- 综合排序
- 最热优先
- 最新优先
- 来自专栏写代码和思考
SRS(简单实时视频服务) 笔记（4）- 截图
这个服务可以接收来自 SRS 的HTTP回调 2、启动SRS， 3、当客户端发布流时SRS触发回调事件 on_publish，on_unpublish ，会发送 HTTP请求到第一步的“HTTP服务” 4、 4. 参考 https://gitee.com/winlinvip/srs.oschina/wikis/v4_CN_Snapshot?sort_id=3298613
1.8K20发布于 2021-05-10 - 来自专栏一行数据
4行Python代码实时获取股市数据
毕竟这社会毒打实践课经历一次就少一次 社会毒打实践课 Tushare介绍 获取token值 数据获取-以茅台为例 1.初始化 2.股票列表 3.上市公司基本信息 4.日线行情 5.其它数据 最后 Tushare token值获取方式如下 1、登录成功后，点击右上角->个人主页 2、 在“用户中心”中点击“接口TOKEN” 3、 可以点击右侧复制按钮复制token 4、或者点击右侧睁开眼睛来获取token明文，复制并保存 .SH", exchange='SSE', fields='ts_code,chairman,manager,secretary,reg_capital,setup_date,province') 4.
4.3K40发布于 2020-07-14 - 来自专栏媒矿工厂
4K4D：对4K分辨率实现实时4D视角合成
作者：Zhen Xu, Sida Peng 等 来源：ArXiv 2023 论文题目：4K4D: Real-Time 4D View synthesis at 4K Resolution 论文链接：https 对这项技术的实用性至关重要的是它能够以高保真度实时渲染，使其能够应用于VR/AR、体育广播和艺术表演。最近，隐式神经表示在通过可微分渲染从 RGB 视频重建动态 3D 场景方面取得了巨大成功。 在本文中，作者提出了一种新的神经表示，称为 4K4D，用于建模和渲染动态 3D 场景。4K4D 在渲染速度方面显著优于已有的动态视图合成方法，同时在渲染质量方面也具有可比性。 引入 4D 特征网格，为每个点分配特征向量，并将其输入 MLP 网络，以预测点的半径、密度和球面谐波系数。4D 特征网格自然地对点云进行空间正则化，并使优化更加鲁棒。 基于4K4D，作者还开发了一种可微分深度剥离算法，该算法利用硬件光栅化器实现了前所未有的渲染速度。 算法 给定一个捕捉动态 3D 场景的多视图视频，本文的目标是重建目标场景并实时进行新视图合成。
1.3K60编辑于 2023-11-02 - 来自专栏计算机视觉战队
全自动实时移动端AI框架 | YOLO-v4目标检测实时手机端实现
目前，这项技术已经广泛应用在多种类型的人工智能（AI）任务中，包括但不限于：Yolo-v4 目标检测、实时相机风格迁移、AI 实时换脸、相机超分辨率拍摄、视频实时上色等，并且成功落地。 研究人员设计了适合模式化剪枝的移动端推理框架，能够部署并高效执行模式化剪枝后的深度神经网络模型，如图 4 所示。 图 4. 深度神经网络基于编译器优化的移动端推理框架概述。 研究人员首先确定了每一个卷积核中应保留 4 个非零值，这样做的好处是控制模式集总集的大小，同时也利于移动端 CPU/GPU 的 SIMD 结构。 研究人员进一步训练并删除出现次数最少的卷积核模式后，得到了 Phase 1、2、3 模式集，其中的卷积核模式数量分别为 12、8、4，如图 5（a）所示。 从左到右依次为，实时相机风格迁移、视频实时上色、相机超分辨率拍摄。 ／End.
