- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈之路
游戏优化之音频压缩
其实这个比较容易忽略掉，但是音频资源如果不压缩的话，可能会造成游戏加载速度慢，尤其是对于一些音频资源依赖较高的游戏。 来看一下效果： ? 好了，其实这里要介绍的是一条命令，它依赖于ffmpeg。 具体如下： ffmpeg -i ${f} -vn -ar 22050 -ac 1 -ab 128 -f mp3 ${dst} 其中$f为源文件，$dst为目标文件 接下来介绍一下mac上的音频压缩脚本， ~" 用法，格式将输出为mp3格式： audio.sh -s <音频源目录> -d <音频资源目录>
1.6K30发布于 2018-10-19 - 来自专栏cwl_Java
性能优化-Tomcat8优化
1、Tomcat8优化 tomcat服务器在JavaEE项目中使用率非常高，所以在生产环境对tomcat的优化也变得非常重要了。 1.1 Tomcat配置优化 1.1.1、部署安装tomcat8 下载并安装： https://tomcat.apache.org/download-80.cgi ? 推荐使用nio，不过，在tomcat8中有最新的nio2，速度更快，建议使用nio2. 注意：这里在测试时，我们使用一个新的tomcat，进行测试，后面再对其进行优化调整，再测试。 1.5、调整JVM参数进行优化 接下来，测试通过jvm参数进行优化，为了测试一致性，依然将最大线程数设置为500， 启用nio2运行模式。
1.6K20发布于 2020-02-13 AI处理文字、图片、PPT、音频、视频
在AI技术快速发展的今天，各类大模型与智能工具层出不穷，其能力各有侧重，都在不断迭代更新。选择工具的关键，在于明确自己的核心需求场景。 AI 创作工具，擅长短视频与图文创意生成；风格贴合抖音生态，支持快速出片，免费版有功能限制内容创作悠船专注于内容创作辅助，支持文案生成、创意构思、内容优化；适配自媒体、营销场景，操作便捷，部分功能需付费智能体开发 8.（百度）图片去水印依托百度 AI 技术，支持单张图片水印智能擦除，可联动百度系工具；去水印后背景填充自然，免费基础功能可用。9.酷雀水印管家需要付费，支持批量去水印，可以去掉比较浅的水印。 16.即梦字节系 AI 创作工具，擅长短视频与图文创意生成；风格贴合抖音生态，支持快速出片，免费版有功能限制。 17.扣子（Coze）低代码搭建专属 AI 智能体，无需深厚编程基础；内置丰富插件与知识库，支持自定义对话流程；因为没有数据库，数据是直接写死的。总结而言，AI工具的选择并非“一刀切”。
71910编辑于 2026-01-12- 来自专栏音视频技术
音频正当时：我们和声网音频专家聊了聊AI、元宇宙、空间音频和“沉浸感”
近日，LiveVideoStack采访到了声网的音频算法负责人冯建元，请他来跟大家聊聊音频相对于视频的优势、音频在元宇宙中的应用、国内音频技术与AI结合的发展、过去一年声网在音频领域所取得突破和对前沿音频技术的探索 我关注的音频领域还是比较多的，从基于AI的语音编解码器、空间音频到声纹变声等都有在关注和尝试。 LiveVideoStack: 目前AI与音频技术的结合已经成为一种趋势，比如AI技术常用于音频降噪、回声消除和音频特效等。除此之外，AI和音频的技术结合还有哪些新的探索？ 实时变声，甚至空间音频中的个性化HRTF都可以用AI模型生成，可以说AI几乎已经融入到了音频的每一个角落。 冯建元：我觉得国内在AI与音频技术结合上已经是国际第一流的水平，尤其在严肃、传统的3A处理领域。在音乐、AI Codec等比较新的领域，我们则可能处于平分秋色或者在前沿探索方面略显滞后。
77620编辑于 2022-04-19 - 来自专栏猫头虎AI技术分享
快速上手 AI ：AI 视频与音频生成教程
快速上手 AI ：AI 视频与音频生成教程 摘要：随着生成式AI的爆发式发展，音视频创作已经从“专业技能”转变为“人人可用”的智能工具。 无论你是开发者、内容创作者，还是新媒体运营者，通过AI生成视频和音频，都能显著提升效率与创意质量。 本文将从==AI音频生成、AI视频生成、工具对比、应用实例==四大方向带你快速上手，并附带一键上手代码与流程图可视化讲解。 AI音频：支持多语言、多音色的语音克隆、音乐生成、背景音合成等。 音频生成快速上手 1.
