音视频开发

深度解析 Android 音频焦点处理与实战开发在 Android 生态中，多个应用可能同时尝试向同一输出设备播放音频。音频焦点（Audio Focus）正是为解决这一冲突而生的系统级协调机制——它并非简单的“播放/暂停”开关，而是一套管理多个音频源对唯一物理音频输出设备并发访问权的系统级契约。

字节跳动视频云技术团队

豆包视频通话背后，火山引擎重构 Agent 时代多模态传输底座对通用 Agent 来说，多模态交互正在成为一项能大幅提升用户体验的关键基础技术。过去，用户和 AI 的交互更多是输入文字、上传图片，然后等待回答。现在，家长希望可以直接把镜头对准孩子正在做的题目，让 AI 一步步讲解；在穿搭建议、视障人群视频导航等场景里，用户也希望 AI 不再是一问一答，而是在整个任务过程中持续倾听、对话。

大辉狼_音频架构

Vol.05 VendorHAL-NXP基于 Android 16 / NXP i.MX 平台音频栈源码（hardware/interfaces/audio/aidl + vendor/nxp-opensource/imx/audio/default）

字节跳动视频云技术团队

不止于 4K，火山引擎画质增强让视频从清晰走向细腻你有没有注意过，黄昏天空中那抹从金到紫的渐变，在大多数视频里总是断成一圈一圈的色带？那不是拍摄的问题，而是色深（Color Depth）的极限。色深决定了每个颜色通道能表达多少级亮度。位数越高，色彩过渡越细腻，色带越少。

字节跳动视频云技术团队

火山引擎 × 央视网打造 2026 世界杯沉浸式观赛盛宴自 6 月 12 日美加墨世界杯的战火正式点燃以来，这项顶级足球盛事已经陪伴全球球迷度过了近一个月的狂欢。每一个深夜与清晨，屏幕前无数双紧盯赛场的眼睛背后，不仅承载着对足球赛事的纯粹热爱，更酝酿着一场关于视频转播技术的终极考验。

StreamingBench：首个流式视频理解基准——多模态大模型离人类实时感知还有多远？📄 论文: StreamingBench: Assessing the Gap for MLLMs to Achieve Streaming Video Understanding 🏛️ 机构: 清华大学计算机系 & 人工智能研究院(AIR)、北京邮电大学 👥 作者: Junming Lin, Zheng Fang, Chi Chen, Zihao Wan, Fuwen Luo, Peng Li, Yang Liu, Maosong Sun 🔗 代码与数据: github.com/THUNLP-M

WebRTC 之 AllocationSequence 详解Performs the allocation of ports, in a sequenced (timed) manner, for a given network and IP address.

字节跳动视频云技术团队

Agent 进化论：从对话到协作人与 AI 的沟通正在变得越来越像人与人之间的沟通。一位店员用 AI 制作门店宣传视频时，不再把需求列成一段非常细致的 Prompt 发给 AI，然后等待它返回结果；而是直接开启一个与 AI 的对话，告诉它“帮我剪一条今天新品上架的视频”，然后通过连续对话敲定任务的具体细节，就像与人类剪辑师一样。

字节跳动视频云技术团队

沙发搬到线上：火山引擎视频云如何用RTC+直播打造一场“云上陪看房”？真正让人愿意长时间看完一场球的，不只是比赛本身，而是有人一起看、一起喊、一起等那个关键时刻。一个人看球最难受的不是错过精彩镜头，而是情绪来了却没人分享。进球想喊一嗓子，身边是空的；裁判出争议判罚想骂两句，只能对着屏幕自言自语。

字节跳动视频云技术团队

进球、切片、全网爆：如何打造一座跑赢热搜的赛事“AI短视频工厂”？一场赛事真正的流量争夺，往往不只发生在直播间，也发生在赛后几分钟的短视频分发链路里。谁能更快把进球、争议判罚、庆祝名场面切出来，谁就更有机会吃到热搜红利。

字节跳动视频云技术团队

拒绝被剧透！解密大型赛事直播背后的超低延迟黑科技隔壁已经欢呼，自己的直播还在回传球——这是无数球迷在大型赛事中最怕遇到的瞬间。进球、绝杀、点球大战，每个关键时刻都只有一次情绪爆发机会。越是热门比赛，观众越追求实时；但海量用户同时在线、超高清码率、跨终端播放，每增加一层负担，端到端延迟就越容易失控。真正的难点不是“播出来”，而是在千万级并发下，依然把延迟稳定压低。

字节跳动视频云技术团队

Agentic 范式下的视频画质优化：火山引擎的新路径用户刷视频时，对画质的判断往往发生在几秒之内。同样是短视频、直播、AIGC视频，有的画面清晰、稳定、有质感，人物的眉眼、物品的纹理、运动中的细节都足够自然；有的则模糊、压缩痕迹重，动作一快就闪烁、发虚，让人只想很快划走。

字节跳动视频云技术团队

让 Agent 成为音视频工作台：AI MediaKit CLI + Skill 发布在刚刚结束的 2026 Force 源动力大会上，火山引擎智能视频云正式发布了 AI MediaKit CLI 与 Skill。火山引擎 AI Media Platform 产品负责人杭梦钰指出：AI 视频生产的下一阶段，不只是生成一段画面，而是交付一条真正能上线的视频。

字节跳动视频云技术团队

从生成到交付，音视频 Agent 要有生产级开发套件过去足球赛场上的高光瞬间回顾，往往需要剪辑师回看素材，找到进球、庆祝、慢动作回放和观众反应，再切片、包装、加字幕，最后分发到不同平台。链路长，人工重，能不能接到热点爆发的流量，考验的是人的经验和手速。

字节跳动视频云技术团队

从 VCloud 到 Agentic VCloud：Agent 时代的范式重构想象这样一个场景：你站在大同善化寺的大雄宝殿中，打开与豆包的视频通话，将镜头对准殿左右的金代彩塑，问道：“给我讲讲这些金代彩塑，哪几尊塑像最值得细细端详？”豆包会像真人讲解一样，先“看到和认出”彩塑，再“听懂”问题，然后“思考”如何回答，最后说出答案。

我写了一个AI图像视频生成工具，免费API+本地部署，分享给大家上个月刷到一条新闻，说有个叫Agnes AI的团队，把旗下文本、图片、视频三个模型的API全部免费开放了，无限期。

ROI 编码学习指南：Android 与 FFmpeg 的真实实现边界ROI，Region of Interest，感兴趣区域编码，本质是告诉编码器：一帧里不同区域的重要性不同。人脸、商品、字幕、屏幕共享文字通常比背景墙、天空、桌面更重要。编码器如果能把更多码率分配给重要区域，把更少码率分配给非重要区域，就可以在相同码率下提升主观质量，或在相近主观质量下降低码率。

23.视频播放器项目实战-音视频播放简单易懂版 | 图文结合 | 生动形象想象餐厅的厨房：记住这个比喻，你就懂了！就像：端菜的盘子就像：餐桌布置

6.第一个c++安卓程序编译运行序号：6 | Mac Intel芯片 | Android Studio Panda 2 | Pixel 9模拟器

音视频牛哥

不只是等待 IDR：SmartMediaKit 播放器对 H.264 GDR 码流的完整适配实践在直播、安防监控、无人机回传、工业视觉和远程巡检等实时视频场景中，H.264 仍然是当前部署最广泛的视频编码标准之一。对于大多数音视频开发者来说，H.264 中的关键帧，尤其是 IDR 帧，几乎是播放器起播、断线重连、录像切片和解码器恢复的基础前提。