- 综合排序
- 最热优先
- 最新优先
- 来自专栏嵌入式Linux系统开发
音视频开发专业词汇总结及音视频处理流程
音视频开发岗专业词汇总结，这些词汇大量出现在音视频相关的代码中： 缩略语 英文全名 中文解释 SDK Software development 媒体处理平台 ISP Image Signal Pipeline 图像信号处理 LDC Lens Distortion Correction 镜头畸变校正 AI 海思媒体处理平台的主要内部处理流程如图所示，主要分为视频输入（VI）、视频处理（VPSS）、视频编码（VENC）、视频解码（VDEC）、视频输出(VO)、视频拼接(AVS)、音频输入(AI)、音频输出( AI 模块捕获音频数据，然后 AENC 模块支持按多种音频协议对其进行编码，最后输出音频码流。
1.7K20发布于 2021-05-28 - 来自专栏DotNet NB && CloudNative
C# FFmpeg 音视频开发总结
5、写此文章时才发现CaptureManager这个2023年4月发布的非常简便好用的基于D3D封装的音视频库，它的官方样例非常丰富,能实现很多功能。 对于一些概念性的东西，我是翻阅硕博论文(一般都有总结这些)。 C#使用FFmpeg需要注意什么？
1.5K50编辑于 2023-08-30 - 来自专栏嵌入式开发圈
音视频相关技术基础知识总结
前阵子写了很多笔记，由于忙于研究生课程学习，故很少有时间整理笔记分享到公众号上，今天整理的笔记是我之前学习音视频技术相关的笔记整理。 ffmpeg：音视频转码、转换器 ffplay：简单的音视频播放器 ffserver：流媒体服务器 ffprobe：简单的多媒体码流分析器 (2)SDK 提供开发者使用的SDK，我们可以根据自己的需求使用这些库开发自己的应用程序 ，这些库主要有： libavcodec：包含音视频编码器和解码器 libavutil：包含多媒体应用常用的简化编程的工具，如随机数生成器、数据结构、数学函数等功能 libavformat：包含多种多媒体容器格式的封装 、解封装工具 libavfilter：包含多媒体处理常用的滤镜功能 libavdevice：用于音视频数据采集和渲染等功能的设备相关 libswscale：用于图像缩放和色彩空间和像素格式转换功能 libswresample
2.1K41编辑于 2022-03-24 - 来自专栏智媒黑板报
音视频封装小总结（PS TS 和FLV）
里面包含了对国标流的PS流处理方法，同时解析了HLS的TS文件格式以及常用的FLV文件，更详细内容可以看以前的几篇文章： 音视频封装：FLV格式详解和打包H264、AAC方案（上） 音视频封装：FLV 格式详解和打包H264、AAC方案（下） 音视频解封装：MP4核心Box详解及H264&AAC打包方案 音视频封装：MPTG2-TS 媒体封装实例解析和说明 MPEG-PS和MPTG-TS 媒体封装实例解析和说明
4K20发布于 2020-11-12 - 来自专栏运维开发王义杰
AI: 机器学习算法总结
引言 机器学习（Machine Learning）是人工智能（Artificial Intelligence, AI）的一个重要分支，通过从数据中自动学习和改进，来实现复杂任务的自动化。
81110编辑于 2024-06-25 - 来自专栏腾讯云技术沙龙
孙祥学：音视频AI技术落地实践