4.4K351编辑于 2025-10-06 - 来自专栏量子位
只有音频没指纹，能抓对人吗？CMU音频分析AI说没问题
然鹅，现在有了AI，音频分析技术已经到了前所未有的高度。 Rita Singh，是这一领域的顶尖科学家，工作于卡内基·梅隆大学的语言技术研究所。 Singh和她卡耐基梅隆的同事所研发的这套音频分析技术，可以找出人都听不出来的细微差别。 她们可以把音频切成毫秒的片段，然后用AI技术来梳理处理这些片段以寻找独特的标识。 当你说话的时候，AI可以猜出你所在房间的大小，房间是否有窗户，墙体是什么材质的。 更不可思议的是，AI还可以根据当地电网的电压波动，判断出打电话的人的物理位置，以及是一天当中什么时间段打出的电话。 AI技术的引入，对于那些总是爱报假警的人来说是个坏消息。要知道，在美国报假警触犯了联邦法律，处罚很重而且还要进去蹲好几年。 Singh的技术大大减少了这类事件的发生，还快速准确地锁定了罪犯。 AI技术的发展速度都是指数级别的，可以预见到未来，音频分析将会用于法律定罪以外的领域。
82590发布于 2018-03-22 - 来自专栏全栈程序员必看
tomcat8 JVM 优化
如果服务器只运行一个 Tomcat： 机子内存如果是 8G，一般 PermSize 配置是主要保证系统能稳定起来就行： JAVA_OPTS="-Dfile.encoding=UTF-8 -server 2 -XX:+DisableExplicitGC" 机子内存如果是 16G，一般 PermSize 配置是主要保证系统能稳定起来就行： JAVA_OPTS="-Dfile.encoding=UTF-8 2 -XX:+DisableExplicitGC" 机子内存如果是 32G，一般 PermSize 配置是主要保证系统能稳定起来就行： JAVA_OPTS="-Dfile.encoding=UTF-8
89911编辑于 2022-08-28 - 来自专栏刘旷专栏
在线音频江湖：内容大战、场景之争、AI博弈
智能手机、AI音箱、车联网全面普及，多个场景下用户对音频内容的需求逐渐增加，拓宽了在线音频平台商业化空间。 而此刻，技术再次升级、音频与娱乐产业的融合、应用场景全覆盖，将推动在线音频行业更上一台阶。 首先，AI助力在线音频广联万物。 其次，AI助力音频内容的生产提速提质。 再有，AI助力在线音频平台降本增效。2022年，互联网行业的关键词是降本增效，除了减少营销和行政等开支之外，还要归功于利用 AI工具或AI系统提高了企业运营和管理效率，在线音频行业也不例外。 综上所述，新的技术升级周期给在线音频平台带来新的机遇，荔枝押注AI聊天、喜马拉雅关注AIGC、蜻蜓FM坚持“AI+音频”，头部在线音频平台已经率先行动，群雄纷起争上游，音频行业下一个黄金发展期值得期待。
53910编辑于 2023-03-23 - 来自专栏量子位
不识字也能翻译：谷歌AI直接用音频翻音频，不用先转文本
而AI在翻译语音的时候，不把西语的音频转成文本，也不生成任何英语的文本，直接产出了英文音频。和标答一字不差。 这是谷歌团队的最新成果，想法大胆而有效。 ? AI只要从大量的成对数据里，学懂英文和西语的声谱映射关系，就算不识别人类说的是什么字，依然能当上翻译员。 就是下图的蓝色部分，它负责生成目标声谱图，这只是第一步，还不是音频； 二是一个声码器(Vocoder) 。 里面的编码器 (左) ，是8层双向LSTM堆起来的；而解码器 (Spectrogram Decoder) ，团队说要选4-6层LSTM的，深一点效果比较好。 借助转换文本来翻译的AI，缺了个“do”字： ? 第三题，带从句的句子。“我的表 (堂) 兄弟姐妹们小的时候，我照顾过他们也教过他们，有过一些这样的经历。”
2.1K20发布于 2019-04-22 - 来自专栏破晓
【AI音频处理】：重塑声音世界的无限可能
