技术文章

大型语言模型 (LLM) 的最新进展已在从解决数学问题到回答医学问题的广泛应用中展现出强大的能力。然而，由于这些模型规模庞大，并且需要大量的计算资源来训练和部署它们，因此它们变得越…

作者：Ryuk来源：语音算法组链接：https://mp.weixin.qq.com/s/PMKFQvPNLJH7qXqp8fWjkA 语音识别算法目的是从声学特征x中找到最有可能…

分享音视频面试题集锦第 38 期，来自音视频技术社群关键帧的音视频开发圈。 下面是几道关于 iOS 渲染方向的面试题： 1、在 iOS 中属性  kCVPixelBufferIOS…

2024年11月12日，即构 Uniapp 即时通讯SDK（ZIM）2.18.2 版本发布，新增和优化多项功能。 ZIM 是一款实时的通信互动产品，为开发者提供全平台互动、海量并发…

主观语音质量评估 (SSQA) 的一个关键挑战是使模型能够在各种未见过的语音领域中推广。通用 SSQA 模型评估了许多模型在其训练领域之外表现不佳，主要是因为这种模型在跨领域表现不…

go2rtc 是一款终极摄像头流媒体应用程序，支持 RTSP、RTMP、HTTP-FLV、WebRTC、MSE、HLS、MP4、MJPEG、HomeKit、FFmpeg 等。 项目…

服务器和客户端之间的实时通信对于交互式动态 Web 应用程序至关重要。传统上，WebSockets 是双向通信的首选解决方案，但在某些情况下，只需要服务器到客户端的单向通信。这正是…

AI 继续快速发展，但这种发展带来了一系列技术挑战，需要克服这些挑战才能真正蓬勃发展。当今最紧迫的挑战之一是推理性能。大型语言模型 (LLM)（例如基于 GPT 的应用程序中使用的…

没有丢数据的情况，在解码器上进行解码，呈现出花屏或者绿屏的现象是什么原因导致的呢？该怎么解决？

你可能听说过“比特率”一词。但它是什么？为什么它在视频直播中很重要？它如何连接到其他视频规范？简单地说，视频比特率是构成数字视频文件的每秒比特数。它决定了视频的质量以及播放它需要多…

摘要：有效的点云压缩的关键在于获得与复杂的三维数据结构一致的鲁棒上下文模型。近年来，大语言模型（LLMs）的发展突显了它们不仅在上下文学习和生成方面表现出强大的预测能力，同时也是有…

在当今的广播和体育节目制作领域，IP 可以作为实时视频的瑞士军刀，实现几年前还无法想象的灵活性和可扩展性。然而，同样的灵活性也可能导致复杂性，尤其是在涉及多种协议和格式时。在充分利…

OpenPTT是一款基于WebRTC和WebSocket技术构建的实时数字对讲（PoC）系统，支持多人通话、群组调度等功能，并具备良好的可扩展性和互操作性。项目支持 iOS、And…

本文分享如何使用 Node.js 和 FFmpeg 优化上传的视频。处理一些有趣的用例，例如生成缩略图、视频压缩、生成预览片段和生成 HLS 片段。 主要依赖项： 在介绍完依赖关系…

Action Cable 是 Rails 功能强大的 WebSocket 框架，它不仅仅适用于简单的聊天应用程序。从即时通知和用户状态跟踪到协作文档编辑和动态分析仪表板，它是一款能…

在演播室环境中，使用 SMPTE 2110 向 IP 过渡已取得广泛成功，但在直播和近直播领域，互操作性仍有待提高。英国广播公司（BBC）最近的一项创新可以提供答案。 由 BBC …

视频生成已迅速成为人工智能研究的焦点，尤其是在生成时间一致、高保真视频方面。该领域涉及创建保持帧间视觉连贯性并随时间保留细节的视频序列。机器学习模型，尤其是扩散变换器 (DiT)，…

当前的文本转语音 (TTS) 系统（例如 VALL-E 和 Fastspeech）面临着与处理复杂语言特征、管理复音表达和生成自然的多语言语音相关的持续挑战。在处理依赖于上下文的复…

在端到端学习图像压缩中，编码器和解码器联合训练以最小化 R + λD 成本函数，其中 λ 控制量化潜在表示的速率和图像质量之间的权衡。但是，必须为每个 λ 训练具有数百万个参数的不…

对话式 AI 如今已成为技术的基石，但实现快速、高效和实时的交互仍然具有挑战性。延迟（输入和响应之间的延迟）限制了客户服务机器人和虚拟助手等应用程序，使交互变得迟缓。现有模型通常需…