技术文章

暑期，B站多媒体实验室带队参与了 ICCV MIPI (Mobile Intelligent Photography and Imaging) Workshop 的细粒度图像质量定…

libavformat 是 FFmpeg 框架中的核心库之一，专门负责处理各种媒体容器格式的解复用（demuxing）和复用（muxing）操作。它为音视频数据的读取和写入提供了统…

本文是对《智能体设计模式》一书第二章节的翻译，此章节主要介绍了路由（Routing）模式。

流媒体技术在实现实时通信方面发挥着至关重要的作用，了解它们的差异至关重要。如今，有很多视频会议平台利用不同的流媒体传输协议来实现实时通信和高质量的视频流，选择最好的平台可能具有挑战…

书籍名称：Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems本书作者：Antonio…

WebRTC（Web实时通信）是一套开放的实时通信标准，能够在浏览器和移动应用中实现点对点（P2P）的音频、视频和数据传输，无需安装插件或第三方软件。 1、WebRTC概述 Web…

本文是对《智能体设计模式》一书前言部分的翻译，此章节介绍了本书的目录、引言等内容。

Flutter是一个跨平台的移动应用开发框架，本教程适用于开发以下平台的应用：iOS、Android、macOS、Windows、Web。下面介绍如何在Flutter接入中接入 Z…

语音 AI 应用需要实时可靠的音频通信，才能实现与 AI 客服机器人、虚拟助手、交互式语音应答平台及其他语音系统之间的自然对话。选择合适的传输协议至关重要，错误的协议可能导致音频卡…

Linux 音频系统出了名的混乱，往好了说是令人困惑，往坏了说是彻底崩溃。面对 PulseAudio、ALSA和 JACK 这三种音频框架，用户往往只能通过反复试错和大量调试来获得…

你是否曾好奇，为何有些人只需点击几下，就能用文字、图片甚至简单提示生成流畅的视频？ 这正是 AI 视频生成器的用武之地。从学生到内容创作者，这些工具让任何人都能将创意转化为视频，无…

谷歌人工智能研究团队通过引入语音转检索（S2R）技术，实现了语音搜索的重大突破。该技术将语音查询直接映射为嵌入向量，无需先将语音转为文本即可检索信息。谷歌团队将S2R定位为架构与理…

libpeer是一个用C语言编写的WebRTC实现，基于BSD socket开发。该库旨在将物联网/嵌入式设备的视频/音频流与WebRTC集成，例如ESP32和树莓派。 然后在用户…

ZEGO AI 数字人伴学互动方案，通过 AI Agent + 数字人 + RTC 三位一体的技术架构，用AI 数字人教师代替真人老师，实现学生个性化的口语互动，并给出个性化的反馈，提升学习效果。

EMQX 6.0 是继 5.x 系列之后，首个具有里程碑意义的重大更新。该版本首次将 MQTT 消息通信与消息队列能力结合，重新定义了物联网数据流处理。这一里程碑版本引入…

Jitsi Meet 长期支持视频 ReceiverConstraints 功能。接收方可指定希望接收的视频流及其分辨率，后端将在可用带宽范围内尽力满足这些约束。但音频方面此前缺乏…

本文将剖析构建 WebRTC 基础设施及运行生产级 WebRTC 应用的实际成本。我们将通过详细计算对比三种承载相同工作负载的方案，助您确定最适合自身场景的实施路径。

OpenVidu Meet 是一款基于 OpenVidu 构建的完整视频通话服务，旨在为虚拟会议提供易于使用的自主托管解决方案。

混合办公与远程工作重新定义了现代职场。如今团队成员可从总部、分支机构、家庭网络、咖啡馆乃至旅途中协同工作，过程中常需在Wi-Fi、宽带、5G或卫星网络间切换。面对如此复杂的网络环境…

在开发跨平台 Vulkan 应用程序时，处理平台特定差异对于确保代码在不同操作系统上无缝运行至关重要。SaschaWillems/Vulkan 仓库展示了一种优雅的平台抽象方法，使相同的 Vulkan 示例能够在不同平台上运行。