技术文章

项目背景 2025年春晚是公司（B站）的年度大型直播活动，在常规的直播之外，直播结束之后转出点播稿件的耗时，也是一项重要的竞争指标。根据运营团队同步的信息，一些竞品可以在10分钟之…

本文介绍了一种实用的实时神经视频编解码器（NVC），旨在提供高压缩比、低延迟和广泛的通用性。在实际应用中，NVC的编码速度取决于计算成本和非计算操作成本，虽然大多数高效的NVC优先…

a16z 每两年发布一次的全球 AI 产品 Top 100 榜单中，一年前只有 2 款 AI 陪伴类应用上榜，但截至今年 3 月，已有 8 款 AI 陪伴类应用进入前 50 名，最…

实时通信对于现代 Web 应用程序至关重要，尤其是在多人游戏、协作工具和实时通知中。在本文中，我们将探讨如何将 Microsoft SignalR 与 React 前端和 ASP….

近年来，人工智能取得了长足进步，但将实时语音交互与视觉内容相结合仍然是一项复杂的挑战。传统系统通常依靠单独的组件进行语音活动检测、语音识别、文本对话和文本转语音合成。这种分段方法可…

本文将探讨扩展游戏化流媒体平台所面临的挑战。从管理复杂的数据基础设施、满足合规标准到平衡用户体验和运营成本，平台必须克服重大的技术、财务和监管障碍。 游戏化流媒体的潜在挑战 游戏化…

IP网络（如互联网）具有独特特性，这些特性对实时媒体通信构成了挑战： 基本特性 性能特征与挑战 媒体通信的需求与性能指标 实时音视频应用对网络有特殊需求： 延迟容忍度 应用类型 可…

在人工智能领域，多语言语音识别和翻译已成为促进全球交流的重要工具。然而，开发能够实时准确地转录和翻译多种语言的模型面临着巨大的挑战。这些挑战包括管理不同的语言细微差别、保持高准确性…

构建现代 Web 应用意味着使用高效的工具来简化开发，同时确保性能和可扩展性。React 是前端主流开发平台，因此选择正确的框架可以极大地提高生产力。其中许多框架都提供了附加功能，…

有没有过这样的经历：在视频通话中，尽管音频效果很好，但对方却听不到你的声音？我在构建基于浏览器的视频 KYC（Know Your Customer）解决方案时就遇到过这样的难题，正…

Kamailio 是一款非常强大的 SIP 代理服务器，Kamailio 一般转发 SIP 信令，不主动产生和发送 SIP 信令。但有时您可能希望 Kamailio 向 IPPBX…

在 NVIDIA GTC25 上，Gnani.ai 专家公布了语音 AI 领域的突破性进展，重点关注 Speech-to-Speech 基础模型的开发和部署。这种创新方法有望克服传…

作为一名从事视频流媒体平台开发的软件工程师，学习 WebRTC 对音视频开发工程师具有重要意义，尤其是在实时通信、性能优化以及跨平台等方面。 实时传输协议（RTP，Real-tim…

光学字符识别 (OCR) 是一种强大的技术，可将文本图像转换为机器可读的内容。随着数据提取自动化的需求日益增长，OCR 工具已成为许多应用程序的重要组成部分，从数字化文档到从扫描图…

在数字化转型浪潮席卷全球的当下，企业的业务模式正在经历深刻变革。远程办公、在线教育、虚拟医疗等场景的爆发式增长，让实时音视频技术从幕后走向台前，成为企业突破时空限制、提升运营效率的…

在高质量视频流、监控系统和广播技术需求不断增长的推动下，全球视频解码器市场正呈现稳步增长态势。 视频解码器在将压缩数字视频信号转换成适合显示或进一步处理的格式方面发挥着至关重要的作…

在本文中，我们将从零开始，使用 Rust 和 WebSockets 创建一个 WebRTC 视频聊天应用程序。在此过程中，我们将解释重要的 WebRTC 概念，并将 Rust 服务…

作为一名从事视频流媒体平台开发的软件工程师，理解和实施强大的分析与监控系统对于确保高质量的用户体验和优化平台性能至关重要。本文深入探讨了视频流媒体中的分析与监控的关键方面，重点关注…

多年来，人工智能 (AI)取得了令人瞩目的发展，但它始终存在一个根本性的限制，即无法像人类一样处理不同类型的数据。大多数 AI 模型都是单峰的，这意味着它们只专注于一种格式，如文本…

本文围绕淘宝直播团队在过去半年中基于AI技术在工程侧提效的探索展开，详细介绍了服务端、前端、数据科学、测试和数据研发等职能团队如何结合AI能力进行创新尝试。文章不仅总结了现阶段取得…