例如，利用AI进行自动混音、降噪、回声消除等操作，可以大大提升音频的质量和专业度。此外，AI还可以根据用户的需求自动调整音频的音量、音调等参数，实现一键式的声音美化。 五、AI在音频分析中的深度应用 情感识别 音频分析不仅仅是关于声音的物理特性，还涉及到声音背后的情感表达。 七、AI在音频处理中的挑战与未来 技术挑战 尽管AI在音频处理领域取得了显著进展，但仍面临诸多技术挑战。 这些挑战需要研究者们不断探索和创新，以推动AI在音频处理领域的进一步发展。 未来展望 随着技术的不断进步和应用场景的不断拓展，AI在音频处理领域的未来充满了无限可能。 我们可以预见，未来的AI将更加智能地理解和处理音频信息，为我们提供更加个性化、智能化的音频服务。同时，AI也将与其他技术如虚拟现实、增强现实等相结合，为我们带来更加沉浸式的音频体验。
1.4K10编辑于 2024-09-02 AI 音频转视频秘籍：从原理到实践
在当今数字化时代，AI 技术正以前所未有的速度改变着我们创作和分享内容的方式。其中，AI 音频转视频技术为创作者们提供了一个全新的维度，使得将单纯的音频内容转化为富有视觉吸引力的视频变得轻而易举。 一、AI 音频转视频的原理剖析AI 音频转视频并非魔法，其背后有着严谨的技术逻辑。当输入一段音频时，AI 系统首先会对音频进行全面分析。这包括解析音频的节奏、旋律、和声、音色等多个维度的特征 。 三、AI 音频转视频的操作步骤详解（一）准备阶段音频素材处理格式转换：确保你的音频素材格式符合所选 AI 工具的要求。常见的音频格式如 MP3、WAV、M4A 等，大多数工具都能支持。 剪辑与优化：使用音频编辑软件（如 Audacity，一款免费开源的音频编辑工具）对音频进行必要的剪辑，去除开头和结尾不必要的空白部分，使音频内容更加紧凑。 字幕添加与优化自动生成字幕：利用视频编辑软件的自动字幕生成功能（如剪映的智能字幕功能，Descript 的自动转录生成字幕功能），为视频添加字幕。
1.7K00编辑于 2025-08-07- 来自专栏人人都是极客
(干货)Ai音箱和Linux音频驱动小谈
常用的音频采样频率有：8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz、96kHz、192kHz等。 常见的位宽是：8bit 或者 16bit （3）声道数（channels） 由于音频的采集和播放是可以叠加的，因此，可以同时从多个音频源采集声音，并分别输出到不同的扬声器，故声道数一般表示声音录制时的音源数量或回放时相应的扬声器数量 的标准，不过这个标准是一个DATA线传8ch的数据 ? 这个时间被称之为“采样时间”，其长度没有特别的标准，它是根据编解码器和具体应用的需求来决定的，我们可以计算一下一帧音频帧的大小： 假设某音频信号是采样率为8kHz、双通道、位宽为16bit，20ms一帧 七、AI智能音响核心点 这部分讲的没一点内容都是非常核心的，直接影响到AI音箱的整体效果，包括声源定位，回声消除，有很多人反馈为什么我的音箱声源定位不好，为什么我的回声消除效果很差，我们就要从下面几个问题点去排查
4.7K21发布于 2019-11-20 - 来自专栏Dance with GenAI
AI办公自动化：多音频轨电影视频抽取出英语音频
很多电影视频是有中、英、粤语等多个音频轨的，如果直接转换成音频，很有可能不是自己想要的那种语音。 可以先查看音频流信息，确定属于哪个音频轨： Reading video file: E:\1-7\比得兔1.mp4 输出音频流信息 Available audio streams: Stream 0: aac Stream 0应该是英语； 然后，在Deepseek中输入提示词： 你是一个Python编程专家，写一个Python脚本： 读取视频："E:\1-7\比得兔1.mp4" 这个Mp4视频有多个音频轨 ，选择其中的Stream 0音频轨，提取出来保存为mp3音频文件，保存在和视频同一个文件夹中。 print(f"Selected audio stream: Stream {stream_index} - {selected_stream['codec_name']}") # 构建输出音频文件路径