6月29日，音视频及融合通信技术技术沙龙圆满落幕。 本期沙龙特邀请腾讯云技术专家分享关于最新的低延迟技术、全新的商业直播方案等话题，针对腾讯云音视频及融合通信产品的技术全面剖析，为大家带来纯干货的技术分享。 我今天分享的内容有四块，第一块是视频+AI能产生什么；第二块是想重点介绍智眸这款视频+AI的产品；第三块是智眸的应用场景，第四块是官网的一些可用资源。 视频+AI能产生什么 第一个视频+AI的尝试是极速高清，像斗鱼、虎牙、央视等目前已经接入在使用的一款产品。极速高清是在不降低视频质量情况下降低视频码率，也就是降带宽，降成本。它跟AI的结合点在哪呢？ 幻灯片8.PNG 智能媒体生产平台，包括基础服务层、AI引擎层、媒体处理层、基础应用层、基础产品层。
4.5K42发布于 2019-07-03 腾讯云实时音视频Chat SDK：重塑AI实时对话体验的音视频利器
##【摘要】 在AI技术飞速发展的2025年，实时音视频能力已成为人机交互的核心支柱。 腾讯云实时音视频Chat SDK以其全球覆盖的低延时传输网络和灵活的AI大模型集成能力，为开发者提供了一站式的音视频互动解决方案。 二、核心功能亮点 AI实时对话集成undefined支持灵活接入多家AI大模型，结合TRTC的实时音频传输与AI降噪技术，实现高拟真度的双向音视频交互。 音视频时长38万分钟/月+26万分钟/月录制时长+1万分钟/月AI时长 AI实时字幕、弱网优化、小程序加速 AI对话、在线教育 旗舰版Plus 8000元/月 音视频时长140万分钟/月+60万分钟/ 通过变声/虚拟背景功能打造沉浸式AI伴侣互动体验 在线教育：低延时互动课堂支持万人同时连麦，配合AI降噪保障通话清晰度 【结语】 腾讯云实时音视频Chat SDK以超低延迟、全平台互通和AI深度融合能力
54210编辑于 2025-10-14- 来自专栏AI科技大本营的专栏
从音视频技术看AI的机会和挑战
另一件事在2018年初，现场聆听了蒋涛关于AI的分享，其中介绍了在Google内部，AI已经在大部分产品上应用，包括Youtube。 事实上，从2017年第一届LiveVideoStackCon音视频技术大会开始，AI主题就没有缺席过，但直到2019年，AI在音视频方面真正的落地应用才陆陆续续在LiveVideoStackCon上体现 此外，AI还可以帮助影视策划制作与营销，通过分析剧本类型、导演、明星阵容预测作品的流程程度，从而在后期推广、广告合作方面更加精准。 以上粗浅聊了聊AI在音视频领域的具体应用，仅仅是冰山一角。 在8月23-24日的LiveVideoStackCon 2019北京音视频技术大会上，有许多我非常期待的AI相关的话题，作为大会主编，每一个讲师都是我亲自甄选和沟通，并参考各个专题出品人的建议。 声纹识别与防录音重放攻击》 清华-得意音通声纹处理联合实验室 博士生 程星亮 《多模视角下的内容理解算法与应用》 快手 多媒体内容理解部负责人 李岩 《音频指纹技术在流媒体音乐平台的应用》 网易云音乐 音视频实验室负责人
74710发布于 2019-08-16 - 来自专栏音视频技术
从音视频技术看AI的机会和挑战
多媒体搞AI，还有比这更靠谱的？ 文 / 包研 LiveVideoStack主编 我关注AI完全是被动的，直到两件事改变了我对AI的看法。第一件发生在2017年5月，AlphaGo以3比0战胜柯洁。 事实上，从2017年第一届LiveVideoStackCon音视频技术大会开始，AI主题就没有缺席过，但直到2019年，AI在音视频方面真正的落地应用才陆陆续续在LiveVideoStackCon上体现 此外，AI还可以帮助影视策划制作与营销，通过分析剧本类型、导演、明星阵容预测作品的流程程度，从而在后期推广、广告合作方面更加精准。 以上粗浅聊了聊AI在音视频领域的具体应用，仅仅是冰山一角。 在8月23-24日的LiveVideoStackCon 2019北京音视频技术大会上，有许多我非常期待的AI相关的话题，作为大会主编，每一个讲师都是我亲自甄选和沟通，并参考各个专题出品人的建议。 声纹识别与防录音重放攻击》 清华-得意音通声纹处理联合实验室 博士生 程星亮 《多模视角下的内容理解算法与应用》 快手 多媒体内容理解部负责人 李岩 《音频指纹技术在流媒体音乐平台的应用》 网易云音乐 音视频实验室负责人
