实时音视频

视频语言模型在时序推理、长视频理解和多模态评测方面进展迅速，使其在广播辅助、沉浸式媒体制作、可穿戴引导、移动监控和 PC 控制面等场景中具备应用潜力。这些场景要求系统在用户仍在操作…

有人在纽约说了句好笑的话，你在北京笑了出来，看起来就像同一瞬间发生的事。这背后没有任何一点是简单的。一对一视频通话底层的整套机制，是过去十五年里最不可思议的工程成就之一，而它运转得…

三个人以上的会议系统如何搭建？Mesh 还是 SFU？订阅哪几路流？大画面切谁？本文用 Claude Code 设计并实现一个可扩展的多人会议系统，从架构选型到多路流管理。 1、多…

Jitsi 已经在 Electron 框架下支持视频画中画功能，当焦点离开会议窗口时，画中画会自动打开。这个GSoC 2026项目的目标是将交互式文档画中画功能引入浏览器会议，包括…

前面的推流/通话在理想网络下跑通了，但真实网络是「会抖、会丢、会变慢」的。地铁里卡成 PPT、WiFi 切 4G 断流、晚高峰卡顿——这些全靠 QoS 引擎兜底。本文用 Claud…

在实时通信、语音交互和音频修复等场景中，语音超分辨率（Speech Super-Resolution, SR）技术扮演着重要角色——它能够从低采样率的语音信号中重建丢失的高频成分，…

实时传输协议（RTP）抖动，是互联网通话上一秒还清晰无比、下一秒就支离破碎的原因，它是互联网上唯一一种没有“第二次机会”的实时媒介。 网页加载慢 200 毫秒，没人会在意；视频卡顿…

一场 7×24 小时不间断的直播，对真人主播团队意味着高昂人力成本，对百万中小商家更是一道难以迈过的门槛；而“一眼假”的数字人——面部僵硬、动作循环、手势与语音脱节——又留不住观众…

首 Token 时间（Time to first token，TTFT）是团队在为语音场景挑选推理 API 时使用的指标，也是最容易误导他们的指标。TTFT 标记的是生成开始的时刻…

随着 EA Sports、广播公司 Sky 以及德国足球甲级联赛（Bundesliga）参与的测试推进，以动画和电子游戏版本直播体育赛事的能力又近了一步。 德甲正在探索将比赛数据直…

客户端编码好了、推流也通了，但服务端还得把用户上传的视频转成多码率、生成缩略图、GOP 对齐切片，这些「后端活」音视频开发也得会。本文用 Claude Code 写一套生产级转码脚…

一对一通话跑通了，但多人通话（视频会议、语音聊天室、K歌）才是真正的考验。多路 PCM 怎么混音不溢出？怎么消除回声？怎么自动调节各路音量？本文用 Claude Code 从混音算…

SmartFEC，一个基于智能网卡的自适应前向纠错框架。SmartFEC将冗余编码、带宽预测和冗余控制等关键功能部署到智能网卡侧，使视频系统能够在靠近数据包输入输出的位置完成实时处理。

功能都跑通了，但产品抱怨「开摄像头太慢了」「推流 10 分钟手机发烫」「录 4K 视频内存飙到 800MB」。性能优化不是玄学,本文用 Claude Code 建立一套可复用的诊断…

现代 CPaaS 基础设施如何在企业规模下解决毫秒级延迟、客户端解码瓶颈和易波动的网络丢包问题。 实时视频工程的根本挑战说起来简单、做起来却极其复杂：在不可预测的全球网络上扩展到数…

在线问诊的实时通信底座由 RTC（实时音视频）与 IM（即时通讯）两部分组成，微信小程序是目前触达患者成本最低的载体；选型与落地时，音视频质量、医疗数据合规、问诊留痕是三个绕不开的…

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…

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 …