技术文章

本次分享阿里巴巴达摩院语音实验室、新南威尔士大学与香港科技大学（广州）等在ICASSP2023会议发表的论文《Weighted Sampling for Masked Langua…

随着数字经济发展步伐加快，网络安全、数据安全问题变得更加重要，随时可能影响智慧城市发展，甚至危害社会安全和国家安全。QKD基于量子力学基本特性，能够提供无条件的安全性保证，与经典数…

本文基于深度视频压缩模型 DCVC 的上下文条件编码框架，在时域和空域中挖掘更加多样化的上下文信息，提出的模型 DCVC-DC 达到了 SOTA 性能。 论文标题：Neural V…

随着语音处理技术的不断提升，伪造语音的身影在社会生活中出现的更加频繁，一方面语音提醒、语音解锁以及短视频配音等自动化语音技术极大的丰富了人们业余生活，但是随之而来的滥用问题也给生活…

SRTP协议是什么 SRTP，即安全实时传输协议(Secure Real-time Transport Protocol)，是在实时传输协议(Real-time Transport…

RTCP：实时传输控制协议（Real Time Transport Control Protocol），主要是用来反馈音视频通信时的质量。 常用的RTCP 类型: 包类型 缩写 作…

由于webrtc所用的rtp协议底层是基于udp传输，所以并不能保证数据的可靠性。在发生丢包时，为了保证音视频的质量需要进行重传，而nack机制就是用来处理重传逻辑的，需要注意一点…

什么是声音 介质振动在听觉系统中产生的反应。是一种波。因为是一种波，所以我们可以用频率、振幅等描述。 频率与振幅 有两个基本的物理属性：频率与振幅。声音的振幅就是音量，也叫作响度，…

边缘检测是非常常见和广泛使用的图像处理，对于许多不同的计算机视觉应用非常必要，如数据提取，图像分割，在更细粒度的特征提取和模式识别中。它降低了图像中的噪声和细节数量，但保留了图像的…

来自市场研究公司Omdia的最新报告写到，2023年2月14日，诺基亚和Kyndryl宣布将在移动专网和边缘计算方面的合作延长三年，重点关注工业4.0解决方案。这种关系的更新只是网…

ChatGPT正在改变计算，并作为一种延伸，改变我们与机器的互动方式。下面是它将如何影响WebRTC。 ChatGPT 成为所有互联网应用程序中增长率最高的服务，在推出的头两个月内…

当今很大一部分观众也从广播电视转向观看基于互联网的节目，并通过互联网交付（OTT）。然而，当互联网无法使用，流媒体变得不可能时，该怎么办？ 这就是离线DRM技术与受DRM保护的内容…

本文介绍Metal和Metal Shader Language，以及Metal和OpenGL ES的差异性，也是实现入门教程的心得总结。 Metal Metal 是一个和 Open…

编者按：如果问华语乐坛近期产量最高的歌手是谁，“AI 孙燕姿”一定有姓名。歌迷们先用歌手的音色训练 AI，再通过模型将其他歌曲转换成以歌手音色“翻唱”的歌曲。语音合成技术是“AI …

随着线上互动需求的增加，直播连麦、语音/视频聊天的应用越来越广泛。我们一直在说“追求用户的极致体验”，但是体验是一个抽象的概念，很难量化和统计。如何从用户的行为中得到所在场景的优化…

高速转码是指在不牺牲视频质量的情况下快速高效地处理视频内容。 视频处理工作流程，包括转码、打包和CDN传输，是许多应用中最耗时的工作流程之一。高速转码解决了这个问题，使视频处理工作…

导读：本文介绍了图像分割领域的研究现状，对图像分割方法进行了系统性梳理。首先，介绍了五类传统的图像分割方法及其基本原理；然后，介绍了经典的基于深度学习的图像分割方法；最后，总结了传…

研究意义 环状RNA(circular RNA, circRNA)在人类复杂疾病发病机制和许多重要生物学过程中发挥不可或缺的作用。确定环状 RNA与疾病之间关联对于复杂人类疾病的诊…

字节跳动-火山引擎多媒体实验室针对图像重采样模型面向图像压缩的鲁棒性，设计了一种非对称的可逆重采样框架，提出新型图像重采样模型SAIN。 图像重采样 (Image Rescalin…

到目前为止，手机行业推出5G网络已有三、四年的历史。虽然业界仍在寻找能够巩固5G在蜂窝技术最高梯队中的地位的杀手级用例，但从本质上讲，这一代人正在做它应该做的事情——在某种程度上。…