音频频谱

MediaPipe：实时多媒体处理框架

它提供了一套工具和库，使开发者能够轻松地处理和分析视频、音频和图像数据。MediaPipe具有高度可扩展性和灵活性，适用于各种应用领域，包括计算机视觉、增强现实、虚拟现实和音频处理等。
KsClang·2025-03-25 05:16

web前端录制canvas视频和video的声音，并合并成一个文件进行下载

该方法通常用于从、或元素中捕获实时视频流或音频流，以便进行进一步的处理，如直播、录制或分析‌。captureStream()方法能够实时捕获视频流，适用于直播、实时监控等场景。
不怕麻烦的鹿丸·2025-03-25 01:49

大模型微调方法之Delta-tuning

本次讨论的1大模型业务分类当前的大模型行业可谓百花齐放，自然语言处理（naturallanguageprocessing,NLP）、计算机视觉（computervision,CV）、音频处理（audioprocessing
空 白II·2025-03-24 20:09

利用ffmpeg库实现音频AAC编解码

AAC‌（AdvancedAudioCoding）是一种音频编码技术，出现于1997年，基于MPEG-2的音频编码技术。AAC具有高效的数据压缩能力和较高的音质，适用于各种音频应用场景。
byxdaz·2025-03-24 06:14

P2P通信：WebRTC的原理与实现

它提供了一种直接的点对点（P2P）通信方式，使得浏览器之间可以实时传输音频、视频和数据。本文将详细介绍WebRTC的原理和实现，并提供相应的源代码示例。
幻想彩虹中的绚丽光华·2025-03-24 05:36

WebRTC解析：使用WebRTC实现实时通信

它提供了一组API和协议，使开发者能够在网页上实现音频、视频和数据的实时传输。本文将详细介绍WebRTC的基本原理和使用方法，并提供一些示例代码。
FdviAutoit·2025-03-24 05:02

深入浅出 WebRTC 通信原理：从点对点到多人会议的全方位解析

它允许浏览器或移动设备通过直接的点对点（P2P）连接进行音频、视频和数据的实时传输。它使得不依赖中间服务器的实时通信成为可能，尤其适用于视频聊天、文件共享、音频会议等场景。在本文中，我们将深入介绍从
ADFVBM·2025-03-24 05:01

从5G向6G演进的三维连接

首先简述了三维连接技术的发展历程，然后重点介绍了未来两年将要完成的5GNTN标准需求、部署结构、空中接口、频谱与终端方面的设计考虑，最后给出了对未来B5G/6G三维连接技术展望，提出了需要全球产学研机构共同研
宋罗世家技术屋·2025-03-24 03:46

基于Streamlit实现的音频处理示例

基于Streamlit实现的音频处理示例，包含录音、语音转文本、文件下载和进度显示功能，整合了多个技术方案：一、环境准备#安装依赖库pipinstallstreamlitstreamlit-webrtcaudio-recorder-streamlitopenai-whisperpython-dotx
大霸王龙·2025-03-24 01:26

When Large Language Models Meet Speech: A Survey on Integration Approaches

文章将语音与LLMs集成方法分为基于文本、基于潜在表示和基于音频令牌三大类。
UnknownBody·2025-03-23 17:46

ubuntu环境使用海康威视SDK获取视频流

include#include#include#include"HCNetSDK.h"#include"iniFile.h"#include"PlayM4.h"//解码回调视频为YUV数据(YV12)，音频为
Joemt·2025-03-23 17:16

Ubuntu实时读取音乐软件的音频流

文章目录一.前言二.开发环境三.具体操作四.实际效果一.前言起因是这样的，我需要在Ubuntu中，实时读取正在播放音乐的音频流，然后对音频进行相关的处理。
冬瓜~·2025-03-23 17:14

C# 调用 VITS，推理模型 将文字转wav音频调试 -数字人分支

Microsoft.ML.OnnxRuntime.OnnxRuntimeException:[ErrorCode:InvalidArgument]Inputname:'input_name'isnotinthemetadata在Microsoft.ML.OnnxRuntime.InferenceSession.LookupInputMetadata(StringnodeName)位置D:\a\_w
未来之窗软件服务·2025-03-23 08:40

