技术文章

本文介绍一种实时基于统计模型的VAD算法，与WebRTC VAD流程解析中不同，这里可以复用ANR噪声估计的结果进行判决，在算力受限的端侧设备上是一个不错的选择。

本文探索 SaschaWillems/Vulkan 仓库中的计算着色器示例，展示如何实现从图像处理到粒子模拟的各种计算密集型应用。

苹果公司已获得一项美国专利，该专利涉及一项创新音频系统，该系统可根据可穿戴音频设备相对于用户身体结构的物理位置，动态地确定并应用音频滤波器。这项改进旨在增强空间音频渲染和麦克风拾音…

光线追踪代表了渲染技术的范式转变，超越了传统的光栅化，转而模拟光的物理行为。SaschaWillems/Vulkan 仓库提供了全面的光线追踪示例集合。

实时语音代理、现场配音和同声传译都因千分之一秒的延迟而受阻。大多数“流式”文本转语音（TTS）系统仍需等待整段文本处理完毕才开始发声，导致听者在语音启动前会听到短暂的停顿。由KTH…

zlmediakit可以作为webrtc播放器主动拉流，也可以作为webrtc推流器主动推流，还可以作为P2P客户端双向视频会话。

在 H.264/AVC 视频编码标准的 Extended Profile（扩展档次）中，B 帧（Bidirectional Predictive Frame）作为帧间压缩的核心技术…

本文探讨了 SaschaWillems/Vulkan 仓库中实现的几种高级渲染技术，展示了如何利用 Vulkan 的功能创建令人惊叹的视觉效果。

本文分享如何在H5/Web端实现在线抓娃娃机功能，Android和iOS端整体流程类似，具体可参考即构开发者相关文档。 娃娃机 web 端场景的主要结构及流程如下图所示： 请注意：…

大多数网络并非为人工智能而建。关键在于：您的网络能否跟上带宽、计算能力和安全需求的激增，还是会落后于时代？人工智能工作负载对基础设施的挑战远超传统数据中心设计的预期，而适应最快的企…

FFmpeg AI Agent：一条自然语言指令，实现一个简单音视频处理。让用户说一句：音视频的处理要求，AI Agent帮你把活给做了。

在 SaschaWillems/Vulkan 仓库中，基础渲染示例展示了 Vulkan 图形编程的基本概念。本文将带你了解关键的基础渲染示例，并解释它们展示的核心概念。

通用工具调用协议 (UTCP，Universal Tool Calling Protocol) 是一种轻量级、安全且可扩展的方式，可供 AI 代理和应用程序直接查找和调用工具，而无…

本文探讨 SaschaWillems/Vulkan 仓库如何实现交换链管理和呈现，为你提供将这些概念集成到自己的 Vulkan 应用程序中的知识。

过去十年间，人们的互动方式经历了巨大的变化。电话曾占据主导地位，电子邮件似乎不可撼动。然而，视频聊天悄然崛起。它悄然渗透进职场、家庭聚餐、在线课堂，甚至医疗咨询。这不仅是又一种工具…

了解服务器端监控为何无法满足 WebRTC 需求，以及设备端统计数据收集如何彻底改变用户体验。

在 Vulkan 中，设备管理是一个基础概念，它架起了应用程序与物理 GPU 之间的桥梁。SaschaWillems/Vulkan 仓库通过其 VulkanDevice 类提供了一种健壮且结构良好的方法来处理物理和逻辑设备。

IBM 发布了Granite-Docling-258M，这是一个专为端到端文档转换而设计的开源 (Apache-2.0) 视觉语言模型。该模型旨在忠实布局地提取表格、代码、公式、列…

过去几年，网络游戏行业已将 WebRTC 技术视为创新的基石。WebRTC 通过 Web 浏览器和移动应用程序实现实时音频、视频和数据交换，提供了完美的解决方案。本文将深入探讨We…

SaschaWillems/Vulkan 仓库提供了一套全面的基础库组件，作为所有 Vulkan 示例的基石。在本文中，我们将探讨该基础库的关键组件，并了解它们如何协同工作以简化 Vulkan 编程。