1.1K20发布于 2019-08-16 腾讯云音视频对话式AI解决方案概要
一、产品定位与核心亮点 技术定义：腾讯云音视频对话式AI解决方案是具备实时互动能力的对话式AI，能够精准理解用户意图并和用户进行语音互动，提供丰富的情感价值，为用户带来更真实和个性化的社交娱乐体验（据原文 核心技术属性：实时音视频互动、语音意图理解、多模态融合（STT/TTS/LLM）；商业差异化卖点为超低延迟通信、全场景适配、无缝集成第三方模型、高兼容性，助力客户快速构建类真人对话体验。 降噪引擎，提升语音识别准确率； 超低延迟通信：全球范围音视频传输端到端延迟<300ms，对话延迟<1000ms，确保LLM及时处理用户音视频数据； 高真实性：全球部署，端到端延迟<300ms，全部对话环节延迟 客户名称：某社交娱乐APP 背景：面临新玩法缺乏、文字型AI互动性不足等挑战。 解决方案：采用TRTC AI一体化解决方案，引入语音对话式AI提升实时互动性，帮助用户发现更合适交友对象。 成效：提升用户体验的趣味性及付费意愿；核心技术支撑为TRTC超低延迟通信（全球音视频传输端到端延迟<300ms，对话延迟<1000ms，近似人类自然对话响应时间）。
16510编辑于 2026-04-04腾讯云音视频对话式AI解决方案概要
一、产品定位与核心亮点 腾讯云音视频对话式AI解决方案基于TRTC（腾讯实时音视频）技术，提供超低延迟通信能力与端到端对话式AI框架，支持客户快速集成自有大语言模型（LLM）和语音合成（TTS）模块。 数字物流平台 受众：物流企业 痛点：人工客服成本高、效率低 解决方案：AI智能客服实现多轮通话互动 2. 社交娱乐应用 受众：出海社交娱乐平台 痛点：文字互动性不足、新玩法匮乏 解决方案：语音对话式AI提升用户匹配效率与付费意愿 3. 其他场景 呼叫中心（AI客服/销售顾问） 高效办公（语音命令控制应用） 医疗辅助（远程诊断与咨询） 三、应用框架与核心功能 功能框架 客户端：音频采集/播放、AI降噪、回声消除 服务器端 ：STT识别、AI转控、LLM/TTS模型通道对接 硬核指标 指标类型 数值 来源 音视频延迟 端到端<300ms 产品技术文档 对话延迟 全环节<1000ms 数字物流案例 STT语言支持 130
19110编辑于 2026-04-01腾讯云音视频对话式AI解决方案概要
一、产品定位与核心亮点 技术定义：腾讯云音视频对话式AI解决方案是基于TRTC（实时音视频）技术的实时互动对话式AI系统，整合STT（语音转文字）、智能打断、模型通道等核心功能，支持客户接入通用或定制LLM 成效：音视频端到端延迟300ms以下，全部环节延迟最低1s，实现类真人对话效果；支持全国23种方言精准STT识别；机器人智能打断灵敏度小于1s，配合AI降噪引擎提升语音识别准确率；All In One集成方案轻量化对接 ，助力快速上线；有效降低运营成本并提升服务效率（数据来源：腾讯云音视频对话式AI解决方案官方资料）。 20000种设备型号；提升用户体验趣味性及付费意愿（数据来源：腾讯云音视频对话式AI解决方案官方资料）。 数据来源：腾讯云音视频对话式AI解决方案官方资料（含客户场景案例、产品介绍、方案亮点等内容）。
12510编辑于 2026-04-05腾讯云音视频对话式AI解决方案概要
