音视频

RTC实战笔记

实时互动数字人怎么做，才不是一个只会说话的视频？过去大家说数字人，更多是在问口播、短视频、直播间素材、品牌宣传片。现在越来越多需求变成了：用户能不能直接问问题？数字人能不能实时回答？能不能接知识库？能不能在展厅、App、网页、客服入口里直接互动？这两类需求看起来都叫“数字人”，技术实现却不是一回事。如果只是口播视频，本质是内容生成链路；如果要实时问答，本质是实时互动系统。后者不只需要一个形象，还需要语音、网络、知识库、大模型、音视频流、业务流程和异常兜底一起工作。

RTC实战笔记

Android 实时音视频接入教程：媒体补充增强信息（SEI）笔者简介长期关注 RTC 实时音视频领域的技术演进，参与过音视频算法工程化、接入实现与效果评估等相关工作。在实际项目中，持续关注包括腾讯 TRTC、即构 ZEGO、声网 Agora 在内的多家 RTC 厂商在实时通信能力与工程落地层面的实践，重点关注 SDK 接入、通话链路实现与场景化应用。本系列文章将围绕 RTC SDK 接入与实时互动能力实现，持续输出工程实践与场景分析。本文将以 ZEGO 官方 SDK 文档为基础，围绕「媒体补充增强信息（SEI）」梳理完整接入流程，帮助开发者理解环境准备、初始

潜创微科技

HDMI1.3 无线传输芯片方案空旷 150 米量产级音视频方案在会议投屏、多媒体教学、商用数字标牌、家用影音、安防配套设备的硬件开发过程中，传统有线 HDMI 传输存在天然短板：标准 HDMI 线材有效传输距离仅 5 米左右，长线缆极易出现画面闪屏、色彩衰减；光纤延长器物料成本偏高，会大幅拉高整机 BOM，同时长距离布线施工繁琐，无法适配展厅、大型报告厅、多教室分布式部署场景。

VidDown 工具站：免费、本地优先的开发者工具箱做开发这些年，我收藏了二三十个在线工具：一个格式化 JSON，一个编解码 Base64，一个测试正则，一个查看 IP 子网……每次要用的时候翻书签翻半天，有的网站还要登录，有的甚至上传文件到服务器。后来我干脆自己写了一个工具站——VidDown。目前把日常高频用到的 20 多个工具整合到一起，核心处理尽量在本地完成，不上传敏感数据。这篇文章客观地介绍一下 VidDown 目前能做什么、技术上是如何设计的，以及为什么你可以放心使用。

换个昵称都难

音频格式之WAVWAV是基于RIFF结构的音频文件，是微软为windows系统开发的一种标准音频文件格式。如PCM中介绍，粗略的可以理解为wav数据就是加了wav头的pcm数据，实际WAV文件由RIFF chunk、Format chunk 和 Data chunk三个主要区块组成。辅以fact、cue与list chunk。

PilotTTS 一键整合包（Win/Mac）：8G 显存畅跑，实测解锁情绪与副语言的精准控制xy在当今的 AI 语音生成（TTS）领域，我们不仅追求“声音像”，更追求“有感情”。传统的 TTS 系统往往显得机械、呆板，而最新开源的 **PilotTTS** 则打破了这一瓶颈。它不仅支持极其丰富的情绪表达，还能精准控制**呼吸声、叹气、笑声**等副语言现象。为了降低大家部署的门槛，本文特地带来 **PilotTTS Windows/Mac 双系统一键免安装整合包**，解压即用，最低 **8G 显存**即可流畅跑出院线级的配音效果！一、 PilotTTS 核心技术亮点在正式上手前，我们先来看看

S.S.Audio PRO A2音频隔离器内置专业音频隔离变压器，纯无源设计无需供电，彻底切断设备间共地回路，完美解决电脑声卡、笔记本、调音台互联产生的嗡嗡电流声、交流杂音、广播底噪，录音、直播、舞台演出音质纯净无干扰。

显卡处理视频技术详解：从硬解码到 NVENC，GPU 如何让视频处理起飞？以前用 CPU 转码一个 4K 视频，风扇狂转半小时，电脑卡得连鼠标都动不了。后来换了带 NVENC 的 NVIDIA 显卡，同样的视频两分钟就转完了，而且还能同时刷网页。这背后就是显卡（GPU）在视频处理中的硬件加速能力。这篇文章带你彻底搞懂显卡在视频编码、解码、滤镜处理中的角色，以及如何利用 GPU 加速你的视频工作流。

全能音视频平台/私有化音视频系统EasyDSS！直播/点播/会议/集群对讲一站式落地音视频业务落地，最头疼的就是系统零散、协议不通、部署繁琐、数据不安全。直播单独搭一套、监控回看另配系统、远程会议与集群对讲还要额外对接，多套软件叠加不仅对接成本高、调试周期长，后期运维更是压力倍增。再加上传统平台插件依赖、画面延迟、公有云数据泄露等风险，大大拖慢项目进度。

车载音频复习车载音频路由分底层硬件定义 audio_policy_configuration.xml + 车载业务路由 car_audio_configuration.xml，两者配合实现「不同音源路由到不同 address」。