使用AI识别语音和B站视频并通过GPT生成思维导图

语音生成思维导图直接发送语音：对AI脑图公众号直接发送语音（如使用语音说厦门三天两夜的旅行攻略），AI脑图会自动识别语音内容然后根据内容要求生成思维导图上传语音文件：支持多种音频格式，上传完成后AI脑图会识别音频内容
·2025-03-23 06:05

使用AI识别语音和B站视频并通过GPT生成思维导图

语音生成思维导图直接发送语音：对AI脑图公众号直接发送语音（如使用语音说厦门三天两夜的旅行攻略），AI脑图会自动识别语音内容然后根据内容要求生成思维导图上传语音文件：支持多种音频格式，上传完成后AI脑图会识别音频内容
·2025-03-23 06:04

Python预训练模型实现俄语音频转文字

Python预训练模型实现俄语音频转文字使用CommonVoice8.0、Golos和MultilingualTEDx的训练和验证分割对俄语的facebook/wav2vec2-xls-r-1b进行了微调
啥都鼓捣的小yao·2025-03-23 05:03

RK3568平台（音频篇）音频ALSA框架

一.ALSA框架简介ALSA表示先进linux声音架构（AdvancedLinuxSoundArchiecture），它由一系列的内核驱动、应用程序编程接口（API）以及支持linux下声音的应用程序组成、ALSA项目发起的原有是linux下的声卡驱动（OSS）没有获得积极的维护，而且落后于新的声卡技术。JaroslavKysela早先写了一个声卡驱动，并由此开始了ALSA项目，随后，更多的开发者
嵌入式_笔记·2025-03-23 05:02

【视频】m3u8相关操作

m3u81.1常用命令1）默认只保留5个ts文件ffmpeg-iinput.mp4-start_number0-hls_time10-hls_list_size0-fhlsstream1.m3u82）去掉音频
郭老二·2025-03-23 05:31

嵌入式音频框架alsa学习之pcm状态

/**PCMstate*/typedefenum_snd_pcm_state{/**Open*/SND_PCM_STATE_OPEN=0,/**Setupinstalled*/SND_PCM_STATE_SETUP,/**Readytostart*/SND_PCM_STATE_PREPARED,/**Running*/SND_PCM_STATE_RUNNING,/**Stopped:underru
Liu-Eleven·2025-03-22 16:00

android音频概念解析

音频硬件接口（我们可以理解为ASOC的声卡）官方代码里叫audiohardwareinterface也称为module，定义在services/audiopolicy/config/audio_policy_configuration.xml
yyc_audio·2025-03-22 16:57

向量检索、检索增强生成（RAG）、大语言模型及相关系统架构——典型面试问题及简要答案

答案要点：向量检索是将文本、图像、音频等数据映射为向量，在高维向量空间中基于相似度或距离进行搜索。
快撑死的鱼·2025-03-22 05:13

从零开始：使用原生JS打造简易飞机大战游戏

本文还有配套的精品资源，点击获取简介：在本教程中，我们将探讨如何利用原生JavaScript的特性，包括事件处理、DOM操作、定时器和音频处理，来构建一个基础的“飞机大战”游戏。
西域情歌·2025-03-22 02:45

鸿蒙开发秘籍：用AvPlayer解锁录音朗读新玩法

鸿蒙开发秘籍：用AvPlayer解锁录音朗读新玩法一、引言家人们，在鸿蒙应用开发这个超广阔的领域里，音频处理可是相当重要的一环！它让应用的功能更丰富，用户体验也更好啦。
柳中仙·2025-03-22 00:04

04.文本标签

2）页面组成元素①一个静态页面绝大部分由以下四种元素组成：文本图片超链接音频和视频②思考：符合以下特点的网页是静态还是动态页面？
龙哥带你学编程·2025-03-22 00:28

