技术文章

据 Wurl 欧洲、中东及非洲（EMEA）区总经理 Keith Belford 近日在 Streaming Media Europe 博客发表的客座文章中称，2026 年夏季举办的…

视频渲染搞定了，声音播放呢？”就用系统默认的 AVAudioPlayer / MediaPlayer 呗”——但实时通话场景要求 <50ms 延迟，系…

Cartesia 发布了 Sonic-3.6，这是其实时文本转语音（TTS）模型的最新版本，距 Sonic-3.5 发布约三个月。这次的变化在于自然度，而且这一点是可以独立验证的。…

2026 年国内双录系统市场规模预计突破 120 亿元，年复合增长率 25%+，服务商数量超过 200 家。按市场分布总体可分五大类:云平台厂商(阿里云、腾讯云、华为云等)、专注音…

把同一部电影的 4K 流媒体和超高清蓝光碟放到同一台电视上，两者都能呈现 3,840 × 2,160 的画面。然而，这并不意味着电视接收到的画面信息量是相同的。分辨率描述的是屏幕上…

不赶进度、专注打磨！今天想和大家聊聊我们最新发布的 IndexTTS 2.5，支持中/英/日/西/阿五国语言零样本配音，推理速度翻倍升级，跨语言情绪还原更自然，同时也支持原声的语速…

ASP.NET Core SignalR 实用指南：用于为 .NET 应用程序添加聊天、实时通知、实时仪表板等实时功能的库，涵盖 Hub、传输协议、分组、横向扩展、身份验证及客户端…

借电影《牛来》聊聊银幕背后的 DCP、MXF、JPEG 2000、PCM、KDM，以及数字影院放映系统。

AVPlayer 播不了自定义码流？IJKPlayer 三年没更新了？自己写一个播放器，最难的其实是渲染层和 Seek 逻辑。本文用 Claude Code 从零搭建 Metal …

AI 视频生成正在跨过一个清晰的分界线。 过去，它更像一个周末玩具。用户拿它尝鲜、娱乐，生成一条新奇的视频，看模型还能玩出什么花样。 但这个状态正在变化。Seedance 2.0 …

地铁里、会议室中、医院病房内——很多场合我们都需要“说点什么”，却又不便发出声音。 苹果公司近日公开了一项专利申请（WO2026159706A1），提出一种默声语音检测方案：用户在…

昨天，Liquid AI 发布了LFM2.5-VL-3B。这是一个拥有 31 亿参数的视觉语言模型，专为设备端部署而设计。该模型能够读取移动设备、网页和桌面设备上的数字屏幕。它可以…

语音助理长期存在一处根本性割裂：当它转身去检索资料、调用工具或推进一段多步任务时，整场对话往往被迫悬停。用户只能干等，直到那句「好了，我查到了」姗姗来迟。Qwen-Audio-Ag…

STUNner 是一个原生 Kubernetes TURN 服务器，TURN 是一种中继协议，可为 WebRTC 客户端提供用于传输媒体的公共端点。它基于 Gateway API，…

随着 AI 视频进入生产阶段，生产成本开始成为越来越多团队绕不开的问题。 旗舰模型不断提升画质上限，更轻量的模型不断推出。很多人曾以为，“视频生成成本”这道题，会随着算力效率提升和…

编码搞好了，同步也搞定了，现在把流推到服务器。RTMP 听着简单（就一个推流 URL），但生产级推流器要考虑：自适应码率、断线重连、音视频交错复用、网络拥塞检测。本文用 Claud…

一款基于 Gemini 的医疗 AI 将视觉、听觉与临床推理相结合，在模拟视频问诊的多项关键指标上达到或超越了医生水平，同时也揭示了人类连接与细微感知仍然重要的领域。 近期发表在 …

NDI（Network Device Interface，网络设备接口）正在变革视频制作领域，它使通过标准 IP 网络传输高清、低延迟视频成为可能，用大多数设施已有的以太网基础设施…

iOS WebRTC 跑通了，但 Android 端的依赖、权限、Camera2 采集、前后摄切换，和 iOS 完全是两个世界。本文用 Claude Code 写 Android …

NVIDIA 发布了NemotronLabs VoiceChat 11B，这是一款开源的 11B 端到端语音模型，支持实时全双工对话。它无需像传统 ASR、LLM 和 TTS 那样…