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…

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…

不用再特意强调在线直播视频 比以往更受欢迎，现在已有超过85%的美国互联网用户每月都会观看在线视频。如果你没有在线内容，那可能会错过 85% 的潜在客户。 虽然你可能会因此被说服并拿起相机拍摄一段短片…

在歌唱场景、语聊等场景中，用户已经不在满足于被听见、被听清、能互动，以及拥有高清的音质体验。他们有了更进一步的需求，希望不仅能有最佳的音质，还想要让自己的声音变得更动听、更有磁性。 就像我们看高清视频…

色彩增强作为视频后处理中画质增强技术的一部分，指的是通过调整图片和视频画面的饱和度特性，使得画面色彩更加丰富和逼真，提升人的视觉主观感受。 由于设备摄像头的多样性，部分摄像头在视频采集时存在饱和度不足…

随着元宇宙概念的引入，空间音频这项技术慢慢映入大家的眼帘。该篇文章我们将主要讨论基于对象(object-based)的实时空间音频渲染，也就是如耳机等应用场景中，渲染对象为一个音源时的渲染思路与方案。…

近年来，超分辨率（简称超分）在图像增强、去噪、细节恢复、图像放大方面展现出广阔的应用前景，成为计算机视觉领域的研究热点，受到学术界和工业界的关注和重视，业界也纷纷举办超分竞赛，比如优酷的视频超分竞赛、…

东南亚市场潜力巨大。该地区人口超过6.5亿，互联网用户逾3.3亿，电子商务规模预计到2025年将达1020亿美元，年增速超20%。直播带货、在线教育、移动游戏等场景催生了庞大的实时互动需求。然而，与发…

一、东南亚语聊社交热潮，机遇涌动 在印尼、越南、菲律宾等东南亚国家，语聊（voice chat）社交产品正迎来爆发式增长。年轻人渴望“即时连接、虚拟陪伴”，通过Tantan、Yalla Ludo、Li…