技术文章

新加坡人工智能研究院 (AISG) 发布了 SEA-LION v4，这是一个与谷歌合作开发的开源多模态语言模型，基于 Gemma 3 (27B) 架构。该模型旨在支持东南亚语言，包…

微软最新开源版本 VibeVoice-1.5B 重新定义了文本转语音 (TTS) 技术的边界。提供富有表现力、长篇幅、多说话人生成的音频，该音频获得麻省理工学院 (MIT) 许可，…

体育广播需要精准、可靠和创新，很少有机构能比 NBC 体育更好地体现这一点。多年来，该网络始终采用尖端技术来提升其制作水平，为数百万观众提供无缝衔接的转播。其工作流程中最具变革性的…

直播日益普及，而全球仍有相当一部分人口缺乏可靠的互联网接入，这与其形成鲜明对比。新兴的低地球轨道卫星网络 (LSN) 提供了一种潜在的解决方案。 论文地址：https://arxi…

为什么 QT 的 WebAssembly（Wasm）不支持 qtcpserver？Wasm 本身的设计初衷和安全沙箱模型，决定了它不能直接提供 TCPServer 这样的能力。 因…

GPUImage 利用 GPU 并行计算，可显著优于传统 CPU 处理。以下内容带你快速上手静态图片的滤镜应用。

基于粒子的模拟和点云应用正在推动科学和商业数据集的规模和复杂性大幅扩张，其数量通常会跃升至数十亿甚至数万亿个离散点。如何在不影响现代 GPU 性能的情况下高效地减少、存储和分析这些…

在上一篇文章中，我们介绍了语聊房的基本概念和应用场景，本文我们来看下语聊房方案架构和具体的实现流程。 ZEGO即构科技语聊房是指在线语音连麦虚拟房间。在本方案中，每个房间设有若干个…

GPUImage 是一个专为 iOS / macOS 设计的 GPU 加速图像与视频处理框架。只需少量代码即可实现：静态图片滤镜、实时摄像头滤镜和视频文件滤镜等功能。

NVIDIA 发布了 Streaming Sortformer，这是实时说话人日志记录领域的一项突破，即使在嘈杂的多说话人环境中，也能即时识别并标记会议、通话和语音应用中的参与者。…

本文将介绍如何使用微信小程序原生推拉流组件 <live-pusher> 和 <live-player>进行推拉流，通过集成ZEGO 音视频SDK快速实现一个简单的实时音…

这个系列文章我们来介绍一位海外工程师如何探索 GPUImage 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，本篇介绍 GPUImage 概述。 ——来…

评估大语言模型（LLM）的成本在科学和经济上都耗资巨大。随着该领域竞相开发更大规模的模型，评估和比较这些模型的方法变得越来越重要，不仅是为了基准分数，更是为了做出明智的开发决策。艾…

你是否曾在虚拟会议中遇到多人同时发言，几乎无法跟上对话内容的情况？又或者，你是否曾体验过与智能音箱对话时，背景噪音盖过指令，令人沮丧？基于 AI 的语音分离技术的最新进展有望改变这…

目前微信小程序IM即时通讯多人聊天应用非常广泛，比如电商购物场景，买家和卖家、客服之间需要通信，发送文本、图片、订单等消息；互动直播场景中的弹幕消息、礼物消息，语聊房内的麦位控制等…

语音SDK是什么意思 语音SDK简单来说就是一个软件开发工具包，集合了许多语音服务功能，开发者通过集成 SDK 可以快速实现各种语音类功能。 比如即构实时语音SDK（Express…

B站第三代转码体系下引入了流式转码，以解决同稿件下多条转码任务的重复切片问题、转码临时产物大文件导致的耗时问题，以及非必要的IO和算力开销问题。

本文介绍如何基于ZEGO即构科技的 WebRTC SDK（ZEGO Express Web SDK）快速实现一个简单的实时音视频通话。 WebRTC 是一个支持网页浏览器进行实时语…

写在前面：在 AIGC 时代，数字人和影视动画行业快速发展，如何让角色的口型与音频完美同步，成为提升沉浸感的关键技术之一。音频驱动口型生成技术，通过算法将音频信号转化为逼真的唇形动…

本文将深入探讨 MCP 的起源、技术原理、优势、局限性、实际应用以及未来发展轨迹，并借鉴行业领袖的见解和截至 2025 年中期的早期实施案例。