amr音频

FFmpeg 中 -f 命令参数详解

FFmpegFFmpeg是一个开源的、功能强大的多媒体框架，它能够处理几乎所有格式的音频和视频文件。
码流怪侠·2025-02-09 13:14

ffmpeg 结构体之间的关系

最关键的结构体可以分成以下几类：a)解协议（http,rtsp,rtmp,mms）AVIOContext，URLProtocol，URLContext主要存储视音频使用的协议的类型以及状态。
古戎烽烟·2025-02-09 12:11

DeepSeek生成对抗网络（GAN）的训练与应用

生成对抗网络（GenerativeAdversarialNetworks,GANs）是深度学习领域的一项重要技术，能够生成逼真的图像、音频和文本数据。
Evaporator Core·2025-02-09 12:41

基于 FFMPEG 的视频解码（libavcodec ，致敬雷霄骅）

雷博士的代码除了视频解码还有音频解码，同时还利用SDL把视频显示出来
liyuanbhu·2025-02-09 12:06

简单实现——多模态推荐和相似推荐（数据和代码）

多模态是包括文本，音频，图片，视频等模态的。这里我做的是将文本和图片模态做一个简单融合。根据难度，从相似推荐开始，再到多模态推荐。
myzzb·2025-02-09 11:30

音频进阶学习九——离散时间傅里叶变换DTFT

文章目录前言一、DTFT的解释1.DTFT公式2.DTFT右边释义1）复指数e−jωne^{-j\omegan}e−jωn2）序列与复指数相乘x[n]∗e−jωnx[n]*e^{-j\omegan}x[n]∗e−jωn复指数序列复数的共轭正交正交集3）复指数序列求和3.DTFT左边边释义1）实部与虚部2）幅度与相位二、IDTFT1.逆离散时间的傅里叶变换2.IDTFT验证总结前言按照傅里叶发展的历
山河君·2025-02-09 09:46

HTML5 有哪些新特性

2.多媒体支持和标签允许在网页中嵌入音频和视频内容，无需依赖外部插件。新的srcset属性和picture元素提供了更灵活的图片加载方式，支持响应式图片。3
山间听雨声·2025-02-08 22:21

MKV视频封装软件 MKVToolNix v88.0 中文免安装版

MKVToolNix支持跨平台操作，几乎兼容所有主流操作系统，能够将多种视频编码、多达16条音频和不同语言的字幕封装到一个MKV文件中。使用说明：1、将压缩文件解压到固定位置，不要随意移动。
MAS1102·2025-02-08 21:15

使用Python进行语音识别：将音频转为文字

在Python中，我们可以使用一些库和工具来实现语音识别，并将音频转换为文本。本文将介绍如何使用Python进行语音识别的过程，并提供相应的源代码。
WmqApps·2025-02-08 18:52

如何手动设置用户密码

[root@xxx~]#vim/etc/shadowaa:$6$ys8J/uav$Yda9jmJ269PdvtAWlhCHM7ZdZs7U481ZRGOz/X58N56nWxky1aMrCrDmPXV0muiHOAI7fTi2uNxZja5k.xceq0
千航@abc·2025-02-08 10:25

Python：谈谈常规滤波器(带通、低通、高通、带阻)的用法

滤波器通常用于音频、视频和图像处理等领域。
我不是哆啦A梦·2025-02-08 07:27

OpenHarmony 4.0 Release发布，同步升级API 10

200多个HDI接口，硬件适配更加便捷；优化图形框架和方舟编译器（ArkCompiler），用户交互体验得到进一步提升；ArkUI组件定制化能力和组件动效能力也得到进一步增强；分布式硬件支持的范围扩大到音频和
·2025-02-08 02:56

为了实现对不同说话人的处理，可以加入一些专门的层和技术，来区分和识别说话人的特征。

1.说话人分离（SpeakerSeparation）概念：说话人分离是指在多说话人的音频中，将不同说话人的声音分开。这通常需要模型识别每个说话人的独特音频特征。
苏西月·2025-02-07 23:12

OpenHarmony 4.0 Release发布，同步升级API 10

200多个HDI接口，硬件适配更加便捷；优化图形框架和方舟编译器（ArkCompiler），用户交互体验得到进一步提升；ArkUI组件定制化能力和组件动效能力也得到进一步增强；分布式硬件支持的范围扩大到音频和
锐湃·2025-02-07 23:40

AudioLM音频生成模型 简介

AudioLM音频生成模型是一种先进的音频生成技术，它广泛应用于语音合成、音乐生成等领域。
低配天才·2025-02-07 18:09

Java发送https请求，综合post请求，get请求，获取网络返回的信息

jar了（还要审核，太麻烦），如果找不到可留言importjava.io.BufferedReader;importjava.io.InputStream;importjava.io.InputStreamReader
技匠而已·2025-02-07 18:38

免费音视频转文字工具：本地使用，内置Whisper模型，精准提取文案

这款内置Whisper模型的工具，支持音频、视频转文字，精准度高，速度快，适用于会议记录、课程字幕、采访整理等多种场景！
2501_90520495·2025-02-07 12:02

