audio音频

粗略刨析unity引擎源码架构

引擎源码架构设计的全面剖析：1.整体架构概述Unity引擎的源码主要分为以下几个核心模块：核心系统（CoreSystems）渲染系统（RenderingSystem）物理系统（PhysicsSystem）音频系统
·2025-06-16 03:20

Google Fast Pair：蓝牙设备一键配对的智能解决方案

GoogleFastPair技术最初于2017年随PixelBuds发布，主要用于实现安卓智能手机与蓝牙音频设备的快速配对。
众乐 认证·2025-06-16 00:32

Step-Audio-AQAA 解读：迈向「纯语音」交互的端到端 LALM 新里程

引言：AI从听到说大型音频语言模型（LargeAudio-LanguageModels,LALMs）正在彻底改变我们与机器交互的方式。
kakaZhui·2025-06-15 23:26

PotPlayer 安装 madVR、LAV Filters 以提升解码能力和视频音频效果

PotPlayer自带的解码器并不是最好，如下两张截图都是出自TOPGUN:Maverick较暗、灰蒙蒙的一张，是安装插件之前明亮的一张，是安装插件之后详细安装参考https://www.bilibili.com/video/BV1UV5qzuE74?spm_id_from=333.788.videopod.sections&vd_source=1e12faf053b82a0210ff4ab21c
SunsPlanter·2025-06-15 22:21

蓝牙与MATLAB的无线通信实战指南：从基础到创新应用

第一部分：技术基础与环境搭建1.1蓝牙通信核心概念经典蓝牙vsBLE：经典蓝牙适合持续数据流（如音频），BLE专为低功耗间歇性传输设计GATT
芯作者·2025-06-15 20:10

视频自动生成字幕原理和自动生成字幕的应用实例

该功能通过提取音频、语音识别和字幕格式化三个步骤实现，支持SRT/VTT等格式。其优势在于提升观看体验（静音/嘈杂环境）、辅助理解内容，并大幅节省人工制作成本。
视频砖家·2025-06-15 20:36

HarmonyOS运动开发：深度解析文件预览的正确姿势

鸿蒙核心技术##运动开发##CoreFileKit（文件基础服务）##PreviewKit（文件预览服务）#在HarmonyOS开发中，文件预览功能是一个常见的需求，尤其是在处理用户上传的图片、文档、音频或视频等资源时
二蛋和他的大花·2025-06-15 18:25

OC-UI学习-Auto Layout使用

AutoLayout布局学习前言笔者在学习自定义cell的时候，对如何精美布局以及适应屏幕变化比较苦恼，为此学习了AutoLayout的内容以便利布局自定义cell常见外部改变用户调整窗口大小设备旋转活动通话和音频录制条出现或消失您希望支持不同大小的类支持不同的屏幕尺寸内部变化内部应用程序显示的内容变化程序支持动态类型该应用程序支持国际化创建自定义布局的步骤使用自定义布局本质上就是为布局创建一定的
pop_xiaoli·2025-06-15 17:22

AVCap视频处理成帧和音频脚本

########处理原视频，使其格式和原数据一样importosimportcv2importsubprocessimportjsonfromPILimportImagefrompydubimportAudioSegmentimportsysimportshutil
xijiancui·2025-06-15 16:11

FMOD：游戏音频中间件与UnrealEngine集成教程_2024-07-16_16-22-06.Tex

FMOD：游戏音频中间件与UnrealEngine集成教程FMOD简介1.1FMOD功能概述FMOD是一个广泛应用于游戏开发中的音频中间件，它提供了强大的音频处理和播放功能，包括但不限于3D音效、环境音效
chenjj4003·2025-06-15 15:07

音视频基础概念扫盲

常见的编码格式有：H264,VP8，AVS,RMVB，WMV，QuickTime音频编码音频编码方式指通过特定的压缩技术对音频数
Charlotte_jc·2025-06-15 15:36

Qt6播放音频文件

Qt6中已经没有QSound类，播放音频需要使用QSoundEffect类首先在.pro文件中添加multimedia模块使用方法：#includeQSoundEffect*startSound=newQSoundEffect
·2025-06-15 14:30

使用qt播放音频文件

添加头文件：#include.h文件：QSoundEffect*effect;.cpp文件：effect=newQSoundEffect;effect->setSource(QUrl::fromLocalFile(":/111.wav"));effect->setLoopCount(1);//循环次数effect->setVolume(0.95f);//音量0~1之间effect->play();
qfZYG·2025-06-15 14:59

【QSoundEffect QT 音频文件的播放】

QSoundEffectQT音频文件的播放前言一、ui界面二、代码1.pro2.头文件3.源文件总结前言一、ui界面这里我添加了三个音频文件界面只是简单的选择按钮和播放按钮二、代码1.proQT+=multimedia2
光顶术士·2025-06-15 13:57

macOS下编译安装ffmpeg

FFmpeg是一个开放源代码的自由软件，可以执行音频和视频多种格式的录影、转换、串流功能，包含了libavcodec——这是一个用于多个项目中音频和视频的解码器库
·2025-06-15 12:48

基于LatentSync的音频对口型数字人

视频对口型生成在数字人、虚拟主播、影视后期等领域应用广泛，对口型的自然度和同步精度直接决定生成内容的真实感。LatentSync作为字节跳动开源的口型同步模型，基于扩散式生成与多阶段训练，集成了强大的音视频对齐能力，为实现高质量唇形驱动提供了完整解决方案。本篇内容聚焦于LatentSync项目的部署流程与模块运行机制，围绕模型配置、推理脚本、训练流程及可视化界面的使用展开讲解，梳理各部分在项目启动
Mr数据杨·2025-06-15 12:17