Webrtc音频技术（未完）

一、概述1、架构上图中发送方（或叫上行、TX）将从MIC采集到的语音数据先做前处理，然后编码得到码流，再用RTP打包通过UDPsocket发送到网络中给对方。接收方（或叫下行、RX）通过UDPsocket收语音包，解析RTP包后放入jitterbuffer中，要播放时每隔一定时间从jitterbuffer中取出包并解码得到PCM数据，做后处理后送给播放器播放出来。二、NetEQ1、简介netEQ是
会头痛的可达鸭·2025-03-21 23:56

MTK ADSP

MTK音频硬件概念AFE：音频前端硬件audiofrontendhwAFEMEMIF(FE):PCMDMA,memoryread/writeAudiointerconnection:connectionfabricforaudiosubmodule
yyc_audio·2025-03-21 23:20

OpenAI 发布新一代 STT/TTS 模型，10 行代码构建 Voice Agent；声网推出对话式 AI 开发套件丨日报

本期编辑：@qqq、@鲍勃01有话题的技术1、OpenAI推出全新一代音频模型今日凌晨，Open
·2025-03-21 16:18

自动语音识别（ASR）：技术、应用与未来

2.ASR的工作原理ASR的核心流程通常包括以下几个步骤：语音信号采集：通过麦克风或其他设备获取音频数据。预处理：去除噪
ajie1117·2025-03-21 16:17

无人机喊话系统：空中扩音器的科技密码！

一、技术核心：空中声波系统的三重架构1.声源处理中枢支持双模输入：麦克风实时采集与数字音频导入搭载DSP数字信号处理器，实现动态降噪（信噪比＞70dB）自适应EQ调节，针对不同场景优化频响曲线（如灾害现场增强低频穿透力
云卓SKYDROID·2025-03-21 10:54

python3+ffmpeg下载B站视频，附代码

感谢~~一、下载安装ffmpegFfmpeg是一款自由软件，用于视频和音频文件的处理，在本例中，我使用它进行视频文件和音频文件的合并。
才华横溢吴道简·2025-03-21 07:27

如何使用 Python 和 FFmpeg 下载 B站视频

具体来说，我们将通过B站的API获取视频的音频和视频流，然后使用FFmpeg下载并将它们合并成一个.mp4文件。前提条件Python：你需要安装Python，推荐使用Python3.6或更高版本。
木觞清·2025-03-21 07:26

完全免费，涵盖所有格式转换,打工人必备！

它支持视频、音频、图片和文档等多种格式的转换，几乎涵盖了我们日常学
一帆工具·2025-03-21 06:51

数据仓库和非结构化数据。

如果量大只能记住地址，在etl加载当然也有需求是实时数据比如股票汇率拿只能etl过程处理非结构化数据包含图片，视频音频如果是传统数据库db2oracle存在里面是不合适的。
weixin_30631587·2025-03-21 03:33

Qwen2-Audio：通义千问音频大模型技术解读

Qwen2-Audio不仅能够理解各种音频信号，还能根据语音指令做出文本回应，甚至可以进
kakaZhui·2025-03-21 01:41

录音文字转换专家，一键搞定音转文字，让你的工作效率飞起来！

录音转文字助手是一款功能丰富的app，主要聚焦于语音识别、音频转文字以及实时语音翻译等功能。在这个app中，其内置了一套强大的识别系统。
开开心心_Every·2025-03-21 00:10

Qt 多线程设计：死循环与信号槽的权衡

音频和视频的解码、播放需要高效运行，同时还要与主线程或其他线程同步，例如通过信号通知播放进度。本文基于一个实际案例，分析了两种线程设计在死循环和信号槽使用中的表现，探讨其原因，并给出选择建议。
吃面不喝汤66·2025-03-21 00:32

视频转音频, 音频转文字

Ubuntu24环境准备#系统级依赖sudoaptupdate&&sudoaptinstall-yffmpegpython3-venvgitbuild-essentialpython3-dev#Python虚拟环境python3-mvenv~/ai_summarysource~/ai_summary/bin/activate核心工具链工具用途安装命令Whisper语音识别pipinstallope
言之。·2025-03-20 23:57

