音视频开发

AudioTrack音频播放流程深度解析上一篇我们搭好了"舞台"——分析了AudioFlinger的整体架构。这一篇我们来追一个具体的"演员"：AudioTrack。

AudioFlinger架构基础：Android音频系统的心脏你有没有想过，当你同时打开音乐APP播放歌曲、微信来了消息提示音、游戏里的背景音乐也在跑——这三路音频是怎么在同一个手机扬声器里"和平共处"的？

Soundly 音频DSP流程核心逻辑说明本文档着重介绍 Soundly 项目内 DSP 流程的代码架构逻辑实现细节，周边配套逻辑不做说明录音场景下无法确保周边环境绝对安静，导致生成的录音文件会有杂声、噪音等无关主题内容的声音，影响用户收听最终产物的体验。常见问题真实场景有博客录音、视频会议、VLog等，这些场景一般情况下都会伴随周边杂声等。

语聊房如何选择实时语音SDK？一文说清楚决策要点！语音社交赛道正在持续升温。从早期的语音聊天室到如今的多元语音场景、AI Agent结合语音场景等，[语聊房]这个熟悉的互联网社交娱乐场景正在涌现新玩法，成为深受Z世代欢迎的泛娱乐方式之一。近年来，语音社交、在线K歌、游戏语音等以下几类场景持续给创业者带来较好的收益，是开发者创业的方向：

用 AudioContext.suspend()/resume() 作为流式音视频的同步门控在"边收帧边播放"的场景中，传统做法是缓冲 N 帧后再启动——本质上是在猜网络速度，猜错了音画就不同步。更可靠的方案：把 AudioContext.suspend() 当作同步门，帧没到就冻结音频时钟，帧到了再放行。这个做法成立的原因是 suspend() 同时冻结音频输出和 currentTime 时钟，天然是一个同步原语。

如何优雅地上传大文件？分片上传实战指南当文件体积较大（如视频）时，直接上传容易超时、失败，且无法展示进度。分片上传将文件切成多块依次上传，再在服务端合并，可提升稳定性和体验。

AI 驱动的自主开发闭环：从"人工测试员"到"需求驱动"的转变项目地址：SkyPlayerSkyPlayer v1.0.0：移动端 FFmpeg 播放器深度实践SkyPlayer v1.1.0 : 在线视频播放功能更新

一天一个开源项目（第17篇）：ViMax - 多智能体视频生成框架，导演、编剧、制片人全包"如果AI能像真正的电影制作团队一样工作，那该多好？"这是"一天一个开源项目"系列的第17篇文章。今天带你了解的项目是 ViMax（GitHub）。

一天一个开源项目（第16篇）：Code2Video - 用代码生成高质量教学视频的智能框架"如果生成教学视频就像写代码一样简单，那该多好？"这是"一天一个开源项目"系列的第16篇文章。今天带你了解的项目是 Code2Video（GitHub）。

深入理解 M3U8 与 HLS 协议：从原理到实战解析在做音视频开发或处理流媒体业务时，我们经常会接触到后缀为 .m3u8 的文件。很多初学者会误以为它是一个视频文件，实际上，M3U8 并不是视频，而是一个索引文件。

字节架构前端

媒体采集标准草案与 Chromium 音频采集实现简介Media Capture and Streams 是由 W3C WebRTC Working Group 提出的规范草案，主要定义了获取本地媒体的 JavaScript API。目前该草案处于 CRD (Candidate Recommend Draft) 状态，也可以被称为技术报告（Technical Report, TR）

使用 Claude Code Skills 模拟的视频生成流程本文档模拟从创建项目到完成的完整流程，包括火山引擎流程和 Sora 流程。场景：创建一个关于友谊的绘本视频

【音视频/边缘计算】2025年度H.265/HEVC高并发解码与画质修复(Super-Resolution)基准测试报告（含沙丘/失控玩家核心样本）⚠️ 仿真数据合规与免责声明 (Data Compliance Disclaimer)本文提供的所有测试码流（Bitstream）均截取自公开出版的影视作品或虚拟引擎渲染片段。所有场景仅作为画质抗损耗测试、编解码压力测试及色彩还原度分析的基准参考（Benchmark）。本数据集仅供技术研究与算法调优使用，请勿用于商业分发，测试完成后请及时清理缓存。

把手机变成听诊器！摄像头 30 秒隔空测心率 - 开箱即用关键词：rPPG、非接触心率、Android、CameraX、MediaPipe、POS 算法、开源 Demo 源码地址：github.com/liyufengrex…

纯算法AEC：播录并行场景的回声消除实战笔记最近在做一款 AI 语音应用，场景类似“实时通话”：一边让 TTS 播报，一边把麦克风打开做 STT。

WebCut前端视频编辑UI框架一周开源进度自从上次发布了WebCut的开源信息之后，获得了非常多小伙伴的关注，也有很多小伙伴还不知道，所以我打算写一些更新进度文章，让关注的小伙伴了解WebCut的最新进展。

摄像头 RTSP 流视频多路实时监控解决方案实践本文记录我在摄像头 RTSP 流视频多路实时监控项目里，落地的一套「多路 RTSP 低延迟播放」方案的全过程：从选型、编码、到 Web/桌面端播放与硬解优化。

Python + FFmpeg 视频自动化处理指南：从硬件加速到精确剪辑在 Python 中调用 subprocess.run 执行 FFmpeg 命令是视频自动化处理的常见方案。然而，面对 Windows/Linux/macOS 的跨平台兼容性、NVIDIA/Intel/AMD/Apple 的硬件加速差异，以及“拼接黑帧”、“音画不同步”等经典坑点，写出一套健壮的代码并不容易。

做中国人自己的视频编辑UI框架，WebCut正式开源项目地址：github.com/tangshuang/…朋友们晚上好啊，这段时间我在忙着完成最新的开源项目WebCut。这个项目是我这小半年来唯一的开源新项目，这对比我过去几年的一些开源事迹来说，真的是一段低产荒。不过这是正常的，没有任何人可以长时间的一直发布新项目，这种沉寂，正是因为我把时间和精力都投入在其他事情上，所以其实是好事。之所以要发起和开源这个项目，说起来还是有些背景，下面我会来聊一聊关于这个项目的一些背景，以及过程中在技术上的一些探索。

音视频牛哥

从低延迟到高可用：RTMP与 HTTP/HTTPS-FLV在App播放体系中的角色重构在大牛直播SDK（SmartMediakit）的播放器体系中，RTMP 一直是“低延迟播放”的代名词：毫秒级首屏、百毫秒级端到端时延，让它在实时互动、工业视觉、无人机回传等场景中长期占据主导位置。