音视频

开开心心就好

专业鼠标点击器，自定义间隔次数软件介绍今天为大家推荐一款轻量级鼠标自动点击工具——迷你鼠标连点器，这款仅300K大小的软件能实现精准的鼠标跟随点击功能。

却道天凉_好个秋

音视频学习（四十七）：模数转换模数转换（Analog-to-Digital Conversion，简称ADC）是将连续的模拟信号转换为离散的数字信号的过程，是现代电子系统中的核心技术之一。模数转换广泛应用于通信、信号处理、传感器数据采集、音频处理、图像处理等领域。

WebRTC前处理模块技术详解：音频3A处理与视频优化实践WebRTC（Web Real-Time Communication）作为实时音视频通信的核心技术，其前处理模块是提升媒体质量的关键环节。该模块位于媒体采集与编码之间，通过对原始音频/视频数据进行优化处理，解决实时通信中的回声、噪声、音量不均衡、视频格式不兼容等问题。前处理模块分为音频前处理（APM）和视频前处理两大分支，前者以“3A算法”（回声消除、自动增益、噪声抑制）为核心，后者聚焦格式转换与画质增强，二者共同构成WebRTC媒体 pipeline 的“质量守门人”。

却道天凉_好个秋

音视频学习（五十）：音频无损压缩音频无损压缩是一种在不损失任何原始音频信息的前提下，减小音频文件大小的技术。它与有损压缩（如MP3、AAC）不同，后者通过删除人耳听不见的音频信息来大幅压缩文件，但会导致音质下降。无损压缩的目标是在保持原始音频质量的同时，尽可能地提高存储效率。

使用AssemblyAI将音频数据转换成文本油管上有一个How To Call a REST API In Java - Simple Tutorial讲到使用AssemblyAI 只需几行代码即可快速尝试我们的语音转文本和语音理解 AI 模型。首先我们得注册账号，然后登录账号，到https://www.assemblyai.com/dashboard/activation页面可以看到自己的API Key，如下图所示：这个API Key非常重要，在我们的代码中调用AssemblyAI库通过post和get请求将音频文件转录成文本时会使用到。上

TGD第九篇：三维应用——视频边缘检测从本篇介绍 TGD 在三维信号处理中的任务应用。TGD 是我们定义的一种新的“变化率表征”，对连续函数而言是一种新的“广义导数”，对离散序列而言是一种新的差分。在二维应用中，我们详细介绍了 TGD 在图像边缘检测中的优异性能。边缘的定义可以直接从二维图像扩展到三维图像序列，如视频等，即边缘是在三维空间中出现亮度值的跳跃的地方，对应于梯度的局部极大值点。由于 TGD 可以计算三维离散序列的梯度，则基于 TGD 的边缘检测方法自然地可以扩展到三维情况。感兴趣的朋友可直接阅读原始论文，同时欢迎阅读详见前面的章节

1 - 视频处理IP核之Video In to AXI4-StreamVideo In to AXI4-Stream IP核的核心作用是将符合传统时序标准（如BT.656/BT.1120）的并行视频输入信号，高效转换为AXI4-Stream视频流。作为FPGA视频处理流水线的“入口网关”，它剥离消隐数据、转换同步信号，输出标准化的流数据，供后续图像处理或DMA模块使用。

驭风少年君

【视频内容创作】PR的关键帧动画关键帧就是关键的帧，可以按照字面的意思来理解。关键帧可以记录某个物理或者画面开始的数值以及结束时的数值，PR可以自动生成这两个数值之间的补帧动画

图像、视频、音频多模态大模型中长上下文token压缩方法综述多模态大模型MLLMs 能够处理高分辨率图像、长视频序列和冗长音频输入等复杂上下文，但自注意力机制的二次复杂度使得大量输入 token 带来了巨大的计算和内存需求。如下图，上：图像、视频和音频数据类型可以在其表示维度上进行扩展，从而导致 token 数量的相应增加。下：表现最佳的多模态大模型无法满足现实世界的需求，因为多模态输入（尤其是视频）的 token 数量远远超过文本，并且大多数视觉 token 是冗余的。

程序员老舅

C++音视频开发：基础面试题音视频领域技术门槛高，学习资料稀缺，体系化书籍和开发工具有限，新手入门困难。音视频开发涉及众多任务：音频（采集、编解码、降噪等）、视频（采集、编解码、图像处理）、实时传输（RTP/RTCP、RTMP、HLS）、存储与播放等，要求扎实的理论基础和工程经验，自学难度大。

这儿有一堆花

VAST视频广告技术实现：从零开始搭建视频广告投放系统当下的数字营销环境中，视频广告已经成为品牌与用户连接最有效的方式之一。然而，对于网站运营者来说，如何将视频广告无缝整合到现有的内容体系中，仍然是一个技术性挑战。VAST（Video Ad Serving Template）技术的出现，为这一问题提供了标准化的解决方案。

【Flutter】双路视频播放方案最近在做双路视频播放，就是在一个页面播放两个视频。我遇到的问题就是音频焦点冲突问题，在下面说明。双路视频播放（Dual-Video Playback），从字面上理解，就是指在一个屏幕或应用界面上，同时解码和渲染两个独立的视频流。

程序员JerrySUN

OpenCV 全解读：核心、源码结构与图像/视频渲染能力深度对比📖 推荐阅读：《Yocto项目实战教程:高效定制嵌入式Linux系统》 🎥 更多学习视频请关注 B 站：嵌入式Jerry

音视频牛哥

智能感知的新入口：AIGC 与低延迟视频通路的深度融合AI生成内容（AIGC）正在从“内容创作工具”跃升为计算机视觉系统的新引擎。它不再只是“文生图”、“图生文”的演示技术，而是实实在在地改变着我们构建、处理和理解视觉数据的方式。

vite+vue3+websocket处理音频流发送到后端

rtp、rtcp、rtsp、rtmp协议详解在流媒体传输、实时通信等场景中，RTP、RTCP、RTSP、RTMP 是四个非常重要的协议，它们分别承担不同的功能，共同支撑音视频等实时数据的传输与控制。以下从定义、核心功能、工作原理、特点及应用场景等方面详细讲解：

音视频牛哥

Android RTMP推送|轻量级RTSP服务同屏实践：屏幕+音频+录像全链路落地方案在数字化办公、智慧医疗与远程教育等快速发展的推动下，手机作为随身终端，已不再只是“内容接收者”，而逐步成为远程信息发布与可视化互动的重要节点。

深度学习实战训练营

中英混合的语音识别XPhoneBERT 监督的音频到音素的编码器结合 f0 特征LID完整项目包获取点击文末名片完成一个 Code-Switching（中英混合）的语音识别系统，整个流程如下思路进行： 163. (Step 1) 训练音频到音素的编码器（Audio → Phoneme Encoder）

WADesk---瓜子

用 AI 自动生成口型同步视频，短视频内容也能一人完成近几年做跨境电商或内容运营的同学，应该都能感受到视频内容正逐渐从“锦上添花”变成了“必选项”。尤其是 TikTok、Instagram Reels、Facebook 短视频、甚至一些独立站内嵌视频讲解页，对带讲解、有人脸、自然语音的视频内容都有显著的转化提升作用。

Wondershare Repairit：专业的视频修复工具Wondershare Repairit 是一款功能强大的专业视频修复软件，能够有效修复各种视频文件中的损坏、丢失、花屏、马赛克等问题，帮助用户恢复视频的正常播放状态。它支持多种视频格式，包括 MP4、MOV、AVI、FLV、MKV 等，广泛应用于各种场景，如视频编辑、视频拍摄、视频存储等。