1.5K40发布于 2020-12-29 电脑屏幕如何实时监控？这4个可以实时监控电脑屏幕的方法，你知道几个？
电脑屏幕如何实时监控？本文将详细介绍四种实用的电脑屏幕实时监控方法，从系统自带功能到专业软件应有尽有，帮助您根据实际需求选择最适合的解决方案。 这类软件不仅能实时查看屏幕，还能记录历史操作、分析员工行为模式。1. 实时屏幕 —— 像“直播”一样看员工当前操作，一目了然管理者可通过管理后台，实时查看任意员工电脑的当前屏幕画面，无需员工确认，延迟低、画面清晰、支持16屏同显。 4. ：零延迟：硬件直连，无网络延迟问题高可靠性：不受系统崩溃或软件故障影响兼容性强：支持各种操作系统，甚至可监控BIOS界面五、结语通过以上4种方法，你可以轻松实现电脑屏幕的实时监控。
84110编辑于 2025-09-19- 来自专栏实时音视频TRTC从小白到熟练
实时音视频开发学习4 - 实现web端运行
这二者分别阐述了trtc的通话模式、直播模式、实时屏幕分享、云端流录制与回放CDN直播回放。 通过实时音视频通话的模式可以相当主播进入房间，主播有一个房间roomID供粉丝进入的接口，这里只需要创建一个粉丝对象就能向主播进行拉流。粉丝主要拥有两个过程：进入直播间和同主播进行连麦互动。 然后通过监听远端流事件stream-subscribed来判断订阅成功，同时在订阅成功之后播放远端流，这里的播放和实时音视频的播放一样，支持接收一个div元素ID作为参数。 注：更多内容请关注腾讯云的实时音视频
2.9K30发布于 2020-08-21 - 来自专栏创作是最好的自我投资
关于实时语音对话模型GPT-4o，你想说？
也是无意间看到了关于GPT-4o的一些消息，于是就查阅了一下GPT-4o的资料。 GPT-4o首先来说一下，什么是GPT-4o？在GPT-4出来时，大家猜测的下一代是GPT-5，但是GPT-4o的出现，并不是当初的猜想，那么为什么会是GPT-4o呢？ GPT-4o的名称中“o”代表Omni，即全能的意思，百度翻译是GPT-4o是OpenAI的新旗舰模型，能够实时处理音频、视觉和文本，响应更快、处理更快、效率更高，不仅是人机语音对话体验更接近人与人之间的实时对话 另外，GPT-4o 是跨文本、视觉和音频端到端训练的新模型，在新的语音模式下所有输入和输出都由同一个神经网络处理。甚至不只是文本和语音，新的语音模式还能基于手机摄像头的实时画面进行对话。 GPT-4o 可以跨文本、音频和视频进行实时推理，这是向更自然的人机交互（甚至是人 - 机器 - 机器交互）迈出的重要一步。
51320编辑于 2024-11-17 - 来自专栏物流IT圈
物联网知识科普（4）——室内实时定位技术及原理
RTLS即 Real Time Location Systems的简称，实时定位系统。 RTLS是一种基于信号的无线电定位手段，可以采用主动式，或者被动感应式。
6.9K51发布于 2019-07-16 - 来自专栏GiantPandaCV
NCNN+INT8+YOLOV4量化模型和实时推理
【GiantPandaCV导语】本文记录了作者使用NCNN量化YOLOV4模型并进行推理的全过程，过程比较详细，希望对想使用NCNN这一功能的读者有帮助。 也就是说，在进行量化前，我们需要yolov4-tiny.bin和yolov4-tiny.param这两个权重文件，因为想快速测试int8版本的性能，这里就不把yolov4-tiny.weights转yolov4 /ncnnoptimize yolov4-tiny.param yolov4-tiny.bin yolov4-tiny-opt.param yolov4-tiny.bin 0 如果是直接上model.zoo /ncnn2table yolov4-tiny-opt.param yolov4-tiny-opt.bin imagelist.txt yolov4-tiny.table mean=[104,117,123 /ncnn2int8 yolov4-tiny-opt.param yolov4-tiny-opt.bin yolov4-tiny-int8.param yolov4-tiny-int8.bin yolov4
3K30发布于 2021-05-18 - 来自专栏腾讯云文档
【优秀最佳实践展播】第4期：实时音视频
“产品使用攻略”、“上云技术实践” 有奖征集啦～ 腾讯云文档k吧banner 725x261.png 案例名称 案例简介 实现云端录制与回放 介绍如何通过 TRTC 控制台设置录制和回调配置，搭配云 API 服务，实现多场景下的直播录制存储与回放功能。 Web 直播互动组件 介绍如何使用带 UI 的 Web 端直播互动组件 TUIPusher 和 TUIPlayer，为企业直播、电商带货、行业培训、远程教学等多种直播场景提供快速上线 Web 端直播推拉流工具的解决方案。 云端混流转码 介绍如何通过服务端
