技术文章

今年 2 月，JPEG AI 国际标准发布，经过数年的研究，该标准旨在利用机器学习技术，在不降低感知质量的前提下，生成更小、更易于传输和存储的图像编解码器。 这一事件很少成为头条新…

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，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 2 篇：ExoPlayer …

在当今的企业环境中，尤其是在保险和客户支持领域，语音和音频数据不仅仅是简单的录音；它们是宝贵的触点，能够改变运营和客户体验。借助 AI 音频处理，企业可以以惊人的准确度自动转录，从…

分享 WebRTC.ventures 团队在开发语音 AI 应用上结合基础知识和实际指导的简明见解。 解决延迟问题 优先考虑简短回复而不是简短提示，以加快对话速度 在实时 WebR…

这个系列文章我们来介绍一位海外工程师如何探索 ExoPlayer 音视频播放技术，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 1 篇：ExoPlayer …

Google AI 近期宣布推出Agent2Agent (A2A)，这是一种开放协议，旨在促进基于不同平台和框架构建的 AI 代理之间安全、可互操作的通信。A2A 旨在通过提供标准…

了解 AVI 和 MOV 视频格式的优缺点，找到最符合您需求的选择。探索哪种格式最适合高质量内容、兼容性和文件大小。

本教程分为 7 篇，将逐步讲解如何基于 FFmpeg 的 API 用 1000 行左右的代码开发一个简易播放器，非常适合初学者学习音视频开发。本文为第 7 篇：《FFmpeg 播放…

摘要：Android 16 通过减少解码视频或音频所需的进程数量，提高了媒体播放的效率。这是通过使用 Rust（一种更高效、更安全的语言）编写的媒体编解码器实现的。 即将推出的 A…

在 Web 开发领域，媒体处理一直是服务器端的任务。然而，随着 WebAssembly (WASM) 和 FFmpeg WASM 等库的出现，我们现在可以直接在浏览器中执行复杂的视…

本教程分为 7 篇，将逐步讲解如何基于 FFmpeg 的 API 用 1000 行左右的代码开发一个简易播放器，非常适合初学者学习音视频开发。本文为第 6 篇：《FFmpeg 播放…

回声消除或者回声抑制是语音呼叫中经常遇到的问题。这种问题取决于SIP终端的回声处理能力。很多SIP终端使用硬件处理，一些软电话只能使用软件算法来处理。处理的结果也有很大差别。本文章…

本文将介绍如何使用 JavaScript 创建 WebRTC UDP 连接的步骤。 第 1 步：要求 我们将使用 Node.js 服务器和普通浏览器 JavaScript 客户端。…

本文根据主流的三款开源SIP软电话：MicroSIP、Linphone 和 JsSIP 的特色、实现机制、适用场景、潜在技术问题及排查方法来帮助大家解读这些开源项目。

本教程分为 7 篇，将逐步讲解如何基于 FFmpeg 的 API 用 1000 行左右的代码开发一个简易播放器，非常适合初学者学习音视频开发。本文为第 5 篇：《FFmpeg 播放…

PJSIP 是一个功能强大、轻量级的开源SIP协议栈，广泛应用于VoIP、实时通信和嵌入式系统。它采用模块化设计，支持跨平台（Windows、Linux、macOS、iOS、And…

从 Chrome 浏览器中提取的原始 RTP 数据包来测量总延迟，本文分析了这种方法在 OpenAI 的 WebRTC 实时 API 中的应用，并分析了结果。

幻觉仍然是部署大型视觉语言模型 (LVLM) 的一大挑战，因为这些模型通常会生成与视觉输入不一致的文本。与 LLM 中因语言不一致而产生的幻觉不同，LVLM 难以应对跨模态差异，导…

本教程分为 7 篇，将逐步讲解如何基于 FFmpeg 的 API 用 1000 行左右的代码开发一个简易播放器，非常适合初学者学习音视频开发。本文为第 4 篇：《FFmpeg 播放…

本教程分为 7 篇，将逐步讲解如何基于 FFmpeg 的 API 用 1000 行左右的代码开发一个简易播放器，非常适合初学者学习音视频开发。本文为第 3 篇：《FFmpeg 播放…