B站的下行CDN旧架构如下图所示，可以看到边缘CDN节点与中心调度服务有紧密协作，简单说是先由调度服务进行流量调度(负责均衡的调度到每个网关组件节点），再由回源组件进行集群内的回源…

本文提到大模型通常的工作方式，即通过提示词进行问答，并指出了两个主要问题：历史对话信息的管理和令牌数量的限制。文章讨论了知识库问答和个人助手两个应用场景，并分析了各自面临的困境，如…

Matroska是一种开放标准、功能强大的多媒体封装格式，可容纳多种不同类型的视频、音频及字幕流，其常见的文件扩展名为.mkv、.mka等。与应用广泛的MP4相比，Matroska…

本文介绍了百度增长前端团队自研的Webview框架下透明视频视觉增强方案，该方案在保证对视觉进行高度还原的同时可投入更少的开发成本，还能获得更优的前端性能表现。文章首先分析了市面上…

长连接，顾名思义，是应用存活期间和服务端一直保持的网络数据通道，能够支持全双工上下行数据传输。其和请求响应模式的短连接服务最大的差异，在于它可以提供服务端主动给用户实时推送数据的能…

Keras 团队非常高兴地宣布，KerasNLP 集合现已支持 Gemma！Gemma 是先进的轻量级开放模型系列，采用了与构建 Gemini 模型相同的研究和…

一. 开篇 在当今快速发展的数字化时代，企业对于高效率、低成本、可扩展性强的通信解决方案的需求日益增长。云呼叫中心作为一种新兴的服务模式，正逐渐取代传统的硬件呼叫中心。FreeSw…

一、背景 随着直播业务和用户规模日益壮大，如何丰富直播间内容、增强直播间内用户互动效果，提升营收数据变得更加关键。为此，直播互动玩法应运而生。通过弹幕、礼物、点赞、大航海等方式，用…

过去几十年来，手机摄像头质量和流媒体视频服务的视频质量都有了极大的提高。但是，如果我们看一下实时通信（RTC）应用，虽然视频质量也随着时间的推移而提高，但始终落后于相机质量。 当我…

在使用语音识别服务进行语音转文字的过程中，大多数情况下模型能正确地预测高频词汇，但是对诸如人名地名、命名实体等词频较低或与用户强相关的词汇，模型往往会识别为一个发音相近的其他结果，…

本文《自研流媒体协议探索与实践》来自B站流媒体技术部——B站内部端到端的直播流媒体技术研发团队，为B站直播量身打造了高性能、高性价比的流媒体服务体系。 背景 自从我站从2020年逐…

地图如今在游戏中发挥的作用越来越重要，随着电子竞技的兴起，地图逐渐成为了为玩家创造体验的直接舞台。希望本文能对有兴趣了解游戏地图背后实现原理的同学一些帮助。 01 什么是游戏地图 …

近几个月，随着基于Stable Diffusion的相关技术发展，基于参考图的角色定制化技术[1,2, 3, 4, 7]受到相关行业以及学者的广泛关注。其中，人像定制化是指：给定任…

基于 Electron 的淘宝直播 PC 推流端已经上线一年多，期间迭代了很多功能，应用也越来越庞大。自上线以来也收到一些用户反馈应用启动慢、打开推流页面慢、运行过程页面交互操作卡…

背 景  随着互联网技术的发展，越来越多的企业和开发者开始寻求更高效、更稳定的通信解决方案。在这种背景下，WebSocket协议应运而生。WebSocket是一种在单个T…

淘宝人生2（又名：第二人生）是淘宝的一个虚拟人装扮类应用，承担了用户在淘宝的第二个人生的作用。我们旨在通过AI为淘宝人生2的用户提供丰富有趣的可玩性内容，随着最近火热的AIGC技术…

RTP-LLM 是阿里巴巴大模型预测团队开发的大模型推理加速引擎，作为一个高性能的大模型推理解决方案，它已被广泛应用于阿里内部。本文从对话接口的设计出发，介绍了业界常见方案，并分享…

1. 背景 色彩空间（Color Space）是一种数学模型，用于描述和表示颜色的方式。不同的色彩空间有不同的用途和特点，可以用于不同的应用，如图像处理、计算机图形、印刷、摄影等领…

3D-Speaker是通义实验室语音团队贡献的一个结合了声学、语义、视觉三维模态信息来解决说话人任务的开源项目。本项目涵盖说话人日志，说话人识别和语种识别任务，开源了多个任务的工业…

视频合成能力的开发背景 想要开发一个具有视频合成功能的应用，从原理层面和应用层面都有一定的复杂度。原理上，视频合成需要应用使用各种算法对音视频数据进行编解码，并处理各类不同音视频格…