38310编辑于 2024-06-25 - 来自专栏mathor
枚举+优化（8）——前缀和2
其次Ai，也就是数组中每个数的值，是在负100万到正100万之间。假如这里Ai都是正整数的话，那么总共的划分方法不会太多，因为随着p增大，第一段的和S1是不断增大的。 但是因为这里Ai有可能是0，也有可能是负数，所以划分方法可能非常多。例如有可能数据是10万个Ai全都是0。这样随便一个划分都是满足条件的。答案是C(99999, 2)，甚至超过了int范围。 至此，题目中70%的分数应该能拿到了，还有30%需要优化 优化 优化的方法当然还是从枚举入手，我们假设只枚举q，也就是最后一段的断点。 但是S1=3是成立的，因为这时S2的值是8-3-2=3。S2与S1和S3相差都不超过1 在S[1], S[2]和S[3]三个前缀和中，有几个的值是3。 S1=2是成立的，因为这时S2=8-2-3=3，{2, 3, 3}相差都不超过1。S1=3也是成立的，因为这时S2=8-3-3=2，{3, 2, 3}相差都不超过1。S1=4是不成立的。
70150发布于 2018-06-12 - 来自专栏小巫技术博客
Android编译优化：D8和R8
如果日常做Android开发的你不关注Google针对编译优化的话做的努力的话，会对D8和R8这两个名词会比较陌生。 ，这也是为什么Google会推出D8和R8编译器来优化编译速度。 R8 R8是用来替代Proguard的一个工具，是新一代的代码压缩工具。R8之前采用D8+Proguard的形式构建，R8则将混淆和D8工具进行整合，目的是加速构建时间和减少输出apk的大小。 ? Gradle插件版本达到3.4.0及以上，默认会开始R8进行代码优化。 ： 减小DEX文件大小 优化代码： 进一步减小DEX文件大小 参考：https://developer.android.google.cn/studio/build/shrink-code R8 VS
3K41发布于 2021-04-26 - 来自专栏学弱猹的精品小屋
数值优化（8）——带约束优化：引入，梯度投影法
上一节笔记：数值优化（7）——限制空间的优化算法：LBFGS，LSR1 ———————————————————————————————————— 大家好！ 这一节我们会开辟一个全新的领域，我们会开始介绍带约束优化的相关内容。带约束优化在某些细节上会与之前的内容有所不同，但是主要的思路啥的都会和我们之前的传统方法一致，所以倒也不必担心。 那么我们开始吧。 在带了约束的情况下，我们的所有的优化步骤都必须局限在约束内。 事实上证明是类似的，和我们上面一样的写法可以得到 Proposition 8: 设 为驻点，那么如果 ，则偏导为0，若 ，则偏导非负，若 ，则偏导非正。 对于arc形式的，要求也是差不多的 Definition 8: Arc Armijo Condition 设 ，那么如果 是最小的使得 且使得 成立，那么称 满足弧情况下的Armijo条件。
2.8K10发布于 2021-08-09 基于 YOLOv8+DeepSORT 的高精准 AI 客流统计技术实现与优化
