音频主观评测

一.ffmpeg介绍

FFmpeg-4.2.2介绍一下源码目录结构：源码库libavformat：音视频格式的封装与解析libavcodec：音视频流的编解码libavutil：包含一些公共的工具函数libswresample:音频重采样
VinterYoung·2025-06-13 03:14

go:embed

本篇内容是根据2021年3月份#171go:embed音频录制内容的整理与翻译过程中为符合中文惯用表达有适当删改,版权归原作者所有.MatRyer：大家好，欢迎来到
techdashen·2025-06-13 01:02

向量数据库的使用

随着人工智能和机器学习的广泛应用，向量数据库在处理非结构化数据（如文本、图像、音频和视频等）的任务中变得越来越重要。
hawk2014bj·2025-06-13 00:55

向量数据库简介

在机器学习中，我们通常使用向量数据库来存储来自BERT或OpenAI等模型的嵌入文本数据；图像数据（来自CNN或CLIP的嵌入）以及音频/视频/基因组数据。
Morpheon·2025-06-12 23:16

S状态模式：优雅地管理对象的状态转换

示例场景：假设我们正在开发一个简单的音频播放器应用程序。该应用程序具有三个状态：停止状态（StoppedState）、播放状态
技术驱动者·2025-06-12 20:53

171、音频信号处理与分析：Python中的NumPy实践

Python开发之NumPy与图像处理：图像处理与计算机视觉在Python开发中，NumPy是一个非常强大的库，它在多维数组计算方面提供了丰富的功能。而在图像处理和计算机视觉领域，NumPy也发挥着不可替代的作用。本文将带你了解NumPy在图像处理和计算机视觉中的应用，以及一些实用的技巧和案例。1.图像处理基础1.1图像的表示图像可以看作是一个二维数组，每个元素表示图像中的一个像素点。这个像素点的
多多的编程笔记·2025-06-12 20:50

蓝桥杯 刷题统计

样例输入102099样例输出8评测用例规模与约定对于50%的评测用例,1≤a,b,n≤.对于100%的评测用例,1≤a,b,n≤.运行限制最大运行时间：1s最大
咚咚轩·2025-06-12 18:06

2025 年 TOP10 CRM 软件深度对比评测：从国际大厂到国内新秀全维度 PK

今天我们就来对2025年TOP10CRM软件进行一场深度对比评测，助力企业找到最适配自身发展的那一款。
·2025-06-12 17:37

如何直接将多模态数据传递给模型

多模态数据指的是包含多种类型（如文本、图像、音频等）的输入数据。在这篇文章中，我们将展示如何直接将多模态输入传递给模型。我们将使用以OpenAI为例的模型设置，展示如何描述图像中的内容。
Wurenyu957·2025-06-12 12:58

使用AI Fooler ，轻松实现免费人声分离

关键点AIFooler是一款智能音频处理工具，能够有效分离人声和背景音乐。该工
yyyyyy_jjjjjj·2025-06-12 10:42

Android多媒体——音/视同步锚点更新（二十一）

音视频同步（AVSync）是多媒体处理中的核心问题，而音频锚点时间（AudioAnchorTime）的更新机制直接影响同步精度，当音频解码、渲染或动态调整（如变速、跳转）时，需高效修正时间锚点以避免唇音不同步
c小旭·2025-06-12 09:37

编程学习网站大全（C++/OpenCV/QT方向）—— 资源导航与深度评测

工欲善其事，必先利其器本文系统整理了C++、OpenCV、QT三大方向的优质学习网站，结合技术特点与平台优势，助你精准选择学习资源，少走弯路！一、C++学习网站精选1.cppreference.com权威性最高：完整覆盖C++11到C++20标准文档，语言特性与标准库更新及时10。便捷查参：支持函数、容器、算法等快速检索，提供简洁代码示例，适合开发中随时查阅。多语言切换：支持中文界面（部分内容），
小乌龟登顶记·2025-06-12 09:01