Android SDK 提供的3套音频播放的API之窥探AudioTrack

1、publicAudioTrack(intstreamType,intsampleRateInHz,intchannelConfig,intaudioFormat,intbufferSizeInBytes,intmode)2、AudioTrack.BuilderAndroidM(6.0)之后舍弃了publicAudioTrack(intstreamType,intsampleRateInHz,i
大厂在职_QKT·2025-02-07 08:01

2024年技术总结与2025年最有潜力的技术发展方向

从文本生成到图像、音频、视频生成，这些技术被广泛应用于教育、娱乐、医
Allen-Steven·2025-02-07 02:23

uiautomator中一些常用的方法

importjava.io.BufferedReader;importjava.io.File;importjava.io.FileInputStream;importjava.io.IOException;importjava.io.InputStreamReader
dm菜鸟编程·2025-02-07 02:17

STM32进阶 存储器

目录常见的存储器介绍二进制历史：RAM（RAMRandomAccessmemory）随机访问存储器下电丢失SRAMDRAMROM（Readonlymemory）只读存储器下电不丢失MASKROMPROMEPROMPROMFlash
雁过留声花欲落·2025-02-07 00:35

DeepSeek R1和V3区别

其优势在于高效的多模态处理能力（文本、图像、音频、视频）和较低的训练成本（
@Rocky·2025-02-06 23:02

国标GB28181摄像机接入EasyGBS国标GB28181网页直播平台：GB/T28181—2016标准中的视音频回放控制协议

国标GB28181摄像机接入EasyGBS国标GB28181网页直播平台，是基于GB/T28181—2016标准的视音频回放控制协议实现的。
EasyGBS·2025-02-06 20:45

国标GB28181公网直播EasyGBS国标GB28181网页直播平台：GB/T28181—2016标准中的历史视音频的回放基本要求

国标GB/T28181-2016标准中的历史视音频回放功能是公共安全视频监控联网系统的重要组成部分，其基本要求和实现流程在多个证据中得到了详细描述。
EasyGBS·2025-02-06 20:14

Ubuntu22.04如何设置linux-lowlatency核心

在Ubuntu上设置linux-lowlatency内核可以帮助减少系统延迟，适合需要低延迟环境的任务（如音频处理、实时应用等）。
狂爱代码的码农·2025-02-06 16:45

Mac 酷*.kgma(免费解密)+.flac转换.mp3

于是在网上淘啦一个蓝牙音频接收器-给音响加个蓝牙和插U盘的功能。其实主要是用U盘功能，因为老家没有宽带，手机信号也不好。那么就需要下载歌曲到U盘啦！
HH思️️无邪·2025-02-06 15:12

游戏开发领域 - 游戏引擎 UE 与 Unity

游戏引擎游戏引擎是用于开发电子游戏的软件框架，它提供图形渲染、物理模拟、音频处理、动画系统、脚本编写等功能，帮助开发者高效创建电子游戏但是，游戏引擎也不仅限于游戏开发，还广泛应用于其他领域，例如，影视、
我命由我12345·2025-02-06 12:21

使用 Swift 完成FFmpeg音频录制、播放和视频格式转换应用

使用Swift构建音频录制、播放和视频格式转换应用在这篇博客中，我们介绍如何用ffmpeg在swift上实现音频录制、音频播放、通过ffmpeg命令实现视频格式转换音频录制：通过AVAudioRecorder
陈皮话梅糖@·2025-02-06 11:09

音频基础知识集合

采样率（SampleRate）采样率（采样频率）即每秒内进行采样的次数。单位是Hz。采样率越高，数字波形的形状就越接近原始模拟波形，声音的还原就越真实。如44100HZ,48000HZ等。位深（BitDepth）采样位数（又称位宽，位深，位深度），采样位数的含义是用多少个点来描述声音信号的强度。采样位数反应了采样系统对声音的辨析度，位数越高，对声音的记录就越精细。常见的有8位，16位，24位和32
超开心~·2025-02-06 10:36

AIGC从入门到实战：基于大模型的人工智能应用的涌现和爆发

AIGC借助深度学习模型，能够生成逼真的图像、视频、音频、文本等内容，为人类的创造力和生产力带来了革命性的改变。1.2大模型：AIGC的基石AIGC的核心驱动力在于大规模预训练模型（简称“大模型”）。
AI天才研究院·2025-02-06 01:00

大模型高级工程师实践 - 将课程内容转为视频

通过整合之前生成的文字、音频、PPT，我们能够制作出引人入胜的科普课程视频，使表达更加生动且多样化。本节课程将介绍如何利用音视频处理工具ffmpeg和moviepy，快速将课程内容转化为视频。
MichaelIp·2025-02-05 21:57

OSCP-Exam-Report-Template-Markdown 使用教程

OSCP-Exam-Report-Template-Markdown:orange_book:MarkdownTemplatesforOffensiveSecurityOSCP,OSWE,OSCE,OSEE,OSWPexamreport
吴发崧·2025-02-05 14:06

