3D空间音频（Spatial Audio）是一种模拟真实世界声音空间特性的音频技术，通过计算声源位置、距离和方向，让用户感知到声音从特定方位传来，并随着用户和声源的相对位置变化而动态调整。在实时音视频…

Simulcast 是实时音视频通信中的一种带宽优化技术，发送端同时编码并发送多个不同分辨率的视频流（如1080p、720p、360p），接收端根据自身网络带宽、设备性能和显示区域大小，动态选择最合适…

2026 年 5 月初，OpenAI 工程师 Yi Zhang 和 William McDonald 在官方博客发布了一篇罕见的基础设施技术披露，详细介绍了支撑 ChatGPT Voice 和 Rea…

当你打开一个视频会议应用，10个人的画面同时出现在屏幕上。你有没有想过，这些音视频数据是如何在网络中传递的？是每个人都直接把数据发给其他9个人？还是所有人都把数据发给服务器，再由服务器分发？如果是服务…

网络探测（Network Probing）是实时音视频通信（RTC）中用于评估网络质量的技术，通过在正式通话前测试带宽、延迟、丢包率等关键指标，帮助系统提前判断网络状况并做出优化决策。 在视频会议、在…

在实时音视频通信场景里，数据包的加密一直是个微妙的问题。传统的TLS协议工作在TCP之上，握手过程需要多次往返确认，这对延迟敏感的RTC应用来说完全不可接受。UDP虽然快，但缺少加密和身份认证机制。D…

一. 首帧时间是什么 首帧渲染时间（Time to First Frame）指的是从用户发起视频通话，到屏幕上显示出对方第一帧画面的时间间隔。 这个指标听起来简单，但它包含了整个通话建立过程中所有环节…

当你打开RTC服务的监控后台，密密麻麻的数据指标扑面而来：延迟、丢包率、卡顿率、码率、帧率……每个都在波动，每个看起来都很重要。产品经理在催优化用户体验，但技术资源有限，该从哪里下手？ 这个问题在不同…

一. MOS评分是什么？ MOS（Mean Opinion Score，平均意见分） 是一种主观质量评估标准，用于衡量音频、视频通话的用户体验质量。它通过让真实用户对通话质量进行打分，然后计算平均值，…

一. 为什么出海企业需要实时转录翻译 当企业业务拓展到海外市场，语言沟通成为绕不开的障碍。一场跨国视频会议，参会人员可能来自中国、美国、日本、德国，每个人用母语表达最自然高效，但传统的人工同声传译成本…

2026年4月下旬，三款终端AI Agent同时处于密集迭代期。Google Gemini CLI发布v0.39.0稳定版（4月23日），Anthropic Claude Code在一个月内推送30+…

声网智能云会议引擎（以下简称”云会议引擎”）具备头部级云会议体验与核心能力，支持开放扩展与AI赋能，助力企业和集成商构建自主可控的智能云会议产品。它支持带UI快速上线、带UI定…