告别数据中断：XTDIC-VG视频引伸计在金属疲劳测试中3个真实案例视频引伸计 | XTDIC-VG | 疲劳测试 | 应用案例 | 实战复盘金属材料疲劳测试，是装备制造业最基础也最关键的测试之一。

RV1126+FFMPEG多路码流监控项目本项目采用的是易百纳RV1126开发板和CMOS摄像头，使用的推流框架是FFMPEG开源项目。这个项目的工作流程如下(如上图)：通过采集摄像头的VI模块，再通过硬件编码VENC模块进行H264/H265的编码压缩，并把压缩后的数据通过FFMPEG传输到两个流媒体服务器(如同时推送到流媒体服务器:rtmp://xxx.xxx.xx.xxx:1935/live/01和rtmp://xxx.xxx.xx.xxx:1935/live/02)。

【AVRCP】规范精讲[30]：新播放器上线全流程，蓝牙音频如何发现并接管新应用在日常蓝牙音频场景中，我们经常会遇到这样的情况：手机后台挂着QQ音乐，突然打开了新的视频APP播放音频，车机或耳机需要立刻识别到这个新播放器，并自动切换控制对象。很多人只觉得这是正常功能，却不知道这背后是AVRCP一套完整的新播放器上线与接管流程在支撑。本文就来深度拆解这套流程，从事件注册到新应用上线、再到控制绑定的每一步交互，把规范里的底层逻辑变成能直接落地开发的知识体系，吃透多播放器场景下的动态扩容机制。

视频帧率技术详解：从 24fps 到 120fps，帧率如何影响你的观看体验？为什么电影看起来有“电影感”？为什么游戏录像 60fps 比 30fps 流畅那么多？为什么直播时帧率太高会卡顿？这些问题的核心都指向一个参数——帧率（Frames Per Second, fps）。帧率决定了视频的流畅度，也直接影响带宽消耗和编码效率。这篇文章从技术原理出发，详细解析帧率的概念、常见值的应用场景、不同传输协议对帧率的处理方式，以及如何用 FFmpeg 和 VidDown 工具查看/修改视频帧率。

HyperAI超神经

支持真人/动漫/动物驱动，美团开源多风格音频驱动视频生成框架LongCat 1.5；百万级图表理解数据集ChartNet提升VLM图表重建与表格提取能力LongCat-Video-Avatar 1.5 由美团 LongCat 团队于 2026 年 5 月推出，是一款全新的开源音频驱动视频生成（AI2V）框架。用户仅需提供一张静态参考图和一段音频，即可生成口型精准同步的动态化身视频。该模型采用 Whisper 驱动的语音特征提取；步数蒸馏技术将 DiT 生成过程压缩至极速的 8 步，不仅保证高保真画面，还能生成长视频内容。其全领域泛化能力覆盖真实人像、2D/3D 动漫角色及动物化身，为多场景视频生成提供高效、可靠的解决方案。

XTDIC-VG视频引伸计技术原理解析：金属疲劳测试的“非接触革命“XTDIC-VG | 视频引伸计 | 金属疲劳测试 | 非接触测量 | 应变测量 | DIC技术金属材料疲劳测试，是航空、汽车、轨道交通、能源装备等核心行业的"基础课"。

狗凯之家源码网

苹果 CMS10 酷黑渐变视频站模板落地应用指南在搭建视频内容平台时，很多开发者容易陷入一个误区：过分关注后端存储和带宽成本，却忽视了前端呈现对用户体验的决定性影响。无论是聚合影视资源、展示个人作品集，还是构建企业内部培训库，用户打开页面的前几秒往往决定了去留。如果界面杂乱、加载缓慢或在手机上无法正常播放，再优质的内容也难以触达受众。特别是在当前多终端普及的环境下，一套能够自适应不同屏幕、兼具视觉美感与高性能的架构方案，成为了项目成功的关键。

架构师视点：基于 Docker 与边缘计算的百路异构视频中台，如何实现 GB28181/RTSP 统一接入与源码交付？在安防智能化与 AIoT 落地潮中，大中型企业和系统集成商在构建视频 AI 项目时，往往会面临三大核心痛点：底层硬件碎片化严重（海思、瑞芯微、算能等异构芯片算子迁移成本高）、流媒体协议对接周期长（GB28181 国标信令级联与 RTSP 状态维护复杂），以及闭源方案二次开发受限。

延迟直降90%！国标GB28181视频平台EasyGBS支持WebRTC WHIP推流设备接入，让万物互联更简单你是否遇到过这些接入难题？无人机、运动相机画面质量高，但无法推送到国标平台统一管理；手机App、浏览器端的实时视频，和传统监控系统总是两套体系；

基于音视频 PaaS 的实时音视频解决方案：技术架构与落地实践摘要：随着远程会诊、线上会商、云端培训、虚拟营业厅等实时交互场景普及，传统自研音视频架构存在开发成本高、弱网适配差、终端兼容弱、迭代周期长等问题。音视频PaaS凭借模块化、可嵌入、高弹性、易集成的优势，成为政企、医疗、金融数字化改造的主流方案。本文从技术架构分层、核心技术能力、部署模式、落地场景、实战避坑五个维度，系统性拆解好视通音视频PaaS的实时音视频解决方案，为开发者与项目实施人员提供可落地的架构参考与选型依据。