美颜是直播、相机、视频通话的绝对刚需。磨皮、美白、瘦脸、大眼，传统美颜靠肤色检测和几何变形，AI 美颜靠关键点 + 语义分割，既磨得自然又不糊五官。 1、你遇到的场景 &#8220…

SRS 8 现在可以在 Windows 上原生运行了。这个大型功能由 AI 完成：一天之内约 1.5 万行代码。它没有引入新 Bug，也没有改坏任何现有代码。 作者：Winlin …

本文处理常见的刚需——降噪。通话里的键盘声、直播里的风扇声、低光视频的噪点，都是信号淹没在噪声里。端侧降噪的难点是实时性：音频一帧 20ms 内要出结果，视频一帧 33ms 内要出…

本文拿视频超分练手：把 720p 的旧视频、或者低清视频流，在手机上实时放大到 1080p 甚至 4K。端侧超分的难点不在效果，在「一帧只有 16ms 预算」。 1、你遇到的场景 …

监控是在线上发现问题，测试是在上线前拦住问题。音视频测试因为涉及硬件、时序、性能，一直是自动化洼地。本文用 Claude Code 搭一套可落地的测试体系：性能基准、设备兼容矩阵、…

功能上线了，但用户那边到底卡不卡不能靠产品经理拍脑袋。本文用 Claude Code 建一套音视频质量监控体系：定义 QoE 指标、全链路埋点、服务端聚合、大盘可视化。用数据驱动优…

为什么把 AI 放进语音、视频和消息里，最难的部分不是模型，而是围绕它的一切。 我在 AI 项目室里待的时间够长，足以察觉到一种模式：团队花好几个月挑 AI 技术，却只花几周思考落…

作者：Hector Zelaya原文：https://webrtc.ventures/2026/08/ebpf-webrtc-sfu-packet-loss-debugging/ …

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…

采集、处理、编码、推流、播放全打通了，但用户真正的高频需求其实是一个字——「剪」。拍完的 3 分钟视频要裁掉开头 5 秒、转 90°、加 1.5 倍速。本文用 Claude Cod…

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…

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…

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…

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 …

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…

iOS WebRTC 跑通了，但 Android 端的依赖、权限、Camera2 采集、前后摄切换，和 iOS 完全是两个世界。本文用 Claude Code 写 Android …