音视频标签_DAMO开发者矩阵

音视频

单视频三维重构赋能无人车、机器人现场三维态势感知应用技术方案

本方案基于耿文海团队原创的Pixel2Geo像素空间反演算法，依托单目视频流实现无人车、机器人轻量化三维态势感知，突破激光雷达依赖、弱纹理失效、动态预判不足等痛点。通过实时像素升维、动静一体化解算、边缘离线自主运行，构建全工况、全天候、无载荷的三维感知体系，实现厘米级实景重构与主动风险预判，推动地面智能装备从“二维识别”向“三维主动感知”范式升级，助力国产化智能化规模化落地。

太湖笨笨鱼
5小时前

 7

#音视频 #重构 #机器人
镜像视界浙江普陀时空大数据研究院单视频三维实时重构技术与Atlas世界模型技术对比白皮书

随着空间智能、数字孪生、机器人仿真技术的高速迭代，三维空间数字化已成为人工智能赋能公共安全、工业智能制造、实景数字化建设的核心基础底座。当前全球空间智能技术赛道已形成两大泾渭分明的核心技术范式：第一类为感知式实景三维重构技术，以真实物理空间还原、度量级空间计算、长时序实时动态感知为核心目标，服务实体场景数字化刚需；第二类为生成式世界模型技术，依托海量空间先验知识，实现场景推演、盲区补全与虚拟空间自

 科研前沿
10小时前

 119

 1

#大数据 #音视频 #重构
镜像视界单视频三维实时重构技术与 Atlas 世界模型对比分析

镜像视界与Atlas分属空间智能两大范式：前者基于单视频流实时重构真实物理世界的度量三维空间，实现动态目标无感定位与跨镜追踪，适用于安防、矿山等工程化场景；后者为生成式世界模型，依赖多模态输入脑补虚拟场景，擅长新视角生成与仿真，面向内容创作与机器人训练。二者目标、输入、约束与落地场景本质不同，非替代关系，而是“感知重建”与“生成仿真”的互补赛道。

科研前沿
11小时前

 228

 1

#音视频 #重构 #人工智能
偷师造轮胎和做跑鞋的三招把机器人足底噪音压到图书馆水平

 偷师造轮胎和做跑鞋的：三招把机器人足底噪音压作者：陈卫东陈宝隆 | RobotSole RobotSole | www.robotsole.com 偷师造轮胎和做跑鞋的：三招把机器人足底噪音压到图书馆水平作者：陈卫东陈宝隆 | RobotSole | www.robot… —— RobotSole 机器人足底技术偷师造轮胎和做跑鞋的：三招把机器人足底噪音压到图书馆水平作者：陈卫东陈

 RobotSole
2026-10-01 19:04:32

 187

 1

#机器人 #音视频
计算机视觉28：世界模型与视频扩散

本课探讨视频扩散模型如何演变为可学习的世界模拟器。纯视频生成模型（如Sora 2）仅凭提示生成视频，而动作条件化世界模型（如Genie 3、GWM-1 Worlds）可通过动作预测未来帧，实现交互式模拟。核心架构采用时空3D分块与旋转位置编码，结合联合注意力机制。该范式已广泛应用于自动驾驶（如NVIDIA Cosmos-Drive）与机器人技术——通过VLM规划、视频模型模拟、逆动力学执行构成闭环

 weixin_42799533
2026-09-30 13:25:52

 350

 2

#计算机视觉 #音视频 #人工智能 +3
第09讲 · 多媒体与音频 SDK：硬件编解码与端侧语音

本讲聚焦边缘AI实战中“边采集边推理”的核心挑战，揭示硬件编解码（VPU）在实时音视频流处理中的关键作用。通过对比软硬解码差异，强调将解码、预处理等格式转换任务交由专用硬件，释放CPU与NPU算力。构建“捕获→硬件解码→NPU推理→显示/编码”流水线架构，实现30fps级低延迟流式处理。结合生产者-消费者模型与队列缓冲，落地可扩展的实时检测系统，为安防、机器人等场景提供高效、低功耗的端侧推理方案。

