技术解析

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...

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...

在语音通信系统中，回声消除（Echo Cancellation）一直扮演着核心算法的角色。一般来说，回声消除的效果受诸多因素的影响，包括： 声学环境，包括反射，混响等； 通话设备本身声学设计，包括音腔...

在当今竞争激烈的直播平台开发领域，开发者和技术决策者面临着诸多挑战，如高并发处理、低延迟传输、跨平台兼容性以及快速迭代的需求。选择合适的技术方案，尤其是在自研与集成第三方 SDK 之间做出明智的决策，...

语音对话为何总比打字更“人性化”？ 你有没有想过，为什么我们更愿意对智能音箱喊一句“今天天气怎么样”，而不是掏出手机打字查询？答案藏在人类的本能里：语音是交流的“原生语言”，它比文字更直觉、更情感化。...