这是音频深度学习系列文章的第二篇。在上一篇文章中，我们学习了声音是如何被数字化的，知道了我们要把声音转换为声谱图从而在深度学习架构中使用。在本文中，我们将更详细的了解怎么把声音转换为声谱图，以及怎样调…

作为深度学习发展最迅速、最具前景的两大分支，计算机视觉和 NLP 应用已经获得了广泛关注，但实际上音频数据的深度学习方面还有很多具有开创意义的用例，还没有获得足够关注。所以，我打算以此为主题写一系列相…

几个月前，我获得了一个工作任务，要求我开发一个自定义的、低延迟的视频播放器。在此之前，我只短暂的用过 FFmpeg，完全没接触过 DirectX 11，但我觉得应该不会太难，因为 FFmpeg 非常受…

近日，谷歌正式宣布将 AI 大模型 Gemini 引入 Google TV 平台，使用户可以通过电视进行“自由流式的自然语言对话”。这一举措意味着电视这个传统家庭娱乐中心将成为全新的对话式 AI 入口…

最近，微软推出的 Playwright MCP Server 让浏览器自动化接入大模型编程成为可能，其一经发布便迅速走红。根据 GitHub 热门排行，microsoft/playwright-mcp…

引言 在智能语音交互领域，实现更加自然流畅的对话体验是开发者追求的目标。本文面向对话式 AI 技术开发者，探讨全双工语音对话相较传统半双工/轮流对话模式的技术挑战与实现方案。我们将深入解析如何构建支持…

传统地把 AI 或内部系统接入项目管理工具（Jira、Linear、Notion、Trello）要维护各自的 SDK / Webhook / OAuth 回调、分页与速率限制、以及一堆细碎的字段映射与…

在实时通信（Real-Time Communication, RTC）领域，语音 AI 的引入正在带来前所未有的变革。无论是语音助手实时应答电话、在线会议自动生成字幕与纪要，还是智能客服通过语音情感判…

“氛围编程”（Vibe Coding）是一种新兴的软件开发范式，其核心思想是利用人工智能（AI）自动生成代码，开发者只需通过自然语言描述需求。传统编程中人是驾驶员，AI只是导航或助手；而在氛围编程中，…

随着大型语言模型 (LLM) 与 AI agent 越来越被嵌入到开发者的日常工作流中，仅靠模型训练时获取的知识往往不够。开发者在编写代码、调试、设计系统架构或查阅项目文档时，需要实时／最新／具体上下…

当前 AI 编程工具百花齐放，下面我们聚焦介绍 7 款主流的 Vibe Coding 工具（包括一些“黑马”新秀）。它们各有千秋，在提升编码效率、优化开发体验方面各展身手。我们会逐一解析每个工具的功能…

引言 随着人工智能（AI）技术的快速发展，编程范式正在发生革命性的变化。过去编程需要开发者手动编写每一行代码，而如今在大型语言模型（LLM）的加持下，AI辅助编程已成为现实。更进一步，一种被称为 Vi…