声音分类应用是最常见的音频深度学习应用，包括学习声音分类、预测声音的类别。声音分类可以应用于多种实际场景，例如，对音乐片段进行分类以识别音乐的流派，或者分析一组对话然后根据声音识别说话者。 本文将通过…

这是我关于音频深度学习系列的第三篇文章。到目前为止，我们已经了解了声音是如何被数字化表示的，也知道深度学习模型通常使用声音的“声谱图（Spectrogram）”作为输入特征。我们还学习了如何在 Pyt…

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…

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…

RTSP 是 Internet 协议规范，是 TCP/IP 协议体系中的一个应用层协议级网络通信系统。专为娱乐（如音频和视频）和通信系统的使用，以控制流媒体服务器。该协议用于在端点之间建立和控制媒体会…

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…

不确定将哪些设置比特率的视频用在你的最新项目？现在深入了解我们的指南，我们会告诉你需要知道的一切！ 当谈及视频制作时，很容易被大量现有的技术信息淹没，尤其是当这些信息会因为你使用的平台或软件不同而不同…

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。…