audio音频

基于python的语音识别系统,Python语音识别技术路线

2、然后接下来再试一下的音频，开始编写成功回车，如图所示的编写。3、最后，查看音频c的属性，可以看到音频持续28秒，这样就是用python调用百度语音识别成功解决问题。
快乐的小肥熊·2025-07-04 15:13

小学期前端三件套学习（更新中）

第一阶段HTML基础结构页面标题页面内容常用内容标签文本类标签•~：标题（h1每个页面建议只用一次）•：段落•：行内文本容器•：加粗强调•：斜体强调媒体类标签•：图片（alt属性必须写）•：音频•：视频下拉框请选择选项
·2025-07-04 14:35

Python脚本，音频格式转换 和 视频格式转换

一、音频格式转换完整代码frompydubimportAudioSegmentimportosdefconvert_audio(input_dir,output_dir,target_format):ifnotos.path.exists
·2025-07-04 12:23

Python音频库

Python音频库Python有一些很棒的音频处理库，比如Librosa和PyAudio。还有一些内置的模块（内置库wave）用于一些基本的音频功能。
龅牙内马尔·2025-07-04 04:56

极客时间-《搞定音频技术》-学习笔记

极客时间-《搞定音频技术》-学习笔记语音基础知识https://www.zhangzhenhu.com/audio/feature.html序章-0作者说这个语音技术啊，未来肯定前景大好啊，大家都来学习
Mark White·2025-07-04 04:54

阿里云一句话语音识别

停止录音':'开始录音'}}识别结果:{{recognitionResult}}WebSocket状态:{{websocketStatus}}使用的音频格式:{{usedMimeType}}import
·2025-07-03 21:45

使用Python爬虫抓取免费音乐下载网站：从数据抓取到下载

requests库BeautifulSoup库Selenium库aiohttp和异步抓取抓取音乐下载网站的步骤选择目标网站并分析页面结构使用requests获取网页内容使用BeautifulSoup解析HTML解析音频文件下载链接使用
Python爬虫项目·2025-07-03 18:49

AWS WebRTC：根据viewer端拉流日志推算视频帧率和音频帧率

viewer端拉流日志是这样的：07:19:26.263VERBOSEsampleAudioFrameHandler():AudioFramereceived.TrackId:140092278368896
·2025-07-03 17:48

AWS WebRTC: 判断viewer端拉流是否稳定的算法

在使用sdk-cviewer端进行拉流的过程中，viewer端拉取的是视频帧和音频帧，不会在播放器中播放，所以要根据收到的流来判断拉流过程是否稳定流畅。
Jasper张·2025-07-03 17:47

android 多通道音频,支持多通道录音

可是原生AudioRecord接口是完全不支持多channel录音数据的采集的，怎么修改，才能让原生进行支持呢?我们就从AudioRecord的构造函数开始往下研究。无论行不行，都要研究出个所以然来！
虾仁芝麻卷·2025-07-03 15:58

ReBEL模型的本地部署与运行，用于三元组抽取任务（事件抽取、知识抽取）

condacreate-nrebel_envpython=3.10-ycondaactivaterebel_env#安装PyTorch（建议与CUDA11.7配合）pipinstalltorchtorchvisiontorchaudio
·2025-07-03 09:46

将实时流的 H.264（视频）与 G.711A（音频）封装成 MP4 文件

将实时流的H.264（视频）与G.711A（音频）封装成MP4文件✅一、明确的问题目标你有：实时接收到的H.264码流实时接收到的G.711A音频流你想要：把它们同步封装成MP4文件问题挑战MP4不直接支持
张海森_168820·2025-07-02 21:43

FFmpeg中TS与MP4格式的extradata差异详解

一、extradata的核心作用extradata是解码必需的参数集合，包含：H.264：SPS（序列参数集）、PPS（图像参数集）H.265：VPS（视频参数集）、SPS、PPS音频：采样率、声道数等配置其核心功
码流怪侠·2025-07-02 21:43

Orangepi Zero2 全志H616开发学习

这些应用场景用C51,STM32单片机无法实现·第三方介入库的局限性，比如刷脸支付和公交车收费设备需要集成支付宝SDK，提供的libalipay.so是Linux的库，设备必须跑Linux系统·图像识别，音频
会学嵌入式·2025-07-02 16:39

Java中的I/O流

它们非常适合处理二进制数据，如图像文件、音频文件等，也可以用于文本文件的读写
白仑色·2025-07-02 16:34

GitHub已破4.5w star，从“零样本”到“少样本”TTS，5秒克隆声音，冲击传统录音棚！

你是否为录音成本高、声音不灵活、又想为多语言音频内容节省预算却苦不堪言？GPT‑SoVITS应运而生，它让“5秒语音克隆”“1分钟微调自定义说话人”“多语言切换”变得轻而易举。
小华同学ai·2025-07-02 15:28

Android15音频进阶之HIDL与宏代码调试(一百二十五)

简介：CSDN博客专家、《Android系统多媒体进阶实战》一书作者新书发布：《Android系统多媒体进阶实战》优质专栏：Audio工程师进阶系列【原创干货持续更新中……】优质专栏：多媒体系统工程师系列
Android系统攻城狮·2025-07-02 08:37