顶级视频生成大模型分析：Seedance 1.0 Pro (字节跳动) - 新晋榜首

目录一、概述与市场格局1.1AI视频生成技术现状1.2主要竞争者概览1.3评测标准与方法二、顶级模型详细分析2.1Seedance1.0Pro(字节跳动)-新晋榜首2.2OpenAISora-行业先驱者
大咖分享课·2025-06-12 08:54

CentOS系统的多媒体处理技术应用

CentOS系统的多媒体处理技术应用关键词：CentOS、多媒体处理、FFmpeg、GStreamer、视频转码、音频处理、流媒体摘要：本文深入探讨CentOS系统下的多媒体处理技术应用，包括核心工具链
操作系统内核探秘·2025-06-12 07:50

Android多媒体——MediaPlayer创建流程（三）

Android平台通过其内置的MediaPlayer类为开发者提供了强大的多媒体处理能力，使得集成音频和视频播放变得简单直接。这里我们就来看一下MediaPlayer的创建流程。
c小旭·2025-06-12 01:47

FastRTC - Python实时通信库

本文翻译整理自：https://github.com/gradio-app/fastrtc文章目录一、关于FastRTC相关链接资源关键功能特性二、安装三、使用示例1、音频回传2、LLM语音对话3、摄像头流处理
·2025-06-12 01:15

Fusion引擎赋能：流利说如何用阿里云Serverless Spark实现数仓计算加速

作者：流利说Ibson（大数据负责人）/Bruce（数据工程师）背景介绍行业流利说是领先的科技驱动的教育公司，公司自主研发了领先的英语口语评测、写作打分引擎和深度自适应学习系统，致力于为用户提供一整套系统性的英语学习解决方案
阿里云大数据AI技术·2025-06-11 23:29

Fusion 引擎赋能：流利说如何用阿里云 Serverless Spark 实现数仓计算加速

作者：流利说Ibson（大数据负责人）/Bruce（数据工程师）01背景介绍行业流利说是领先的科技驱动的教育公司，公司自主研发了领先的英语口语评测、写作打分引擎和深度自适应学习系统，致力于为用户提供一整套系统性的英语学习解决方案
Apache Spark中国社区·2025-06-11 23:28

Android音频播放：FFmpeg与OpenSL ES解码与播放实践

本文还有配套的精品资源，点击获取简介：在Android平台上利用FFmpeg和OpenSLES实现高效灵活的音频解码与播放。
魔法小药丸·2025-06-11 19:00

DeepLake 支持的 `htype` 类型一览

DeepLake支持的htype类型一览htype名称描述image图像数据（如JPEG/PNG编码的RGB图像）video视频帧序列audio音频波形数据（如WAV格式）text文本字符串jsonJSON
燃灯工作室·2025-06-11 19:28

Deep Lake 简介

核心特点特性说明多模态数据支持支持图像、视频、音频、文本、点云等多种数据类型，适用于各类AI场景。张量存储数据以张量格式存储，兼容主流深度学习框架（如PyTorch、TensorFlow）。数据
·2025-06-11 19:57

【人工智能】Transformers之Pipeline（六）：图像分类（image-classification）

2.4.2pipeline对象使用参数2.4pipeline实战2.5模型排名三、总结一、引言pipeline（管道）是huggingfacetransformers库中一种极简方式使用大模型推理的抽象，将所有大模型分为音频
LDG_AGI·2025-06-11 17:43

多模态核心实现技术

一、模态表示（ModalRepresentation）模态表示是将不同模态数据（文本、图像、音频等）编码为计算机可处理的向量形式的核心步骤。
charles666666·2025-06-11 14:59

【软考中级：软件评测师】知识产权核心知识体系拆解

一、计算机软件著作权：技术成果的法律确权计算机软件是企业技术资产的核心载体，其著作权规则直接影响代码归属、商业合作、侵权维权。1.权利主体（谁拥有著作权？）软件著作权的主体分为三类：公民：个人独立开发的软件，著作权归开发者；法人/其他组织：职务开发（员工执行工作任务）、委托开发（合同约定归企业）、合作开发（约定归属）的软件，著作权归单位；注：委托开发无合同约定时，著作权归实际开发者。2.保护客体（
averageJune·2025-06-11 13:46