DirectX：DirectX概述与历史_2024-07-20_04-53-32.Tex

它包括一系列的组件，每个组件负责不同的多媒体处理任务，如图形渲染、音频处理、输入设备控制等。
chenjj4003·2025-02-05 13:59

Azure openai speech to text -Whisper “code“:“404“,“message“: “Resource not found“

i'mtryingtotranscribeaaudiofilebyusingwhisperthroughAzureopenaikey,endpoints,deployment我正在尝试通过使用AzureOpenAI的密钥、端点和部署来转录音频文件
营赢盈英·2025-02-05 04:53

FFmpeg简介

文章目录一、FFmpeg介绍二、FFmpeg组成三、FFmpeg包含类库说明2.1类库说明2.2常用结构一、FFmpeg介绍FFmpeg是一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序
i胡说·2025-02-05 03:15

将音频mp3文件添加背景音乐

你可以使用Python的pydub库来合成两个音频文件，并调整背景音乐的音量，使朗诵的声音更强。以下是实现的Python代码：步骤读取朗诵音频文件（speech.mp3）。
MonkeyKing.sun·2025-02-05 02:43

Android Audio基础（20）——AudioTrack音频控制

AudioTrack是应用用于播放音频数据的类，可以使用set方法设置音频参数，然后使用start来启动播放。而pause和stop则是用于控制播放过程的方法。
yyc_audio·2025-02-04 20:56

【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】2.20 傅里叶变换：从时域到频域的算法实现

2.20傅里叶变换：从时域到频域的算法实现目录《傅里叶变换：从时域到频域的算法实现》2.20.1FFT算法原理2.20.2复数数组存储优化2.20.3频域滤波案例2.20.4音频处理案例2.20.5与CUFFT
精通代码大仙·2025-02-04 13:37

【声音场景分类--论文阅读】

1.基于小波时频图特征在声音场景分类基于小波时频图特征在声音场景分类任务中的表现2.增强增强高效音频分类网络https://arxiv.org/pdf/2204.11479v5https://github.com
繁华落尽，寻一世真情·2025-02-04 12:21

JavaSE-IO

文件的基础知识基本概念文件：保存文字，视频，音频，图片等内容文件流：文件在程序中以流的形式来操作Java程序（内存）---输出流-->文件（磁盘）Java程序（内存）<-输入流----文件（磁盘）个人理解
无敌的小周·2025-02-04 06:05

Diffusion--人工智能领域的革命性技术

扩散模型是一类生成式模型，它通过逐步去噪的方式，从随机噪声中生成高质量的数据，近年来在图像、音频、视频等多个领域取得了显著进展。1.发展历史扩散模型的概念源于物理学中的扩散过程，即粒子在介质中的随机
油泼辣子多加·2025-02-04 04:20

TensorFlow实现卷积神经网络CNN

一、卷积神经网络CNN简介卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等
红叶骑士之初·2025-02-03 23:40

音视频多媒体编解码器基础-codec

因为数据类型不同所以编解码算法不同，分为图像、视频和音频三大类；因为流程不同，可以分为编码和解码两部分；因为编码器实现不同，分为硬编码和软编码；因为编解码硬件位置不同，可以分为片内、片外和独立编解码模块三类
硬件学长森哥·2025-02-03 22:04

python：如何播放 .spx 声音文件

whereffmpegD:\FFmpeg\64\ffmpeg.exepipinstallpyaudiopipinstallwave编写play_spx.py如下#-*-coding:utf-8-*-"""播放*.spx音频文件
belldeep·2025-02-03 22:00

A deep multimodal fusion method for personality traits prediction

本文提出了一种新的深度多模态融合方法，用于从多种数据模态（包括文本、音频和视觉输入）预测人格特质。研究方法模型架构：视觉特征提取：使用预训练模型ViT-B16和VGG16。
m0_59933522·2025-02-03 21:20

36.FFmpeg学习笔记 - ffplay源码解读4之解码线程

在stream_component_open函数中，分别创建了一个视频解码线程和音频解码线程：staticintstream_component_open(VideoState*is,intstream_index
whoyouare888·2025-02-03 20:19

K-Lite Codec Pack 是一个广泛使用的音频和视频编解码器（Codec）集合包

概述K-LiteCodecPack是一个广泛使用的音频和视频编解码器（Codec）集合包，它允许Windows用户轻松播放各种多媒体格式文件。
byco·2025-02-03 19:12

第一章: AIGC概述

这些内容包括文字、图像、音频和视频等。简单来说，就是让计算机像人一样创作。例如，AI可以生成一篇文章、一幅画、一段音乐，甚至是一部短视频。AIGC是如何运作的？AIGC的核心技术包括机器学
野老杂谈·2025-02-03 19:11

推荐开源项目：media-codec - 视频与音频编解码库

推荐开源项目：media-codec-视频与音频编解码库media-codecVideoandaudiodeconde/encodelibraries.项目地址:https://gitcode.com/
强妲佳Darlene·2025-02-03 19:37

导入功能相关-下载模板

后端/***导出模板*@paramresponse*/@GetMapping("export-template")@ApiOperationSupport(order=14)@ApiOperation(
chengchong_cc·2025-02-03 15:32
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他