制作一个简单HTML旅游网站（HTML+CSS+JS）无锡旅游网页设计与实现8个页面

‍静态网站的编写主要是用HTMLDⅣV+CSSJS等来完成页面的排版设计‍，一般的网页作业需要融入以下知识点：div布局、浮动定位、高级css、表格、表单及验证、js轮播图、音频视频Fash的应用、uli
IT黑马程序员·2025-06-15 11:37

【MoodVine】react函数组件中使用useState改变值后立刻获取最新值

我们面临的问题是在React函数组件中，当我们通过useState更新了一个状态（这里是audioUrl）后，我们希望立刻获取到最新的值来播放语音。
沈春庭·2025-06-15 02:38

基于miniDLNA局域网投屏

miniDLNA服务器搭建miniDLNA（也叫ReadyMedia）是一个开源的轻量级的DLNA（DigitalLivingNetworkAlliance）服务器，用于将音频、视频和图片等多媒体内容从计算机或网络共享到支持
ADBrooter·2025-06-14 16:26

实时交互流式数字人开源项目推荐

Realtimeinteractivestreamingdigitalhuman，realizeaudiovideosynchronousdialogue.Itcanbasicallyachievecommercialeffects
snowfoootball·2025-06-13 21:58

从实验室到产业：IndexTTS 在六大核心场景的落地实践

B站UP主通过5秒参考音频即可克隆出郭老师音色，生成的“各位吴彦祖们大家好”语音相似度达97%，单条视频播放量突破百万。
gogoMark·2025-06-13 18:35

腾讯开源 AniPortrait：音频驱动的逼真肖像动画生成革命

该框架由Audio2Lmk和Lmk2Video两大模块构成，形成完整的音频驱动动画生成闭环。
gogoMark·2025-06-13 18:35

PaddleSpeech 实战：开发与打包离线语音识别（ASR）命令行应用

该工具能够批量、递归地将文件夹内的.wav音频文件转换为.txt文本文件，并最终打包成一个无需网络、无需Python环境的独立可执行文件
Gyro_Zeppeliiii·2025-06-13 17:52

语音活动检测模型SileroVAD

一、核心功能与技术优势轻量高效SileroVAD模型体积仅1.8MB，支持1ms内处理30ms音频块，适用于边缘设备实时处理。
大囚长·2025-06-13 14:33

HarmonyOS运动开发：深度解析文件预览的正确姿势

鸿蒙核心技术##运动开发##CoreFileKit（文件基础服务）##PreviewKit（文件预览服务）在HarmonyOS开发中，文件预览功能是一个常见的需求，尤其是在处理用户上传的图片、文档、音频或视频等资源时
·2025-06-13 12:53

游戏运行库：让游戏顺利运行的基石

本文还有配套的精品资源，点击获取简介：游戏运行库是确保游戏正常运行的关键组成部分，它包括编程库的集合，提供如图形渲染、音频处理和网络通信等功能模块。
Boa波雅·2025-06-13 09:31

unity 导入gltf_Unity3D使用glTF格式三维文件，glTF在unity中如何呈现，glTF导入unity

一直在研究如何优化检查三维模型的问内容，单独从三维文件来说，有很多可以优化规范的内容，最近在看到有一个压缩格式，话说这个方式是要做一个三维文件的通用格式，比如图片的jpg格式，音频的mp3格式，这个也就是三维文件中的
weixin_39760689·2025-06-13 04:57

unity 导入gltf_Unity3D使用glTF格式三维文件,在unity中如何呈现glTF

一直在研究如何优化检查三维模型的问内容，单独从三维文件来说，有很多可以优化规范的内容，最近在看到有一个压缩格式，话说这个方式是要做一个三维文件的通用格式，比如图片的jpg格式，音频的mp3格式，这个也就是三维文件中的
林书溪·2025-06-13 04:27

鸿蒙HarmonyOS实战开发：音频播放流管理规范

（从零基础入门到精通）HarmonyOSNEXT应用开发案例实践总结合（持续更新......）HarmonyOSNEXT应用开发性能优化实践总结（持续更新......）对于播放音频类的应用，开发者需要关注该应用的音频流的状态以做出相应的操作
凹~凸~曼·2025-06-13 04:27

音频导入规范

一般音频可以交给策划来导入提交，需要遵循一些规范，下面是我们实际项目用到的一些规范1、ForceToMono：勾选，强制单声道。
敬畏之心·2025-06-13 04:25

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

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

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

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

QT开发技术【ffmpeg + QAudioOutput】音乐播放器 完善

一、完善上章的功能，形成一个小工具QT开发技术【ffmpeg+QAudioOutput】音乐播放器二、增加歌曲保存类#include"..
增援未来章北海·2025-06-11 17:17

【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

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

OpenAI SDK 上新 RealtimeAgent；OpenAudio S1 语音生成模型：语调情感标记，精确控制风格

开发者朋友们大家好：这里是「RTE开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享RTE（Real-TimeEngagement）领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。本期编辑：@赵怡岭、@鲍勃01有话题的技术1、OpenAI宣布其AgentsSDK新增TypeS
·2025-06-11 03:02
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他