HuiMinHuang2001
2026-09-30 10:58:23

 540

 3

#音视频 #人工智能 #嵌入式硬件 +3
音视频行业和从业者的未来在哪里？从实时媒体到机器感知的下一场迁移

随着开源、云服务和AI不断降低开发门槛，单纯依靠播放器、推流、协议调用形成的音视频技术壁垒正在减弱，但实时视频本身却正在进入机器人、无人系统、工业视觉、智慧电力、智能汽车和AI应用。音视频的价值正在从“把画面播放出来”，迁移到稳定传输、实时数据流动、边缘处理和机器感知。本文从SmartMediaKit的技术演进出发，讨论Media Core、低延迟、AI视频管线、边缘媒体服务以及音视频工程师未来真

 音视频牛哥
2026-09-29 07:07:49

 301

 2

#音视频
机器人工作站的安全逻辑怎么用动画讲清？先画边界，再画动作

安全可视化旨在清晰呈现人员、设备、物料与防护的边界及状态变化，通过三层结构——空间层（区分作业区、运动区、物料区、防护区）、状态层（正常、等待、告警、维护）与动作层（经确认的关键切换），实现安全逻辑的可视化表达。镜头设计聚焦“允许什么”（通行路径）、“阻止什么”（隔离与互锁）、“发生什么”（中性响应），确保技术准确与观众理解并重。动画仅作辅助，不可替代规程或培训，异常状态可概念化展示，但不编造事故

 Khaos-
2026-09-28 17:32:21

 225

 1

#安全 #微信 #音视频 +1
Cosmos Curator 清洗视频时，哪些片段应该留下？

在使用NVIDIA Cosmos Curator清洗巡检视频时，应保留看似“静止”的片段，因其可能包含关键行为（如机器人停顿等待）。运动过滤应前置，但需区分“低运动”与“无运动数据”——负分可能源于解码失败而非真实静止。建议启用score-only模式以保留所有片段供人工核对，避免过早丢弃潜在重要样本。验收时应追溯片段来源、检查元数据完整性，并建立可复核的记录，确保筛选逻辑透明可解释。

武子康
2026-09-28 12:23:27

 344

 6

#音视频 #人工智能 #深度学习 +1
四足机器人如何做好智慧电力巡检？从低延迟图传到可信巡检数据闭环

四足机器人正在成为智慧电力巡检的重要移动感知载体，但真正决定系统可用性的，并不只是机器人本体和视觉算法，还包括低延迟视频传输、多源数据关联、异常恢复、并发隔离及巡检证据留存。本文从大牛直播SDK（SmartMediaKit）视角，围绕可见光、红外、音频、RTSP、RTMP、HTTP-FLV、WHIP/WHEP、GB28181及录像能力，系统分析机器人端到站端的实时音视频架构，并讨论如何形成可集成、

音视频牛哥
2026-09-28 11:11:01

 358

 4

#音视频
神经编码不是“AI 调参数”：看懂下一代视频编码的本质变化

神经编码正成为视频压缩领域的重要方向，但它并不是给 H.264、H.265 简单加一个 AI 模块，而是在重新定义“视频如何表示和压缩”。本文从传统编码的基本原理切入，系统分析神经编码与普通编码算法在设计思路、表示方式、优化路径和落地挑战上的本质差异，并进一步讨论其在直播、安防、机器人、工业视觉和机器视频等场景中的应用前景。同时结合 SmartMediaKit 的开放媒体管线，说明其在未来兼容 A

音视频牛哥
2026-09-26 12:40:51

 342

 7

#人工智能 #音视频
无人平台集群单视频流实时三维建模在灾害现场全域感知与搜救路径规划中的应用

镜像视界（浙江）科技基于单视频三维实时重构理论，研发无人平台集群单视频流实时三维建模系统，突破传统灾害搜救中通信中断、建模滞后、路径规划脱离地形等难题。通过多架无人机与地面机器人协同作业，仅依赖普通单目摄像头，实现边采集、边建模、边推演，构建全域动态三维场景，自动识别障碍物与受困目标，生成多条安全搜救路径并实时更新。系统轻量化部署、抗弱网传输，支撑地震、滑坡、洪涝等复杂场景远程高效救援，显著降低人

