmpeg支持许多音频格式，包括AAC、MP3、Vorbis、WAV、WMA等。

本文是淘宝直播技术团队打造智能数字人的部分实践总结。 01 文章价值与思路说明 本文给大家带来的价值： 文章分享思路： 带着问题出发： 02 业务背景与价值 数字人直播 商家核心痛…

FFmpeg 中的 libpostproc 库是一个后处理库，主要用于视频解码后的图像处理。它的主要功能包括： ffmpeg 中的 postproc 库 主要用…

FFmpeg工具的主要用途与音频和视频有关，但ffmpeg可以对各种图像格式进行解码和编码，并且许多图像相关任务可以快速完成。

2025年6月30日，HarmonyOS 版 ZIM Audio SDK（即构即时通讯 SDK 的语音组件） 首次发布，支持完整的语音处理功能，包含语音采集、播放、噪声抑制（ANS…

随着 AI 不断向网络边缘靠近，边缘 AI 已成为各行各业的变革范式。从智能摄像头和工业传感器到自动驾驶汽车和可穿戴健康设备，边缘 AI 可直接在本地设备上实现实时、低延迟的决策，…

这个系列文章我们来介绍一位海外工程师如何探索 FFmpeg Basics 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，这是第 14 篇：FFmpeg …

本文将尝试给大家带来数字人形象技术在直播场景使用中遇到的挑战，介绍淘宝直播团队的思考和解法。

UDP 在设计上可能比较轻量级且 “不可靠 ”，但这并没有阻止开发人员在其基础上构建强大的系统。在本文中，我们将了解 WebRTC 和 DNS 这两项关键技术是如何成功使用 UDP…

来自音视频社群“关键帧Keyframe”的分享。最近一位社群的朋友参加了多场音视频方向的面试，遇到了这些面试题，这里给大家分享一下： 1、知道 av1 吗？ 2、vp8 和 vp9…

大语言模型(LLM)推动了机器翻译的进步，利用海量训练语料库翻译数十种语言和方言，同时捕捉细微的语言差异。然而，对这些模型进行翻译准确性的微调往往会损害其指令遵循和会话能力，而通用…

随着物联网技术的进步，越来越多的应用正在追求超低延迟以实现实时通信。传统的物联网用例通常以“海量物联网”（由发送温度或能量传感器等小型周期性数据的大型设备网络）为中心，而如今，它们…

数字视频流媒体改变了娱乐业，但它是在一个脆弱、分散的生态系统中运行的。当今的流媒体提供商被要求提供完美的体验，尽管大多数底层组件（设备、操作系统、第三方集成）都不在他们的直接控制范…