技术文章

本文介绍：ogg格式详解；ogg的mux和demux的开源：推荐一个非常独立，移植性强的C++开源；
webrtc的录像怎么做(支持H264/H265/Vp8/Vp9/AV1编码)。

虚拟形象已不再只是屏幕上的动画角色，它们是我们的代表、助手，有时甚至是同伴。从视频游戏和客户支持机器人到虚拟影响者和元宇宙人物，这些虚拟形象都应以自然而令人信服的方式与用户互动。提…

WebRTC-HTTP接入协议（WHIP）正式成为RFC标准！这是基于WebRTC广播技术的重要里程碑事件。  WebRTC-HTTP Ingestion Protoco…

本文将探讨数字音频格式的世界，比较 OGG 和 MP3。我们将讨论 OGG 和 MP3 的主要区别，包括音质、文件大小和兼容性等。 什么是 OGG？ OGG 是一种免费的开源比特流…

自回归视觉生成模型已成为一种突破性的图像合成方法，其灵感来自语言模型 token 预测机制。这些创新模型利用图像标记器将视觉内容转换为离散或连续 token。该方法促进了灵活的多模…

随着移动互联网的不断发展以及智能手机的普及，短视频已逐步取代图片和文字，跻身主流媒体形式的前列。短视频平台的兴起，让数十亿用户可以制作，分享并接收彼此的信息，为人们开辟了一条全新的…

Datoviz 是一个跨平台、开源的高性能 GPU 科学数据可视化库，专为大规模数据集的交互式探索而设计。它采用 C/C++ 编写，基于 Khronos Vulkan® 图形 AP…

社交媒体网络、服务市场和在线商店都在很大程度上依赖于实时消息传递，即时通信对于平台至关重要。实时互动加快了增长速度，促进了用户参与，因此消息传递功能对于任何企业在线成功都至关重要。…

当数字音频数据必须经过压缩才能存储和传输时，音频编解码器就派上用场了。AAC 是 iTunes 和 Apple Music 的默认编解码器，常用于流媒体音频。FLAC 则是一种无损…

有多种因素会影响视频流的质量，包括带宽、帧速率、文件大小、比特率、视频编解码器和分辨率。因此，在开始您的流媒体之旅之前，了解这些技术方面以及它们如何影响观看体验至关重要。 比特率和…

从商务合作到社交互动，视频会议现已成为我们日常生活的重要组成部分。然而，在这些会议中，最令人沮丧的莫过于音频和视频的延迟。想象一下：你正在介绍一个重要的想法，而音频却出现了延迟，或…

本文介绍使用音频带宽扩展（Audio Bandwidth Extension, ABE）来改善语音质量。带宽扩展旨在估计缺失的高频内容，换句话说，即提高语音信号的分辨率，从 4-8kHz 扩展到 16kHz。

本文主要介绍了 Anthropic 推出的开源协议 MCP（Model Context Protocol，模型上下文协议），能让你快速上手该协议，实现大型语言模型与外部数据源和工具…

OpenSIPS 的大脑是它的脚本，其中包含路由逻辑。为了反映您的自定义路由逻辑（取决于您实施的 SIP 服务），脚本也是自定义的。也就是说，你需要构建它。 作为创建脚本的一部分，…

项目背景 2025年春晚是公司（B站）的年度大型直播活动，在常规的直播之外，直播结束之后转出点播稿件的耗时，也是一项重要的竞争指标。根据运营团队同步的信息，一些竞品可以在10分钟之…

本文介绍了一种实用的实时神经视频编解码器（NVC），旨在提供高压缩比、低延迟和广泛的通用性。在实际应用中，NVC的编码速度取决于计算成本和非计算操作成本，虽然大多数高效的NVC优先…

a16z 每两年发布一次的全球 AI 产品 Top 100 榜单中，一年前只有 2 款 AI 陪伴类应用上榜，但截至今年 3 月，已有 8 款 AI 陪伴类应用进入前 50 名，最…

实时通信对于现代 Web 应用程序至关重要，尤其是在多人游戏、协作工具和实时通知中。在本文中，我们将探讨如何将 Microsoft SignalR 与 React 前端和 ASP….

近年来，人工智能取得了长足进步，但将实时语音交互与视觉内容相结合仍然是一项复杂的挑战。传统系统通常依靠单独的组件进行语音活动检测、语音识别、文本对话和文本转语音合成。这种分段方法可…

本文将探讨扩展游戏化流媒体平台所面临的挑战。从管理复杂的数据基础设施、满足合规标准到平衡用户体验和运营成本，平台必须克服重大的技术、财务和监管障碍。 游戏化流媒体的潜在挑战 游戏化…