 科研前沿
2026-09-21 22:15:54

 228

#人工智能 #无人机 #音视频 +1
4K 画面进不了电脑？宏晶微 MS2131S 采集芯片方案全解

宏晶微MS2131S是一颗集成4K HDMI采集、USB3.0输出、音频混音与环出功能的高清音视频处理芯片，支持UVC/UAC免驱，跨Windows/macOS/Android/Linux系统。单芯片实现HDMI→USB信号转换，内置环出监看与多路音频混合，解决电脑无HDMI输入、音画分离、带宽不足等痛点，适用于直播、录播、安防、医疗影像等场景，助力快速开发采集设备。

FunnySoul1012
2026-09-21 10:14:10

 474

 4

#音视频 #嵌入式硬件
从新能源到具身智能：跨越感知、决策与执行闭环的系统工程挑战

具身智能会不会重演新能源汽车的成长路径？本文从大牛直播SDK（SmartMediaKit）的音视频视角，分析感知与行动的距离，讨论低延迟传输、时间同步、本地安全闭环、数据积累与商业成本。技术不成熟不等于方向错误，个别乱象也不能代表整个产业。真正的前景，不在炫目的演示，而在可验证的工程能力与真实交付。

音视频牛哥
2026-09-21 06:48:55

 85

#音视频 #人工智能
企业微信API如何识别文本、图片、文件和视频？

无论是文本、图片还是视频文件，在星云企业微信开放平台（Google搜索）的底层通信框架里，万物皆可结构化。抓住了MsgType这个核心调度器，您就能在代码里从容不迫地对各种媒体格式进行精准路由与自动化处理。希望这篇技术解析能为您搭建多模态智能机器人的底层架构提供帮助！如果您在处理大体积文件拉取，或者是识别长视频回调上遇到了业务瓶颈，欢迎在评论区留言，我们共同探讨最佳的技术落地思路。

nebulaAPI
2026-09-16 09:50:19

 247

 5

#音视频 #java
机器人产品动画展示什么？让客户看懂能力边界，而不只是看见机器人在动

机器人动画应聚焦具体任务场景，清晰呈现任务条件、执行部件、信息依赖与边界限制，而非仅展示机械动作。通过可视化五个层次：任务输入、感知判断、执行机构、协同接口与部署边界，突出动作与环境的关联性。图注需确保任务、动作与空间关系可读。优先明确工件起点、终点、节拍与人员角色，帮助观众判断适配性。局部工位或概念场景更易理解，无需完整工厂画面；无真实素材时可用公开模型构建。兼顾技术与非技术人员：先以任务结果建

 Khaos-
2026-09-15 20:19:24

 161

 1

#传媒 #微信 #新浪微博 +1
具身智能底座：高帧率视频分析与柔性抓取的实时视觉计算网络 | 机器视觉方案

《OpticCore 2026工业视觉技术白皮书》提出具身智能(Embodied AI)将成为工业自动化新范式。针对传统静态视觉系统在柔性生产中存在的延迟高、泛化差等问题，该技术通过三大创新突破：1)采用FlashAttention优化的流式Transformer架构，将1080P/60FPS视频流推理延迟压减至10毫秒以内；2)基于视觉语言模型(VLM)实现零样本识别，支持自然语言指令解析；3)

烟雨江南785
2026-04-13 01:34:19

 381

 11

#音视频 #网络
CogRobot 论文深度解析：当视频编码的“老朋友“光流，成了机器人双臂操作的“中间表示“

单臂机器人操作，相当于单声道；双臂操作（bimanual manipulation）是立体声——不是简单多一路，而是两路信号之间还要有相位协调。你想想人拧瓶盖：左手固定瓶身、右手旋转瓶盖，两个末端执行器之间存在动态的力学耦合与角色分工。动作空间爆炸：两个 7-DoF 机械臂 + 两个夹爪，联合动作维度直接翻倍，而且双臂协作天然是多模态的（同样的任务有一堆合法的协作方式），数据覆盖要求极高；数据极度