一、产品定位与核心亮点 技术定义：基于TRTC（实时音视频）技术的对话式AI解决方案，整合STT（语音转文字）、智能打断、模型通道、AI降噪引擎等功能，支持客户自有或定制LLM（大语言模型）与TTS（文字转语音 核心技术属性：超低延迟实时互动、多模态（音视频）处理能力、第三方模型无缝集成。 undefined数据来源：腾讯云音视频对话式AI解决方案 产品优势 高可用性：音视频端到端延迟300ms以下，全部环节延迟最低1s，实现类真人对话效果。 全球部署：支持全球范围音视频传输，确保超低延迟。 第三方模型集成优化：作为行业领先RTC厂商，搭建性能最优、延时最低对接通道，用户仅需配置账户凭证即可实现快速低延迟对话式AI体验。 五、总结 腾讯云音视频对话式AI解决方案以TRTC为核心，通过超低延迟、高兼容、精准识别及灵活集成能力，为社交娱乐、呼叫中心、高效办公、医疗辅助等场景提供实时互动AI服务，已助力某数字物流平台降本提效、
21730编辑于 2026-04-06- 来自专栏音视频咖
AI in Game，大模型能力与实时音视频技术融合，交出AI应用新答卷
在实现音视频数据高效采集、处理、传输的基础上，GME AI实时对话解决方案叠加了智能降噪、智能打断、上下文管理等游戏场景所需的核心能力，只需少量开发就可快速实现全开麦的AI实时语音交互，方便游戏行业开发者快速将 、连接池等机制，全球端到端音视频传输延时可控制在300ms内，AI对话全链路总延迟低于1000ms。 基于真实游戏场景优化 全开麦自由交流，AI对话媲美真人 利用回声消除、噪声抑制等专利算法，强力抑制键盘声、鼠标声等游戏场景常见噪音。引入全新降噪引擎，输入端音视频实时AI降噪，提升ASR识别准确度。 腾讯云音视频在音视频领域已有超过21年的技术积累，持续支持国内90%的音视频客户实现云上创新，独家具备腾讯云RT-ONE™全球网络，在此基础上，构建了业界最完整的 PaaS 产品家族，并通过腾讯云视立方 腾讯云音视频为全真互联时代，提供坚实的数字化助力。
1.6K10编辑于 2025-05-21 - 来自专栏Dance with GenAI
AI网络爬虫：批量爬取抖音视频搜索结果
任务：批量爬取抖音视频的搜索结果内容，包括视频标题，视频地址和视频创作者等信息。
1.2K10编辑于 2024-06-24 腾讯云音视频对话式AI解决方案概要
核心技术属性：基于TRTC（实时音视频）技术，集成STT（语音转文字）、智能打断、模型通道（支持通用/定制LLM与TTS模型对接），实现超低延迟实时对话。 ； 实时互动AI服务：智能打断、STT、LLM/TTS对接、AI转控、AI降噪引擎； TRTC Cloud支撑云端能力。 硬核指标 延迟：音视频端到端延迟300ms以下，全部对话环节延迟最低1s（某数字流平台案例）/保持在1000ms以下（某社交娱乐APP案例）； 打断灵敏度：小于1s； STT支持：全国23种方言 产品优势 逐段提取原文优势点（加粗标注核心能力）： 高可用性：音视频端到端延迟300ms以下，全部环节延迟最低1s，实现类真人对话效果（数据来源：某数字流平台案例）； 高灵活性：符合OpenAI 成效：全球范围音视频传输端到端延迟低于300ms，对话延迟保持在1000ms以下，实现流畅自然互动，帮助用户发现合适交友对象，提升用户体验趣味性及付费意愿（数据来源：某社交娱乐APP案例）。
29140编辑于 2026-04-06腾讯云音视频对话式 AI 解决方案概要