鹰盾视频加密器播放器倍速播放中变速不变声的技术原理解析

一、音频变速处理的技术挑战与背景在多媒体播放领域，倍速播放功能已成为用户常用的操作需求。
·2025-06-11 11:34

日语学习-日语知识点小记-进阶-JLPT-N1阶段（13）：语法单词

**判断性/主观性句型**二、考试科目与题型1.**语言知识（文字・词汇・语法）**2.**读解（読解）**3.**听
好奇龙猫·2025-06-10 14:28

【评测】Qwen3-Embedding模型初体验

回到目录Qwen3-Embedding的ollama部署方法可以参考【部署】dify+ollama部署Qwen3-Embedding-8B【评测】Qwen3-Embedding模型初体验模型的介绍页面0.6B
·2025-06-10 12:48

PCM1808替代料GC1808 24位ADC 24位模数转换器芯片

GC1808是一款高性能、低成本立体声音频模数转换器。其集成了64倍过采样率Δ-Σ调制器、数字梳状滤波器、数字高通滤波器。GC1808支持主、从机和两种串行音频数据格式。
深圳市集智创芯·2025-06-10 10:37

打手机检测算法AI智能分析网关V4守护公共/工业/医疗等多场景安全应用

传统依靠人工巡查的监管方式，存在效率低、覆盖面不足、判断主观性强等问题，难以满足对人员打手机行为精准、实时管控的需求。
科技小E·2025-06-10 10:04

打手机检测算法AI智能分析网关V4守护公共/工业/医疗等多场景安全应用

传统依靠人工巡查的监管方式，存在效率低、覆盖面不足、判断主观性强等问题，难以满足对人员打手机行为精准、实时管控的需求。
Oliverro·2025-06-10 07:11

WebRTC框架调研：深入了解Google开源的WebRTC框架

WebRTC（Web实时通信）是一个开源项目，由Google主导开发，旨在通过Web浏览器实现实时通信功能，例如音频、视频和数据传输。
FdviAutoit·2025-06-10 07:10

Python实现简单音频数据压缩与解压算法

Python实现简单音频数据压缩与解压算法引言在音频数据处理中，压缩算法是降低存储成本和传输效率的关键技术。
酷爱码·2025-06-10 03:45

【iSAQB软件架构】软件架构定性评估和定量评估

以下是其核心区别、实践意义及协同关系的深度解析：1.定性评估（QualitativeAssessment）核心定义通过主观经验、专家判断和逻辑推理评估架构属性（如可维护性、可扩展性、安全性），关
小马哥编程·2025-06-10 01:03

mac如何直播（b站为例）

macos10.15.4高版本不能安装soundflowersudospctl--master-disable//开启允许第三方软件允许里找到作者MATTINGALLSsoundflower的配置先配置音频添加多输出设备
·2025-06-10 01:28

摩尔斯电码

字母之间的停顿时长为3t,单词之间的停顿时长为7t4.摩尔斯电码可以以很多不同的方式表示，比如闪光灯、音频等。5.练习：APP：Morse-It”和“D
l2ohvef·2025-06-09 18:44

Audio Codec的I2S时序或PCM时序，代表什么意思

AudioCodec的I2S时序或PCM时序，代表什么意思答案摘自豆包：AudioCodec（音频编解码器）中的I2S时序和PCM时序是两种用于数字音频数据传输的标准接口协议，它们在时序结构、数据传输方式上有明显区别
张海森_168820·2025-06-09 14:18

Android 音频压缩功能之Ffmpeg

最近发现网上的压缩功能代码很多都是无法使用的，都是工具类的居多，安卓原生中实现音频压缩的案例搜索了很久还是没有从0到1很容易上手的博客。压缩本地音频的博客好少啊。
冰糖葫芦三剑客·2025-06-09 13:10

（六）卷积神经网络：深度学习在计算机视觉中的应用

卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一类专门用于处理具有网格结构数据（如图像、音频）的深度学习模型。
只有左边一个小酒窝·2025-06-09 13:37