 一九九一晚春
2026-09-13 17:26:35

 149

#音视频 #机器人
MotionWAM 深度解析：让视频世界模型跑进实时人形机器人全身控制

人形 loco-manipulation（移动操作）要求机器人一边在人尺度环境里移动，一边协调平衡、行走、伸手够物和物体交互。目前几乎所有自主人形系统都采用分层范式（hierarchical paradigm）：上层操作策略只控制上半身，输出精细的关节目标；下层控制器只跟踪粗糙的底座指令（速度、躯干高度、朝向）。上下半身活在两个不一致的动作空间里。上半身拿的是关节级的"高清指令"，下半身拿的只是底

 一九九一晚春
2026-09-11 21:09:40

 333

#音视频 #机器人 #深度学习
YouTube嵌入视频提示“登录以确认你不是机器人”怎么处理

在课程网站、博客、论坛里点开一条 YouTube 视频，播放器突然变成“登录以确认你不是机器人”。奇怪的是，把同一条视频直接放到 YouTube 里打开，又能正常播放。碰到这种情况，先别急着退出 Google 账号，也不要上来就清空浏览器数据。

bitbrowser
2026-09-11 18:27:38

 277

 3

#音视频 #php #开发语言
B站美食视频数据分析与可视化

B站美食视频数据分析与可视化项目旨在通过先进的数据挖掘技术和可视化手段，深入探索B站美食视频的传播规律和用户行为模式。项目构建了一套完整的数据分析体系，涵盖了播放量分布、UP主数据统计、视频时长分析、互动分析、视频风格分析以及内容分类聚类分析等多个维度。通过数据大屏的直观展示，用户可以实时了解B站美食视频的整体情况，包括播放量的地域分布、UP主的影响力排名、视频时长的分布特征、用户的互动行为、视频

 千里码aicood
2026-09-03 10:38:01

 311

 4

#美食 #音视频 #数据分析
视频分析网络穿透参数配置说明

本文面向音视频开发工程师、交付部署工程师及系统架构师，提供一套工业级的“内网摄像头远程访问与网络穿透”参数配置指南。本文基于反向隧道（frp/Agent）与 RTSP Over TCP 协议，详述从内网视频源到 AI 算法推理引擎的全链路接入配置、关键参数含义、推荐值、错误排查及性能安全调优建议。

AI服务老曹
2026-08-20 10:25:42

 413

 5

#音视频 #网络
OpenShot 4.0 (Linux, macOS, Windows) - 免费开源视频编辑器

OpenShot 4.0 (Linux, macOS, Windows) - 免费开源视频编辑器

 sysinside
2026-08-31 16:31:57

 351

 6

#音视频
水位识别算法接入AI视频分析平台全流程与误报优化指南（附接口字段与排查表）

在河道水利、水库防汛与城市排水监控场景中，基于视频水位识别（水位识别算法）的自动化监测常面临水面波浪倒影、夜间红外补光不足、水尺积垢遮挡以及立杆抖动导致的误报和读数偏差问题。本文立足现场部署工程师视角，梳理从工业摄像机 RTSP/GB28181 视频流接入、算法商城部署、水尺刻度/水体交界线分割到结构化水位数据输出的全流程，并提供标准 JSON 接口字段示例与 8 种高频异常排查清单，帮助工程师快

 AI服务老曹
2026-08-27 20:15:00

 694

 14

#算法 #人工智能 #音视频
越界检测算法接入 AI 视频分析平台的流程与误报优化指南

在周界防范与周界通道管控场景中，基于视频越界检测的越界检测算法是安全安防的第一道防线。然而，在实际工程落地过程中，强光照射、树枝摇晃、小动物闯入以及目标贴线平行行走常常引发大量误报，严重影响监控效能。本文面向视觉 AI 工程师与运维人员，详细介绍从 IPC 视频流接入、算法路由绑定、矢量警戒线绘制到 JSON 告警推送的全流程，并总结了 8 种高频误报场景的实战排查与优化方案。

ai产品老杨
2026-08-25 11:05:35

 300

 2

#算法 #人工智能 #音视频
仪表读数识别算法接入AI视频分析平台全流程与读数误报优化指南（附接口字段与排查表）

在变电站巡检、化工园区及工业制造场景中，基于指针表读数视觉算法的仪表读数识别常常面临视角倾斜变形、表盘玻璃反光、夜间红外模糊以及指针与刻度线粘连等工程痛点。本文立足现场实施工程师视角，梳理从工业摄像机 RTSP/GB28181 视频流接入、表盘透视变换校正、刻度与指针关键点定位到 JSON 结构化读数输出的全流程，并提供标准接口字段示例与 8 种高频读数异常/误报排查清单，帮助工程师快速构建稳定可