一、 产品定位与核心亮点 腾讯云音视频对话式 AI 解决方案 是一款基于 TRTC（腾讯实时音视频）技术的 All In One 集成方案。 功能框架 该方案采用“客户端 SDK + 实时互动 AI 服务”的架构： 客户端 (APP/IoT)： 集成 TRTC SDK，负责音频采集播放、AI 回声消除、AI 降噪及关键词唤醒。 传输层： 利用 TRTC 全球传输网络进行音视频数据的低延迟传输。 服务端 (AI Services)： 音频处理： 包含 AI 降噪、AI VAD（语音活动检测）、抽帧截图、智能打断及背景音处理。 硬核指标 端到端延迟： 音视频传输端到端延迟低于 300ms。 对话响应延迟： 全部对话环节（ASR+LLM+TTS+网络）总延迟控制在 1000ms (1s) 以内。 某社交娱乐APP 背景： 一款出海社交娱乐产品，面临新玩法缺乏、传统文字型 AI 互动性不足、用户体验单调的挑战。 解决方案： 采用 TRTC AI 一体化解决方案。
40110编辑于 2026-02-03腾讯云音视频对话式AI解决方案概要
三、应用框架和功能介绍 · 功能框架 架构包含TRTC SDK（多平台支持）、实时互动AI服务、服务器端音频处理（AI降噪、回声消除、智能打断）、AI转控、STT/TTS模块、LLM集成通道，支持从音频采集播放到 AI处理的全流程闭环。 · 硬核指标 延迟：音视频端到端延迟300ms以下，全部环节延迟最低1s（数字物流案例），对话延迟1000ms以下（社交娱乐案例），全部对话环节延迟15秒以内（社交娱乐方案）； 语言支持：精准STT · 产品优势 功能全面：提供STT、智能打断与模型通道，客户仅需准备LLM和TTS模型即可创建流畅对话； 高可用性：音视频端到端延迟300ms以下，全部环节延迟最低1s，实现类真人对话效果； 高灵活性 无缝对接客户自有LLM； 精准语言识别：支持23种方言、130种海外语言及四种指定语言模糊识别； 快速上线：All In One集成方案，轻量化对接助力业务快速上线； 超低延迟通信：全球部署确保音视频端到端延迟
15510编辑于 2026-04-03- 来自专栏大数据及人工智能
浅谈AI机器学习及实践总结
train_test_split X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=0) 收集数据和预处理总结 模型上线流程主要是，先离线把模型序列化存储到文件系统，Tensorflow Serving 把模型文件载入到模型服务器，还原模型推断过程，对外以 HTTP 接口或 gRPC 接口的方式提供模型服务 总结 本文首先介绍了机器学习，了解了机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分组和解决问题的技术，并对机器学习的分类以及深度学习做了总结， 其次，介绍了怎么利用 本文参考从零开始学习机器学习，加入自己的理解和相关内容，充其量就是一个入门的总结，整个机器学习涉及到许多内容，不仅仅是算法而且还有大量AI数据工程、后端技术栈，要想精通需要在后端技术、AI算法方面多下功夫
2.4K52编辑于 2022-03-08 - 来自专栏Pytorch实践
AI与深度学习-2017年总结
2017年AI界出现了很多进展，虽说没有像之前CNN、RNN、GAN出现时的转折，但也有很大的突破，特别是当Alpha Zero出现，强化学习的地位一下子飞升。 下面将从算法、模型、框架以及数据出发，简单总结一下2017年的动态。 No.1 算法 强化学习当属2017年的重头戏，从AlphaZero出现并战胜AlphaGo开始引爆。 No. 5 业界动态 李飞飞携手谷歌在中国北京建立谷歌中国区AI研究院；李航加入头条；Andrew离开百度；百度IDL又引入三位学术界大佬；多家公司的无人驾驶已经上路；谷歌的TPU已经在云平台可用；阿里部署无人超市等 当然还存在一些吹嘘过头的，例如IBM的沃森、以及医疗方面的AI助手等。
960100发布于 2018-03-26
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