技术文章

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…

音视频实战经验——播放器的音视频同步问题分析和解决，来自公众号关键帧Keyframe的分享。 1、原因和解决思路 播放器的音视频出现同步问题一般有以下原因和解决思路： 1）解码耗时…

本文详细探讨了哔哩哔哩客服坐席调度系统的演进，特别是在线客服和工单客服的调度策略。随着客户需求的增加，尤其是在大型活动期间，客服系统面临着突发的高流量和复杂的客户问题。为了提高服务…

一直以来，Netflix 都是向全球数百万观众提供高质量视频点播内容的标杆。他们在提供静态内容方面的专业技术几乎无与伦比。然而，在最近的一次直播活动中，即备受瞩目的杰克-保罗对迈克…

通过利用多播，组织可以优化网络带宽使用率，并在视频会议、多媒体广播和其他类似场景中支持更多并发用户。 这使得多播成为 UC 和VoIP 解决方案的关键组成部分，从而提供更高效、更经…

视觉语言模型 (VLM) 的开发在处理复杂的视觉问答任务方面面临挑战。尽管 OpenAI 的 GPT-o1 等大型语言模型在推理能力方面取得了长足进步，但 VLM 仍然难以进行系统…

边缘人工智能长期以来一直面临着平衡效率和有效性的挑战。由于边缘设备规模大、计算需求高以及延迟问题，在边缘设备上部署视觉语言模型 (VLM) 非常困难。为云环境设计的模型通常会因边缘…

图像识别已成为许多行业不可分割的一部分。这项技术的核心主要围绕更复杂的 AI 图像识别模型。此类模型使机器能够以几乎完美的准确度定位、分类和理解视觉信息。让我们深入了解将图像识别从…

WebAssembly FFmpeg H.265解码的SIMD加速。从测试效果来看，编译器自动向量化加速效果明显，手写加速效果更好，在Intel 12700和Apple M1上实现WebAssembly单线程解码1080P 140FPS问题不大。

在高并发、大流量的互联网时代，如何在大型活动期间保障系统的稳定性和用户的流畅体验，是每个技术团队都面临的挑战。本文以B站直播团队在英雄联盟2024赛季全球总决赛（S14）期间的保障…

音视频面试题集锦第 39 期，来自音视频技术社群关键帧的音视频开发圈。 下面是大厂音视频面试中，关于视频编辑 SDK 的面试题提纲： 1、音视频编辑 SDK 核心架构设计 问题描述…