软件工程领域 AI 评测的安全测试评测

软件工程领域AI评测的安全测试评测：给AI系统做一次“安全体检”关键词：AI安全测试、对抗样本、鲁棒性评测、软件工程、AI可靠性摘要：当AI系统从实验室走向医疗诊断、自动驾驶、金融风控等关键领域时，它的
项目管理实战手册·2025-06-09 11:25

ffmpeg命令基本语法和常见命令

ffmpeg-iinput.mp4output.mkv2、更加精准的控制转换命令ffmpeg-iinput.mp4-c:vvp9-c:alibvorbisoutput.mkv（-c:v控制视频格式，-c:a控制音频格式
子燕若水·2025-06-09 11:22

谷歌Gemini 2.0上线：实时视频生成颠覆内容创作行业

这款多模态AI不仅能理解文本、图像和音频，还能在几秒内生成高质量视频，彻底改变影视制作、广告营销、社交媒体等内容创作方式。这是否意味着传统视频制作将被AI取代？
非著名架构师·2025-06-09 06:54

Python爬虫实战：基于Tumblr API的图片与博文采集与下载

Tumblr是全球知名的轻博客平台，用户可以发布图像、短文、GIF、音频、视频等内容，是一个结合社交与创作的平台。
Python爬虫项目·2025-06-09 04:03

【vue】Uniapp 打包Android 文件选择上传问题详解~

uni-file-picker组件以为很顺利，android模拟器测试……忽略了平台兼容性提示~Get：上传图片或拍照，使用uniapp自带的uni.chooseImage即可……还需要上传非媒体问题（图片、音频
EF@蛐蛐找糖·2025-06-08 22:23

GAN生成模型评价体系：从主观感知到客观度量的技术演进

首先指出主观评价在人力成本、过拟合误判等方面的局限性，随后依次介绍InceptionScore、ModeScore等经典客观指标的原理与公式，对比KernelMMD、WassersteinDistance
青柚MATLAB学习·2025-06-08 17:14

Python免费文生音频TTS方案实战测评：gTTS、edge_tts与pyttsx3效果对比

在python中，已经有很多TTS相关的包，可以拿来即用，以下是我整理的一些简单免费的方案，仅供参考：方案1：gTTS1.1介绍利用google的免费文本转语音API服务需要能访问谷歌的网络环境一键安装，转换速度快，转换质量一般开源地址：https://github.com/pndurette/gTTS官方教程：https://gtts.readthedocs.io/en/latest/index
计算机小手·2025-06-08 14:24

python字母转换视频_用python将视频转换为字符画视频

ImageDrawimportosfromcv2importVideoWriter,VideoWriter_fourcc,imread,resize#=========================#coding:UTF-8#视频转字符画含音频
我是食大人·2025-06-08 13:52

大模型赋能智慧办公评测报告

本报告旨在评测大模型在智慧办公中的赋能效果，分析其优势、挑战及未来发展趋势，为企业和个人用户提供参考。
非著名架构师·2025-06-08 12:39

SD模型转换之safetensors转为bin，解决safety_checker 报错问题

前言最近同事给发了一个SD的任务，去评测一下效果，对于第一次接触的小白来说一脸懵，遇到了很多问题，写这篇帮大家排坑，自己也方便记录转换模型在转模型之前，我们需要装几个包diffusors，transformers
致命扼腕·2025-06-08 11:04

STM32实战：数字音频播放器开发指南

基于STM32的数字音频播放器/效果器是个很棒的项目！这涉及到多个嵌入式开发的关键技术点。
三三十二·2025-06-08 03:39

人体红外模块对比评测，是你的话怎么选

需要做课设或者DIY实验等用途的同学，这两款人体红外模块应该是大家见到最多的，也是最常被大家用来比较的，那如何选择适合自己的模块就成了一件头疼的事。莫慌！我来帮您对比下它们有何不同~这两款模块都是用于人体红外检测，检测到人体红外输出为高电平（需要注意的是，两款都只能检测到人体运动后才会输出高电平）。外观尺寸SM04-IRA尺寸在32*24mm左右，另一款SM04-IRA-V1.8的体积在18*18
成都盛瑟传感技术有限公司·2025-06-08 02:02
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他