技术文章

近日，摩尔线程开源了TorchCodec-MUSA，率先完成了对PyTorch官方媒体编解码库TorchCodec的第三方硬件后端适配。该项目是专为AI训练场景设计的硬件加速方案，…

分享来自“关键帧Keyframe”的音视频面试题集锦第 53 期，本期内容主要是 WebRTC 音视频方面常见的 5 个面试题。 1、【架构与扩展篇】在多人视频会议场景中，SFU …

互联网曾经是一个简单得多的世界，人们聚集在虚拟聊天室里，与素不相识的陌生人打字交流。在社交媒体个人主页和视频通话出现之前，这些基于文字的聊天室是人们在线社交的主要方式。 每天有数百…

FFmpegKit 库架构为 FFmpeg/FFprobe 命令提供了全面的封装，能够在保持一致功能和行为的同时实现多平台无缝集成。该设计以基于会话的执行模型为核心，具备强大的回调…

NVIDIA 研究人员发布了 PersonaPlex-7B-v1，这是一个全双工语音到语音（Speech-to-Speech）对话模型，旨在实现具有精确角色控制的自然语音交互。 从…

2026年1月13日，Advancing WebRTC 博客发布了一篇《Firefox WebRTC 2025》的文章，总结了 Firefox 在 2025 年对 WebRTC 的…

当 ISP 链路故障导致统一通信（UC）或 VoIP 系统中断时，再精细的通话质量调优也无法挽救用户体验。真正的可用性始于路由层。本文将解释 BGP 多宿主如何通过赋予企业控制流量…

2026 年 1 月 13 日，ZEGO即时通讯SDK（ZIM）2.26.0 版本发布， 已同步更新到Native 、flutter 、web、小程序和 uniapp-x 等平台。…

2025 年的体育广播格局整合了过去五年的诸多技术实验成果：流媒体版权争夺战愈演愈烈，个性化与多视角功能成为主流，IP/云工作流程从试点项目迈入日常运营。这些转变为以音频为核心、兼…

现代汽车已成为一个高度复杂、持续产生数据的移动智能终端。从高级驾驶辅助系统到云端软件升级，各项服务都依赖稳定、高效的网络连接。其背后支撑的关键，正是底层的通信协议。 虽然 MQTT…

本文分享了 AI 生成的视频背后的技术原理。文章隶属于《麻省理工科技评论》技术解读专题。让我们的作者为您梳理复杂纷繁的技术世界，助您洞察未来趋势。

2026 年的流媒体的 6 大趋势。视频已不再仅仅是媒介载体，而是构筑人类生存环境的基础设施。机构通过监控、分析关键视频数据并采取行动，这从根本上重塑了视频系统的构建与扩展模式。

来自”关键帧Keyframe”整理的音视频面试题集锦第 51 期之音视频 Android 面试题。 1、【渲染架构篇】SurfaceView 和 Texture…

RTCPilot 是一个使用现代 C++ 实现的开源 WebRTC SFU（Selective Forwarding Unit，选择性转发单元）。 RTCPilot主要特点 RTC…

本文是 TVBEurope 展望来年媒体技术系列报道的最后一篇，行业领袖们预测了 2026 年内容将如何通过声音和视觉效果变得更有沉浸式。 作者：Matthew Corrigan原…

近日，即构整合沉淀多年的音视频处理算法，推出AI音视频能力矩阵，用硬核算法破解音视频痛点，更精准适配多元场景，让音视频算法落地到实际业务中。 实测客户接入后用户数量显著增长，效益增…

在 iOS 中将多张 WebP 图像（通常是动图或序列帧）转换为视频，核心逻辑是利用 AVAssetWriter 将解码后的像素数据（CVPixelBuffer…

2025是AI元年，AI业务风生水起，但是语音人工智能充满了各种挑战，构建响应迅速的语音人工智能应用程序需要在实时环境中协调多个 AI 服务： 如何优雅地将各种平台和AI实现集成，…

NVIDIA 近日发布了其全新的英语实时转录模型（Nemotron Speech ASR），该模型专为低延迟语音助手和实时字幕生成而设计。Hugging Face平台上的测试版本 …

供应商锁定是指企业从一家供应商转向另一家供应商时面临高昂转换成本的现象，这些成本可能涉及时间、资源或风险。WebRTC 生态系统也存在其独特的供应商锁定机制。 作者：Tsahi L…