YOLO11改进-模块-引入频率谱动态聚合模块FSDA 去除噪声

FSDA先对频谱信息聚合，再计算通道权重并应用，最后映射回空间域，以此优化频谱信息，使模型更好处理复杂干扰。本文将其与YOLOv11相结合，增强YO
一勺汤·2025-03-20 22:46

uniapp集成保利威直播SDK，ios为什么不能后台挂起uniapp插件？

解决办法：ios端使用后台音频播放和画中画功能，没有在manifest.json进行权限配置，在manifest.json进行权限配置即可。
·2025-03-20 19:38

如何在 Python 中将语音转换为文本

一、说明  学习如何使用语音识别Python库执行语音识别，以在Python中将音频语音转换为文本。想要更快地编码吗？我们的Python代码生成器让您只需点击几下即可创建Python脚本。
无水先生·2025-03-20 14:17

向量数据库 PieCloudVector 进阶系列丨打造以 LLM 为基础的聊天机器人

本系列前两篇文章深入探讨了PieCloudVector在图片和音频数据上的应用之后，本文将聚焦于文本数据，探索PieCloudVector对于文本数据的向量化处理、存储以及检索，并最终结合LLM打造聊天机器人的全流程
·2025-03-20 14:52

Ubuntu Qt: no service found for - “org.qt-project.qt.mediaplayer“

1、前言在一次项目过程中，因项目需求，需要将windows开发的Qt项目迁移到ubuntu系统中，且在某个功能项中需要播放音频，在windows系统中能够正常运行，但在ubuntu系统中却显示defaultServiceProvider
wkm956·2025-03-20 14:11

stm32第四天控制蜂鸣器

（频率固定无法控制音色）无源蜂鸣器：内部无震荡源，需要外部脉冲信号驱动发声，声音频率可变。（可改变频率来改变音色）3.区分蜂鸣器从外观上
Do vis824·2025-03-20 12:52

一款适用于 Windows 、Mac 和 Linux 的屏幕录制与截图软件。

Screenrec很有意思的是可以在开始录制屏幕的同时录制咱们的网络摄像头视频和麦克风音频。在录制完成后大家可能会发现右下角软件会给大家发出一个提醒。这就是它的另一个特
Mbblovey·2025-03-20 08:23

ffmpeg+ubuntu16.04编译ffmpeg库

个人使用环境：ubuntudesktop16.04+ffmpeg4.2.1以下的库进行完整编译ffmpeg介绍FFmpeg是一个开源的多媒体框架，广泛用于处理音频、视频、字幕等多媒体数据。
小gpt&·2025-03-20 02:34

HTML音频、视频--课后作业实践

浅学了web一段时间，用浅显的知识做了一个小小的实践，各位大佬们多多包涵，指正。主要知识重现：标记语法：src:设置媒体文件的路径width、height:设置媒体文件的宽度、高度autostart:逻辑值，true为自动播放；false为不自动播放loop:逻辑值，true自动循环播放；false不循环播放2.CSS的内部样式表选择器1{属性1：属性值1；属性2：属性值2；......}选择器2
Heetun·2025-03-19 21:53

实现音视频播放功能鸿蒙示例代码

切换音频，展示音频播放器，选择不同按钮进行不同操作。实现思路AVPlayer播放主流程播放的全流程包含：创建AVPlayer，设置播放资源，设置播放参数（音量/倍
·2025-03-19 21:27

HarmonyOS TEXT 语音搜索场景学习和总结

在HarmonyOS中实现语音搜索功能时，涉及到麦克风权限的申请、音频数据的采集、编码和传输等多个步骤。
·2025-03-19 20:24

QT多媒体播放器类：QMediaPlayer

QMediaPlayer是QtMultimedia模块中的核心类，用于播放音频和视频媒体文件。它支持本地文件、网络流媒体以及实时数据源，具备播放控制、状态管理、元数据访问等功能。
程序先锋·2025-03-19 20:42

使用 DingoDB 创建自查询检索器的实战演示

DingoDB深入解析与实战演示DingoDB是一种分布式多模向量数据库，它结合了数据湖和向量数据库的特点，能够存储任何类型和大小的数据（如Key-Value、PDF、音频、视频等）。
fgayif·2025-03-19 19:34
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他