技术文章

视频编解码的(软件)算法优化，大多时候是工程开发。 个人觉得，编解码算法，尤其编码器的优化主要依靠三个法宝，它们分别是：移植，调参和测试。 第一个法宝是移植。可以是从A编码器(标准…

WebRTC （Web Real-Time Communication）是一个开源框架和协议套件，可实现浏览器、移动应用程序或其他设备之间的实时点对点通信。它主要用于音频/视频通话…

生成式人工智能系统改变了人类与技术的互动方式，提供了突破性的自然语言处理和内容生成功能。然而，这些系统也存在重大风险，特别是在生成不安全或违反政策的内容时。应对这一挑战需要先进的审…

VoIP 多编解码器转码可根据 VoIP 网络条件的变化切换编解码器，并在此过程中避免编码或格式不匹配导致掉线或低质量视频。这项技术在保持企业级视听质量的同时，还能优化带宽。 什么…

高质量 VoIP 通话的关键在于正确的编解码器。本文探索常见的编解码器、它们的功能和潜在缺点，为 VoIP 优化选择正确的编解码器。 VoIP 让用户通过互联网拨打电话，而不是传统…

分享如何利用 FFmpeg 在 MacOS 上预处理截屏视频。 为什么使用命令行工具？ 在 MacOS 上安装 FFmpeg 剪辑视频中的部分内容 公平地说，QuickTime具有…

构建与各种服务交互的 AI 代理（AI agent）面临重大挑战，特别是在管理身份验证方面。开发人员经常面临为 Gmail 设置 OAuth 流程、处理 Linear 等平台的 A…

Khronos® Group 的 Vulkan® 工作组自 2022 年以来推出了一系列视频解码和编码扩展，统称为 “Vulkan Video”。这些扩展将使用广泛采用的编解码器进…

FastAPI 是一个快速、现代的 Web 框架，以支持异步 REST API 和易于使用而闻名。 在本文中，我们将了解如何使用 FastAPI 在前端流式传输视频。 流式响应 1…

创作、编辑和转换音乐和声音既有技术挑战，也有创意挑战。当前的人工智能模型往往在多功能性方面存在问题，专攻狭隘的任务或缺乏有效概括的能力。这限制了人工智能辅助制作并阻碍了创造性的适应…

人工智能模型规模的快速增长带来了巨大的计算和环境挑战。近年来，深度学习模型（尤其是语言模型）规模大幅扩张，需要更多的资源进行训练和部署。这种需求的增加不仅增加了基础设施成本，还导致…

本文介绍一下rtp协议和rtcp协议。因为ffmpeg的rtp/rtcp协议实现比较简单，这里改用其他开源代码(mediasoup)来介绍。 作者：音视频小话原文：https://…

有没有想过 Zoom 或 Google Meet 等现代视频应用程序是如何无缝传输实时视频的？WebRTC 就是幕后的魔法。它是一种强大的网络技术，可直接在浏览器中实现音频、视频和…

研究意义 基于深度伪造技术的篡改视频在社交媒体上广泛传播，部分恶意视频对公众权利和社会稳定造成了极大威胁，深入研究高效的深度伪造检测方法具有重要意义。然而，深度伪造视频在每一帧上表…

Lightricks 是一家以创意工具创新技术进步而闻名的公司，它推出了突破性的视频生成开源模型LTX Video (LTXV)。LTXV 为行业树立了标杆，在发布第一天就在 Co…

多年来，视觉模型得到了长足的发展，每一次创新都能解决以往方法的局限性。在计算机视觉领域，研究人员经常面临如何平衡复杂性、通用性和可扩展性的挑战。目前的许多模型都难以有效地处理各种视…

本文重点论述了WebRTC 、WebSocket协议，两者的区别、使用场景、以及何时可以组合使用。 1. 什么是WebRTC？ WebRTC 是一组 JavaScript API，…

视频生成模型的最新进展使得人们能够制作出高质量、逼真的视频片段。然而，由于训练和推理所需的计算量，这些模型在大规模实际应用中面临挑战。目前的商用模型如 Sora、Runway Ge…

在当今的集成服务世界中，OpenSIPS 与外部应用程序交互的能力不再是可选的 – 而是一种必需品。为了满足这种必要性，OpenSIPS 发布了一个新的 Python …

虽然端到端加密是信息安全的黄金标准，但许多平台需要更灵活的方法。企业通常需要信息访问来解决争议、保证质量或遵守法律。本文展示了一种兼顾安全性和业务需求的实用解决方案。 对于刚刚开始…