实时音视频

编码搞好了，同步也搞定了，现在把流推到服务器。RTMP 听着简单（就一个推流 URL），但生产级推流器要考虑：自适应码率、断线重连、音视频交错复用、网络拥塞检测。本文用 Claud…

画面和声音对不上、嘴型比声音快 200ms、声音比动作早半秒，这些在音视频开发中太常见了。但 A/V 同步不是「调个参数」能解决的：它涉及采集时钟、编码延迟、网络抖动、渲染缓冲，每…

如今，消费者几乎可以通过各种 OTT（over-the-top）服务观看到几乎所有类型的体育赛事直播。但问题是：服务提供商能否吸引到足够多的观众，让自己的体育赛事直播豪掷有所回报？…

OpenAI 推出 GPT-Live，实现与 AI 的连续语音交互。该系统采用无轮次语音模型和低延迟架构，使对话更快、更自然。GPT-Live 的构建耗时六个月，核心在于减少交互延…

视频编码优化了无数轮，音频编码却还在用默认参数。结果是 VoIP 延迟高、录制文件体积大、低端机音频爆音。本文用 Claude Code 写双端音频编码封装，涵盖 AAC/Opus…

到了落地层，核心问题不是”音视频中台好不好”，而是”能不能尽快用起来”。本文把搭建音视频中台的标准流程拆成五个阶段，每个阶段给出关键…

当前市场上的音视频中台方案大致可以分为三类：自研底层型、云厂商内置型、上层封装型。三类方案各有侧重，适合不同的企业需求。这篇不评优劣，而是把各类方案的特点、代表厂商和适用场景讲清楚…

小程序直播连麦不是「开个 live-pusher 就完事」的功能。本文以 ZEGO 实时音视频 SDK（ZEGO Express SDK） 为主线，从架构到代码逐层拆解一条完整的直…

MediaCodec 异步模式性能好，但线程模型复杂——输入队列满导致丢帧、输出 Buffer 忘了 release 造成泄漏、停止时 crash。本文用 Claude Code …

很少有哪个面向消费者的行业能像语聊房一样把实时通信技术应用到极限。每一路音频流、每一个礼物动效、每一次实时互动背后，都隐藏着令任何实时音视频开发工程师都似曾相识的基础设施挑战：海量…

英伟达推出合成视频检测器NIM，逐帧识别AI视频能否成为内容平台的可靠审核工具？站在视频开发的角度如何看待这个部分呢？

视频在线问诊已成为远程医疗的基础设施，一套完整的解决方案应覆盖实时音视频通话、设备与网络检测、消息互动、屏幕共享和录制回放五大能力，选型时优先关注端到端延迟、弱网表现、音视频加密合…

编码参数选错，轻则画质下降，重则用户投诉「视频模糊」。但 iOS VideoToolbox 和 Android MediaCodec 的参数体系完全不同。本文写一个 Claude …

摘要：多人实时会议中，重要发言人的声音常被其他参会者淹没。本文介绍了ZEGO 实时音视频 SDK (ZEGO Express SDK) 的混流焦点语音（Focus Voice）方案…

在 Web 端搭建一个功能完整的互动直播平台，核心需要实现推流、拉流、连麦、混流、聊天五个模块。本教程以 ZEGO Express Web SDK 为例，从零开始逐步讲解实现流程。…

本文提出 DGAF-VSR，一种基于扩散模型的视频超分辨率方法，针对现有技术在感知质量、重建保真度和时序一致性之间难以兼顾的挑战，通过关键观察发现特征域比像素域更适合提供稳定的时序…

Multiview（多视角）即在同一屏幕上同时观看两路、三路或四路直播信号，正在成为体育直播中的核心能力。决定 Multiview 成败的关键并不只是“是否支持多画面”，而是采用怎…

如果只看命名，VMAF v1 很容易被误解成一次常规模型迭代。但结合 Netflix 官方技术博客《VMAF v1: Good Is Not Good Enough》和 Netfl…

四十年来，视频编码一直沿用传统的编解码器，从MPEG 1和2，到H.264高清过渡，再到H.265的4K时代，以及后来的VVC/H.266。如今，AI 正在席卷广播电视领域，纯 A…

Android 音频 API 看似简单，实则暗藏杀机：回调线程搞错、Buffer 不归还导致无声、录制播放切换时 crash。本文用 Claude Code 写一个线程安全、支持低…