技术文章

从高保真音乐流媒体到无缝视频会议，再到沉浸式虚拟现实环境，数字音频技术已成为现代通信和娱乐不可或缺的一部分。这一变革的核心是音频编解码器——一种先进的技术，用于对数字音频流进行编码…

在FFmpeg中，调整视频的大小是指通过一个选项改变其宽度和高度，而缩放则意味着使用一个具有高级功能的scale滤镜来改变帧的大小。

Transformer 模型显著影响了 AI 系统处理自然语言理解、翻译和推理任务的方式。这些大型模型，尤其是大型语言模型 (LLM)，在规模和复杂度上不断增长，如今已涵盖了各个领…

AWS（亚马逊网络服务）可能会放弃其核心 UCaaS 产品 Chime，但这并不意味着它放弃了商业通信。联络中心负责人仍然可以通过 Amazon Connect 访问全渠道客户服务…

比特率和帧速率是视频的基本特征，它们的正确设置对整体视频质量至关重要。由于在使用 FFmpeg 工具时对帧速率和比特率的理解很重要，因此本文对每个术语进行了简要介绍。

随着推理密集型任务需求的增长，大型语言模型 (LLM) 越来越有望生成更长的序列或并行推理链。然而，推理时间性能不仅受限于生成的令牌数量，还严重受限于键值 (KV) 缓存的内存占用…

在这个以响应速度和互动性引导用户期望的时代，掌握实时通信技术正迅速成为一项不可或缺的技能。无论您是在设计 AI 语音界面、协作学习工具，还是在设计下一代多人游戏环境，跨设备即时且智…

本文是《vivo Pulsar万亿级消息处理实践》系列文章第2篇，Pulsar支持上报分区粒度指标，Kafka则没有分区粒度的指标，所以Pulsar的指标量级要远大于Kafka。在…

FFmpeg 工具有一个很大的控制台帮助，可以完整显示或关于特定元素 – 解码器，编码器等。下表介绍了可用选项，斜体文本将替换为要显示的项目。ffplay 和 ffprobe 也有类似的选项。

现代语言模型的记忆行为面临越来越多的质疑。例如，一个拥有 80 亿个参数的转换器，需要用 15 万亿个词元进行训练，研究人员开始质疑这些模型是否能够以有意义的方式记忆训练数据。数据…

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 1 篇：FFmpeg 基…

强化学习已成为一种强大的方法，可以对大型语言模型 (LLM) 进行微调，使其更加智能。这些模型已经能够执行从摘要到代码生成的各种任务。强化学习能够根据结构化反馈调整其输出，从而提供…

早期的大型语言模型 (LLM) 擅长生成连贯的文本；然而，它们在处理需要精确操作的任务（例如算术计算或实时数据查找）时却举步维艰。工具增强型代理的出现弥补了这一缺陷，它赋予 LLM…

WebRTC 开源实时通信平台 ‌OpenVidu 发布了 3.3.0 版本。提供 Azure 原生部署、Azure 录制、单节点 PRO、更新 LiveKit 堆栈等功能。 变更…

随着人工智能(AI) 从集中式云系统迁移到分布式边缘环境，传统的 DevOps 方法面临着新的挑战。边缘 AI 工作负载需要实时处理、低延迟响应和自适应部署，这使得持续集成和交付 …

讨论如何在 OpenGL 中设置相机。我们将讨论一种飞行风格的相机，它允许你在 3D 场景中自由移动。我们还将讨论键盘和鼠标输入，并以一个自定义的相机类结束。

尽管 DALL-E 3、Imagen 3 和 Stable Diffusion 3 等模型在文本转图像 (T2I) 生成方面取得了显著进展，但实现一致的输出质量（包括美观度和对齐度…

2025年体积视频压缩技术市场报告：深入分析增长动力、创新和全球机遇。探索塑造未来五年的关键趋势、预测和竞争洞察。 执行摘要和市场概览 体积视频压缩技术是实现沉浸式媒体体验的前沿技…

这个系列文章我们来介绍一位海外工程师如何探索 OpenGL 音视频渲染技术，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 8 篇：OpenGL 坐标系统。 …

什么是模型上下文协议（MCP）？ Anthropic 于 2024 年 11 月推出的模型上下文协议 (MCP)，为 AI 模型建立了一个标准化、安全的接口，使其能够通过基于 JS…