1.7K51编辑于 2022-04-08 - 来自专栏Hadoop数据仓库
Greenplum 实时数据仓库实践（4）——Greenplum安装部署
内联网络 4. RAID卡性能 5. 100台以上的集群，可以考虑增加Master的网络带宽为4个万兆口做mode4的链路聚合。 4. 软件版本如表4-4所示。 mdw smdw sdw3 4. 例如，考虑如表4-6所示的主机网络配置。
2.9K31编辑于 2021-12-07 - 来自专栏音视频技术
5G实时直播至关重要的4个原因
现在，美国和世界其他地区的5G服务范围已达到大规模覆盖的程度，运营商将有机会通过利用其电波中的实时5G实时视频流功能，来推动对下一代智能手机的发展和更高速度连接的需求 。 根据所使用频谱的数量和类型，除了在4G接入速率上获得20％到100倍的吞吐量增长之外，5G还可以减少传输延迟，从而使移动网络能够支持不适合4G网络的各种应用。 通常通过与4G的动态频谱共享来实现1 GHz以下的频谱。这将用户的访问率限制在通常比4G访问率高出约20％的水平，从而抑制了对5G手机的需求。 因此，挑战在于如何利用可用的基础架构来交付人们想要但无法克服4G或通过固定宽带服务的应用程序。 现在可以通过实时流实现服务增强 在这里，5G相对于4G的低延迟优势以及目前仅平均吞吐量的小幅增长（约50-60 Mbps）都可被用来推动对现有基础架构上5G电话访问的需求。
48970发布于 2020-11-24 - 来自专栏Hadoop数据仓库
基于 HBase & Phoenix 构建实时数仓（4）—— Kafka 集群安装部署
Kafka 是一个完整的消息系统，常用于实时系统中的消息中转和数据持久化。 分发相关目录到其它节点 scp -r $KAFKA_HOME node3:/root scp -r $KAFKA_HOME node4:/root 4. 4. 单纯从这两个命令行工具的测试结果看，消费者性能比生产者高 3-4 倍，不可能产生消费延迟。 后面介绍实时数据同步时，将自建脚本测试压测环境下的消费延迟。
48710编辑于 2024-03-12 - 来自专栏大数据成神之路
打通实时流处理log4j-flume-kafka-structured-streaming
模拟产生log4j日志 jar包依赖 pom.xml <dependency> <groupId>log4j</groupId> <artifactId>log4j</artifactId > </dependency> <dependency> <groupId>org.slf4j</groupId> <artifactId>slf4j-log4j12</artifactId 配置 log4j.rootLogger=INFO,stdout,flume log4j.appender.stdout = org.apache.log4j.ConsoleAppender log4j.appender.stdout.target log4j.appender.flume.Hostname = 127.0.0.1 log4j.appender.flume.Port = 44444 log4j.appender.flume.UnsafeMode 127.0.0.1:9092 --topic default_flume_topic --from-beginning --new-consumer spark structured streaming实时流处理
70140发布于 2020-05-20 - 来自专栏音视频咖
4K8K 超高清实时处理与分发
在LiveVideoStackCon 2023上海站，腾讯云专家工程师刘兆瑞为我们分享了4K/8K超高清视频在实时编码的过程中遇到的困难以及解决方案。 文/刘兆瑞 编辑/LiveVideoStack 大家好，今天跟大家分享下在支持4K/8K超高清视频的实时编码、媒体处理、系统架构、专有云流量分发所遇到的困难和挑战，希望能给大家带来帮助。 但也许AI手段能提供一些帮助，例如将原本4K视频超分至8K以达到8K的清晰度，来弥补高清片源稀少的问题。一套成本低廉、压缩率高且有一定增强能力的实时直播媒体处理平台，以上问题和痛点都可以解决。 例如，一个3.2GHz的CPU插了4个32G的内存条，其内存的瓶颈带宽大概在102G，但如果要进行8K50FPS10bit的实时编码，也就是说一秒需要传输的数据带宽大概在4.7G。 通过视频增强、AI增强算法等操作可以实现4K实时超分，但是目前还很难支持实时超分8K。在这个背景下，我们利用分布式增强能力，支持直播过程中从4K到8K的超分。
