技术文章

优化大规模语言模型需要先进的训练技术，以降低计算成本并保持高性能。优化算法对于确定训练效率至关重要，尤其是在具有大量参数的大型模型中。虽然像 AdamW 这样的优化器已被广泛采用，…

在最近举行的欧洲集成系统会议上，思科展示了其空间 Webex 会议解决方案，该方案利用了苹果 Vision Pro 护目镜。人们普遍猜测，下一代苹果护目镜将更加便宜。谷歌展示了其创…

没有状态机，就无法控制状态。这是废话，但是是核心。就像人脱离了大脑控制，AI脱离了算法控制一样，多多少少会出现幻觉。对于一个靠会话来控制系统运行的软件环境来说，没有状态机就无法正常…

全面了解 VoIP 中的 DDoS 攻击是什么，以及如何通过成熟的策略和主动防御保护您的企业 VoIP 网络免受 DDoS 攻击，确保业务通信不中断。 想象一下，当您最需要 VoI…

本文将引导您使用现代技术构建一个可扩展的实时聊天应用程序。我们将重点讨论如何创建一个既能处理数千个并发用户，又能保持实时性能的系统。 架构概述 聊天应用程序采用可扩展架构，包含以下…

大型内容所有者采用 AV1 编解码器的过程漫长而复杂，Meta 高级媒体软件工程师 David Ronca（曾在 Netflix 开发编码解决方案长达 12 年）对此深有体会。在与…

人工智能正在进一步涉足音频内容生成领域，并极大地改变了其发展。谷歌、Meta 和微软等知名供应商以及 Revoicer 和 WellSaid 等初创公司正在利用生成式人工智能，提供…

本文分享音视频消费侧各组件框架，包括播放组件层、播放内核层和底层能力层。另分析音视频下载、音视频解封装、音视频解码和音视频渲染等模块内容。

在本教程中，我们将使用开源工具构建一个高效的法律 AI 聊天机器人。它提供了使用bigscience/T0pp LLM、Hugging Face Transformers 和 Py…

limit到底是干什么的？如何一个稳定的系统需要多种极限的设计来保证系统的稳定运行。下面，我们来讨论一个FreeSWITCH环境下大家不经常关注，但是必须注意机制设置模块limit…

如果因各种原因只能用Windows的，比如做Windows的硬件解码和播放，meson构建ffmpeg不失为一个提升开发效率的选择。

本文分享来自公众号——关键帧Keyframe的分享。 本文中，我们来介绍在实际工作中，我们实现的直播推流组件架构、重点需求技术方案和常见问题解析。 其中，重点需求技术方案包括： 1…

视觉语言模型 (VLM) 长期以来一直有望弥合图像理解和自然语言处理之间的差距。然而，实际挑战依然存在。传统的 VLM 通常会在图像分辨率的变化、上下文细微差别以及将视觉数据转换为…

FreeSWITCH环境中，有很多模块是经常使用的重要模块，需要开发人员深入掌握这些模块。 mod_dptools 模块就是主要模块之一。我们针对此模块做更多解释，希望帮助读者对业…

NAT问题是非常常见的企业电话系统中远程用户使用问题。在FreeSWITCH环境中，很多用户基本上没有SBC的边界控制能力，只能手搓，使用默认环境来配置。但是，配置后，随着用户数量…

导读：直播间互动体验框架技术实践，揭秘性能与稳定性优化之道，快来探索吧！在百度直播间歌会红包等活动中，我们创新性地将红包互动与高质内容深度融合，通过技术架构升级与系统性优化，打造了…

研究意义 图像超分辨率（SR）技术旨在从低分辨率图像中恢复高分辨率图像，广泛应用于医学影像、视频增强和卫星图像处理等领域。然而，现有的SR模型通常依赖庞大的网络规模和计算资源，难以…

当前的图像标记化方法需要大量标记来捕获图像中包含的信息。尽管图像的信息量不同，但大多数图像分词器仅支持固定长度的分词化，导致分词分配效率低下。在本研究中，本文介绍了 One-D-P…

扩散模型已成为一个重要的生成式 AI 框架，在图像合成、视频生成、文本到图像转换和分子设计等任务中表现出色。这些模型通过两个随机过程发挥作用：一个是逐渐向数据添加噪声并将其转换为高…

本文从B站流媒体点直播的日常业务出发，结合具体业务实例详细介绍如何利用算法赋能业务。 作者丨Fiver来源 | 多媒体 哔哩哔哩技术 背景概述 早在20世纪人们就开始了人工智能的相…