HarmonyOS 创建 createAudioCapturer 时候报错误码 6800301

一、错误码6800301的信息错误码6800301，表示包含参数校验异常、权限校验异常、系统处理异常（具体错误查看系统日志）。本人遇到的问题是，申请了麦克风权限，但是未弹出提示用户授权，所以权限校验失败了。二、配置权限src/main/module.json5文件中配置如下内容"requestPermissions":[{"name":"ohos.permission.MICROPHONE","r
chenbin___·2025-07-02 08:34

FileConverter：免费高效格式转换，轻松搞定文件变身

这软件简直是文件转换的“神器”，完全免费，无需破解，支持音频、视频、图像、文档四大类型文件的转换，用过都说好！为啥非得用它？✅开源免费无广告、无弹窗，下载即用，不用花一分钱，用着超舒心！
三言不语·2025-07-02 07:24

数字信号处理（DSP）全方位学习指南

此外，还介绍了DSP在音频、图像处理和通信系统中的实际
·2025-07-02 04:34

（Note）音频向量化表示

音频向量化表示经典语音特征（MFCC等）语音信号的传统特征提取方法包括MFCC（梅尔倒谱系数）、PLP等，用于描述语音的频谱包络信息。这些特征设计依据生理听觉模型，在ASR、情感识别等任务中长期有效。
·2025-07-01 20:10

eBPF on Go

本篇内容是根据2021年10月份#201eBPFandGo音频录制内容的整理与翻译eBPF（已有7年历史）是一个可以在Linux内核中运行代码的沙箱。
techdashen·2025-07-01 19:35

[iOS文档翻译]AVFoundation Programming Guide - About AVFoundation - AVFoundation概述

AboutAVFoundation-AVFoundation概述AVFoundationisoneofseveralframeworksthatyoucanusetoplayandcreatetime-basedaudiovisualmedia.ItprovidesanObjective-Cinterfaceyouuset
yofer张耀琦·2025-07-01 15:33

【Transformer论文】通过蒙面多模态聚类预测学习视听语音表示

文献题目：LEARNINGAUDIO-VISUALSPEECHREPRESENTATIONBYMASKEDMULTIMODALCLUSTERPREDICTION发表时间：2022发表期刊：ICLR摘要语音的视频记录包含相关的音频和视觉信息
Wwwilling·2025-07-01 13:24

当前最好的0样本文本转语音是哪个模型？

综合排名前三模型‌MegaTTS3（字节跳动&浙江大学）‌‌核心优势‌：仅需‌3-10秒‌参考音频即可精准克隆音色，支持中英混合语音自然切换1112轻量化设计（0.45B参数），实时生成延迟低于400ms11
skywalk8163·2025-07-01 05:00

iOS开发-进阶:音频播放、录音、视频播放、拍照、视频录制

转自:http://www.cnblogs.com/kenshincui/p/4186022.html#audioRecord文章太长了,如果我这里写的质量不好,请参考原文;概览随着移动互联网的发展，如今的手机早已不是打电话
nikoLiLol·2025-07-01 04:54

源分离：开启音频处理新纪元

源分离：开启音频处理新纪元source_separation项目地址:https://gitcode.com/gh_mirrors/so/source_separation在音频处理的浩瀚领域中，源分离项目宛如一颗璀璨的明星
魏侃纯Zoe·2025-07-01 03:23

FFmpeg：播放音频

函数SDL_OpenAudio()本身就是用来打开声音设备的。它使用一个叫做SDL_AudioSpec结构体作为参数，这个结构体中包含了我们将要输出的音频的所有信息。
奋斗的IT青年·2025-07-01 03:23

《解锁AudioSet：开启音频分析的无限可能》

音频新时代的“密钥”：AudioSet登场在科技飞速发展的今天，音频作为信息传播与交互的关键媒介，早已渗透到现代科技的各个角落。
·2025-07-01 03:52

音频单声道跟立体声道的区别

音频单声道跟立体声道的区别摘自chatgpt单声道（Mono）和立体声（Stereo）的区别，主要在于声道数与空间感的不同：1.定义对比：项目单声道（Mono）立体声（Stereo）声道数1个2个（左声道
张海森_168820·2025-07-01 03:20

g711a/g711u音频 播放器和原始音频参考文件

g711ag711u测试数据，g711播放器下载,调试声音时很不方便，下载附件包后，你要的都有了。下载地址：https://download.csdn.net/download/sunflavor/88603724
sunflavor·2025-07-01 03:19

g711a音频编码记录

非常不利于外网的音频传输。尝试用zlib压缩，效果不尽理想。只压缩成90%。节约了1/10带宽遂放弃。尝试了安卓端mp3直播，效果不错，差不多带宽30kb/s。
·2025-07-01 03:49

AAC / G711A / PCM 音频格式解析

Android利用AudioTrack录制和播放PCM格式音频：publicclassPCMTalk{privateAudioRecordaudioRecord;privateintsampleRate
孤独冰刃·2025-07-01 03:18