1.2K20编辑于 2023-08-23 - 来自专栏华章科技
什么是大数据「实时流计算」？深度解析它的4大应用及4个特点
通过实时流计算技术，在秒级甚至亚秒级，对用户信用和欺诈风险做出判定，在保证可控风险的同时，提供良好的用户体验，进一步提高现金贷产品整体的竞争力。 4. 现代推荐系统（见图1-4）背后越来越多地出现了实时流计算技术的影子，通过实时分析从用户手机上收集而来的行为数据，发掘用户的兴趣、偏好，给用户推荐可能感兴趣的内容或商品。 ▲图1-4 基于Spark Streaming的实时零售推荐系统 这里只是简单地列举了几个流计算技术使用的场景。 实时流计算技术的处理对象是实时流数据。尽管实时流数据的来源千变万化、丰富多彩，但归纳起来，实时流数据通常具有实时性、随机性、无序性和无限性。 1. 4. 无限性 流数据是一种随时间无限增长的数据序列。这是流数据和批数据最本质的区别。批数据在每次处理时数据量是有限的，而流数据没有“每次”的概念，它总在不断产生，无穷无尽。
1.7K11发布于 2020-03-16 - 来自专栏嵌入式程序猿
一步步学习MQX实时操作系统(4)
启动流程分析 学习任何一种操作系统，我们都要分析它的启动流程，MQX实时操作系统启动分为芯片硬件启动和MQX操作系统启动。 硬件芯片启动过程和裸机启动一样，ARM-Cortex-M4处理器架构，芯片上电后，自动执行0地址处的指令，查询芯片内部存储器映射区域。
98650发布于 2018-04-10 - 来自专栏云云众生s
如何使用GPT-4o函数调用构建实时应用程序
本教程将向您展示如何通过函数调用将实时数据引入 LLM，使用 OpenAI 最新推出的 LLM GTP-4o。 在我们的 LLM 中函数调用的指南中，我们讨论了如何为聊天机器人和代理提供实时数据。 现在，我们将通过将 FlightAware.com 的 API 与新的 GPT-4o 模型集成，进一步探索此概念，以便实时跟踪航班状态。 它允许开发人员通过基于查询的简单系统获取实时、历史或未来的航班信息。该 API 支持基于航班标识符、飞机注册或机场或运营商等位置的详细请求。 我们的目标是将此函数与 GPT-4 Omni 集成，以便它可以实时访问航班跟踪信息。 步骤 2：使用 GPT-4o 实现函数调用 让我们从导入 OpenAI 库并对其进行初始化开始。
84700编辑于 2024-05-27 YOLOv4深度解析：革命性的实时目标检测技术
作为连接经典YOLO架构与现代深度学习技术的桥梁，YOLOv4为实时目标检测应用奠定了坚实基础。一、技术背景与发展脉络1. 然而，这些版本在工业应用中仍存在明显短板：要么精度不足，要么推理速度无法满足实时性要求。YOLOv4的出现恰好填补了这一空白。它不是简单的架构升级，而是对整个检测流程的系统性重新设计。 YOLOv4打破了这一桎梏，其核心设计原则是"单GPU训练，实时推理"。这种设计理念的转变，使得中小型团队和个人开发者也能够轻松部署高精度的目标检测系统。二、核心架构剖析1. 这一性能表现不仅超越了同期的其他实时检测器，更重要的是实现了精度与速度的最佳平衡点。相比YOLOv3，YOLOv4在相同硬件条件下速度提升10%的同时，AP值提升了12%。 这里是一个我使用 YOLOv4 检测血液中细胞的示例:对于在视频流上运行的对象检测模型，如自动驾驶汽车，实时性尤为重要。实时对象检测模型的另一个优势是它们体积小，所有开发者都易于使用。2.
95410编辑于 2025-08-14- 来自专栏嵌入式随笔
硬实时和软实时
硬实时和软实时的区别就是一个命令从准备执行到实际执行的时间长度的区别。比如要点亮一个LED灯。 如果需求是最多2ms内必须执行，那10ms的是软实时，1ms和10us的是硬实时。如果需求是最多20us内必须执行，那10ms和1ms的是软实时，10us的是硬实时。 所以软硬实时得看具体需求。 操作系统有的说是软实时，有的说是硬实时。是互相相对着说的，linux很多定义为软实时，freertos和RTX之类的rtos被定义为硬实时。 因为这俩相比一般linux的实时延迟要大一点。rt-linux的实时延迟可以到几百us，如果需求是不超过毫秒级的话，那rt-linux对这个需求也是硬实时。 既然有优先级抢占之类的存在，那要满足硬实时需求就还有很大一部分要取决于程序的编写（不止取决与系统），程序（驱动和应用程序）的编写同样重要。
75730编辑于 2023-09-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号