音视频开发

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。

语音转文本python基于OpenAI Whisper，完全离线，不用API密钥，支持长音频、多语种，对硬件有一定要求。需额外安装录音库：

Android GLSurfaceView 完全指南GLSurfaceView 是 Android 平台上专门用于 OpenGL ES 渲染的 View 组件。它继承自 SurfaceView，提供了以下核心功能：

AAC 元数据：ADTS 与 ASC 的区别、转换和常见坑在音视频工程里说“AAC 元数据”，通常不是指 ID3、title、artist 这类媒体标签，而是指解码 AAC 所必须知道的音频配置：AAC profile、采样率、声道配置、SBR/PS 扩展等。

iOS 音频实战：边播边缓存、预加载与断点续播完整实现在 iOS 音频开发中，单纯的“播放功能”早已无法满足用户需求——无论是音乐 App、有声书 App，还是播客类应用，用户都希望实现「网络音频边播边存」「切换音频无等待」「断网/退出后继续播放」的体验。这三个核心功能（边播边缓存、预加载、断点续播），直接决定了音频 App 的用户留存率。

11年老程序猿在线搬砖

2026年语聊APP开发费用深度拆解：从MVP到百万并发的预算清单2026年，声音社交的热度只增不减。TikTok LIVE、Bigo Live 等平台继续高歌猛进，国内也有大量创业者想在这一赛道分一杯羹。但在我们参与过的多个项目中，最常见的问题就是：“做个语聊APP到底要花多少钱？”很多团队前期没把账算清，导致开发到一半资金断裂，或者盲目投入功能结果用户不买账。

Android MediaCodec 全面详解：从入门到精通MediaCodec 是 Android 系统提供的底层媒体编解码接口，用于访问设备上的硬件或软件编解码器。它是 Android 多媒体支持基础设施的核心组件之一，自 API Level 16 (Android 4.1) 开始引入。

StarrySky重新维护了，摆烂了一段时间，想想还是搞搞吧。本来AI时代我觉得很多所谓的功能库其实已经没必要再更新了，也没什么难的，都是一句话AI全帮你解决。但没管了一段时间后再看看自己以前做的东西，感觉还是得交代一下，所以就重新维护了。

关于我是如何用AI创作一个1分半的短视频的我最近做了一个大胆的尝试，使用AI来创作AI短视频。我曾经以为这个AI泛滥的时代，制作一条短视频不是轻而易举么？但是事实远远没有我想象得那么简单...

FFmpeg 开发实战全解析：从入门到精通（附完整代码示例）作者：码流怪侠日期： 2026-05-01 标签： FFmpeg、音视频开发、H264、AAC、解码、编码、Filter 参考项目： ffmpeg-demo（基于 FFmpeg 4.1）

HeyGen 开源了一个"用 HTML 写视频"的框架，我研究了一下，发现事情没那么简单HeyGen 最近开源了一个叫 Hyperframes 的项目，GitHub 上已经拿到 11.2k Star。

iOS 音频会话 AVAudioSession 完整机制：分类、模式、激活策略在iOS开发中，只要涉及音频播放、录制（如音乐播放器、语音通话、录音APP），就绕不开 AVAudioSession。它是iOS系统管理音频资源的“总管家”，负责协调APP与系统、其他APP之间的音频抢占、路由切换（扬声器/耳机/蓝牙）、音量控制等核心逻辑。

集成第三方 C/C++ 库到 Android NDK 项目：OpenCV 与 FFmpeg 实战指南在 Android 开发中，我们经常会遇到这样的场景：实现实时人脸检测、图像滤镜等功能，Java 代码帧率不足 10fps

从零实现一个 IM + 直播 App：Kotlin + Compose 多模块架构全流程记录仓库地址：github.com/qwfy5287/Li…Kotlin 2.0 / Jetpack Compose / Clean Architecture / Hilt / Room / Media3 / Paging 3。

音视频牛哥

鸿蒙 NEXT 下 RTSP/RTMP 播放器如何实时调节音量、亮度、对比度与饱和度？本文基于大牛直播 SDK（SmartMediaKit）的鸿蒙 NEXT 移植版本，结合真实的 ArkTS 工程代码，完整介绍播放过程中如何对音量、画面亮度、对比度、饱和度进行实时动态调节。