音频采样数据格式

音频信号在模拟到数字转换时，会涉及到多个关键参数，如采样率、位深度、通道数等。
melonbo·2025-07-01 00:34

Python实现语音识别功能，只需3个步骤！

首先在官网下载了关于语音听写的SDK，然后在文件夹内新建了两个.py文件，分别是get_audio.py和iat_demo.py，并且新建了一个存放录音的文件夹audios，文件夹内存放录音文件input.wav
·2025-06-30 23:27

从零开始：Python实现语音识别的完整教程_副本

从零开始：Python实现语音识别的完整教程关键词：Python、语音识别、语音转文本、音频处理、机器学习、深度学习、自然语言处理摘要：本文将带你从零开始学习如何使用Python实现语音识别功能。
AIGC应用创新大全·2025-06-30 23:55

从零开始：用Python构建AI语音识别应用的完整指南

我们将用“给小学生讲故事”的方式，拆解语音识别的核心概念（如音频采集、特征提取、模型解码），结合代码实战（从调用API到自定义模型），并覆盖环境搭建、常见问题和未来趋势。无
AI大模型应用之禅·2025-06-30 23:24

HTML5的新特性

谷歌浏览器需要添加muted来解决自动播放问题controls：controls向用户显示播放插件loop：loop循环播放poster:imgural加载等待的画面图片muted:muted静音播放2.音频
码哥DFS·2025-06-30 14:50

人工智能-基础篇-10-什么是卷积神经网络CNN（网格状数据处理：输入层，卷积层，激活函数，池化层，全连接层，输出层等）

卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种专为处理网格状数据（如图像、视频、音频）设计的深度学习模型。
weisian151·2025-06-30 11:30

【软件系统架构】系列四：数字信号处理器（DSP）

基本结构2.工作流程：3.关键特性：三、DSP与MCU/MPU/NPU的对比四、DSP与通用处理器的对比五、常用DSP算法类型六、常见DSP芯片平台七、开发工具链与语言支持八、典型应用场景举例通信领域：音频处理
·2025-06-30 08:12

QFramework v1.0 Guide: 工具篇2——UIKit,AudioKit,FluentAPI,SingletonKit,FSMKit,PoolKit,TableKit

目录一、UIKit界面管理&快速开发解决方案1、用法（1）界面创建与层级管理（2）代码生成与组件绑定（3）打开与关闭界面（4）自定义界面加载方式2、应用场景3、示例代码二、AudioKit音频管理解决方案
WX呦·2025-06-30 04:46

数据标注工具详解

数据标注工具是构建高质量AI训练数据集的核心基础设施，其功能覆盖图像、文本、视频、音频、3D点云等多模态数据的标注与管理。
Sally璐璐·2025-06-30 01:32

联咏NT98567高度集成边缘IPC应用SoC规格特性

ARMCortexA7CPU、新一代ISP、H.265/H.264视频压缩编解码器、视频处理引擎（VPE）用于双传感器拼接和鱼眼去畸变、高性能硬件DLA模块、图形引擎、显示控制器、以太网PHY、USB2.0主机/设备、音频编解码器
weixin_Todd_Wong2010·2025-06-30 00:53

非结构化数据真“野”？聊聊AI处理它时踩过的那些坑

图像、音频、视频、文本、传感器原始数据……这些在数据库里没个字段、没个主键的家伙，占据了全世界80%以上的数据量。
Echo_Wish·2025-06-29 23:50

短视频运营怎样提高视频剪辑效率？

一、前期策划与素材管理1.AI爆款脚本拆解使用视频宝AI生成模版功能，精准查询全网爆款视频，拆解爆款脚本结构，自动分离视频、音频、字幕，避免盲目剪辑。
矩阵营销老黄·2025-06-29 22:07

SBC编解码器库：蓝牙音频传输的核心

本文还有配套的精品资源，点击获取简介：SBC编解码器库是一个软件工具集，提供在蓝牙技术中核心使用的音频编解码功能。
草莓味儿柠檬·2025-06-29 18:45

Android的Audio子系统

Android边录边播应用AP（ApplicationProcessor主处理器）DSP（Codec）BP（BasebandProcessor基带处理器，猫）一、AudioTrack播放基本流程1.初始化
雷古拉斯·2025-06-29 14:13

理解不同层的表示（layer representations）

在机器学习和深度学习领域，特别是在处理音频和自然语言处理（NLP）任务时，"层的表示"（layerrepresentations）通常是指神经网络不同层在处理输入数据时生成的特征或嵌入。
科学禅道·2025-06-29 11:48

虚幻引擎UE多语言设计与实现

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、启用本地化功能二、创建本地化文本使用文本本地化文件三、UI文本本地化UMG本地化：Slate本地化：四、音频和资产本地化五
污领巾·2025-06-29 07:24

Android 13 接入 MediaSession 指南

Android13接入MediaSession指南一、MediaSession概述传统音乐播放应用架构需优先保障音频后台播放，传统方案依赖独立Service异步加载资源并处理播放控制，通过Binder或广播实现界面通信
Code_onepage·2025-06-29 07:49
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他