基于AI视觉技术构建的客流统计系统，通过算法优化与软硬件协同，实现了客流数据的精准采集，提供了可靠的技术支撑。 行人检测算法（YOLOv8）：作为基础检测模块，该算法对视频流中的行人目标进行快速识别与定位，精度可达99.2%，能够有效应对遮挡、光照变化、行人姿态多样等复杂问题，确保目标检测的准确性与完整性。 核心功能技术解析秒级精准客流统计通过YOLOv8的高效检测与DeepSORT的精准追踪，系统实现了多维度的客流自动计数，计数误差控制在3%以内。 技术上采用时序数据分析方法，识别客流移动的规律特征，为资源优化配置提供数据支撑。 关键技术要点总结算法选型适配需求：针对复杂环境，选择YOLOv8+DeepSORT的组合方案，平衡检测精度与实时性；算力部署兼顾效率：边缘计算保障实时处理，云端协同支撑大规模数据分析，优化整体性能；隐私合规嵌入设计
39610编辑于 2026-01-04- 来自专栏腾讯多媒体实验室
腾讯天籁AI音频技术“破圈”背后的“密码”
基于领先的腾讯天籁音频解决方案，腾讯天籁不仅可以让不同地点、场景、设备终端同时远程接入，让远程线上沟通更加高效，并且还扩展了实时音频的语音带宽。 与传统PSTN电话音质相比，使用了腾讯天籁技术后的音频音质更加明亮、干净。同时，整套音频算法能力也进行了有针对性的优化，可以在用户多种客户端进行部署，最终提升了音频通信的可懂度、自然度、舒适度。 此外，在技术的研发过程中，该体系的测试结果，可以给研究人员提供非常重要参考信息，用于方案的打磨和优化。 ? 通过多种技术的优化和整合，实现了语音清晰度和可懂度提升40%的效果。经过提升后的信号，传递给人工耳蜗后，可以极大改善听障人士的听觉体验，让听障人士在“听得见”的基础上“听得清、听得真”。 9月27日国际聋人日之际，腾讯多媒体实验室联合腾讯公益慈善基金会、深圳市信息无障碍研究会等机构召开发布会，宣布发起“天籁行动”，通过面向公益开发者、设备厂商、NGO及行业免费开放腾讯天籁AI音频技术，帮助听障人群解决
1.2K50发布于 2020-11-03 - 来自专栏Dance with GenAI
AI批量下载网页中的mp3音频
这个网页中有多个mp3音频 https://www.barefootbooks.com/talesofmystery 查看源代码，找到mp3文件： https://barefootbooks-media-raw.s3 www.barefootbooks.com/talesofmystery 定位源代码中所有audio标签，然后定位其中的<source >标签，提取其src属性，这是MP3下载链接； 下载所有的mp3音频 保存到文件夹：F:\aivideo 注意：每一步都要输出信息到屏幕上 要完成这个任务，我们可以使用Python的requests库来下载网页内容，使用BeautifulSoup库来解析HTML并提取所需的音频链接
87510编辑于 2025-01-19 AI提示词工程优化指南：8个技巧，释放大语言模型的全部潜力
无论你是希望撰写更专业的报告、生成更精准的代码，还是规划一次完美的旅行，掌握这些方法都将让你的 AI 协作效率产生质的飞跃。8个专业级提示词工程优化技巧1. （粘贴上一步生成的大纲）” 8. 长上下文提示：在海量信息中精准导航当输入文本非常长时（例如一篇长篇论文或一份财报），AI 可能会“迷失”在信息海洋中，忽略掉关键细节。需要一些技巧来让它保持专注。 markdown 体验AI代码助手 代码解读复制代码<role>你是一位顶级的"提示词优化专家 (Prompt Optimization Expert)"。 8. **上下文放在指令之前 (Context Before Instructions):** 将关键指令置于长文本末尾，并使用结构化引用。 #### 为什么重要？ ---### 提示词优化分析报告#### 1. 核心问题诊断- **[问题一]**: (例如：指令过于宽泛，AI 需要猜测用户的真实意图。)
3.7K10编辑于 2025-08-22
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