 ai产品老杨
2026-08-27 20:00:00

 377

 10

#算法 #人工智能 #音视频
MiniMax H3 开源，开源视频终于上桌吃饭了附上一键整合包。

免费。本地跑。没人审你。人脸没限制，版权没限制。还能多参考，图、视频、音频一起喂。最关键的是，社区还在发力中。工作流、模型、提示词模板，每天都在往外冒文生视频 | 图生视频 | 全能参考生成视频 8G显存就能跑，支持图生/文生/首尾帧/多参考（图+视频+音频），效果接近闭源8月3日，MiniMax 把他们的新一代通用视频模型 H3 开源了。我第一时间跑了一遍。跑完之后，脑子里就一句话，开源视频模型

 apple_69265885
2026-08-09 21:07:21

 368

 5

#开源 #音视频
MiniMax H3 开源免费版解压即用：最低 8G 显存可玩，ComfyUI 整合包下载支持本地AI生成视频

MiniMax H3 这次开源之后，AI 视频生成领域的竞争确实会更加激烈。特性MiniMax H3开源支持本地运行支持ComfyUI支持文生视频支持图生视频支持首尾帧支持多参考生成支持图片参考支持视频参考支持音频参考支持量化模型已出现8GB 显存社区已有可运行反馈高显存体验更好如果你只是想快速体验，直接使用整合包会比较省事。目前建议大家不要只盯着单次生成效果。真正值得关注的是后面的社区生态。

2601_96629961
2026-08-08 15:42:08

 3388

 8

#开源 #人工智能 #音视频
MiniMax H3 开源深度解析：33B全模态生成系统架构、本地部署与2K视频工作流全解读

2026年8月3日，MiniMax 正式开源新一代通用视频模型 MiniMax H3。这是一个能够统一理解文本、图像、视频、音频的多模态生成系统，可生成最高2K分辨率、最长15秒、带原生立体声音频的视频。本文将从系统架构、核心技术、API调用、本地部署、2K工作流等维度进行超过8000字的全面拆解，并附8个实战代码示例！

正在走向自律
2026-08-16 16:14:49

 3339

 10

#音视频
MiniMax H3 开源视频模型测评总结

摘要： 2026年8月3日，MiniMax开源视频模型H3，支持4-15秒2K视频生成及多模态输入（图/视频/音频），性能接近闭源模型。本地部署需24GB显存，8G显存可运行INT8量化版。整合包提供ComfyUI工作流，但需注意环境配置：更新NVIDIA驱动至≥580版本、安装LLVM 18.1.8（避免LLVM 22兼容问题）、修复MSVC头文件缺失及Triton的Windows分支bug。实

 杨航JAVA
2026-08-08 09:17:14

 253

 1

#开源 #音视频
MiniMax开源视频模型全球第一？消费级显卡就能跑，整合包已打包

MiniMax开源新一代全模态视频模型H3，支持文生视频、图生视频及多参考生成，在多项榜单中表现优异。本地部署需4张80GB GPU或24GB单卡量化版，生成768P视频耗时较长（5-10分钟/5秒）。官方提供2K增强API（0.8元/秒），商用需遵守Community License。已发布包含工作流和权重的整合包，需ComfyUI 0.30以上环境运行。

weixin_41223575
2026-08-18 17:11:15

 455

 7

#音视频
MiniMax H3 正式开源！统一全模态视频生成，2K+15秒+原生立体声，一文看懂架构与玩法

MiniMax H3 正式开源！统一全模态视频生成系统，最高 2K 分辨率、15 秒时长、原生立体声音频，支持文生视频/首尾帧/参考图视频音频混合输入。一文看懂其系统架构（H3-Context-IR + H3-Base + H3-Regenerate-2K）、模型细节与上手方式。

小名空鵼
2026-08-12 19:59:29

 656

 10

#音视频
开源版LibTV来了！LibTV和TapNow同款画布让小团队也可以在本地部署无限画布

开源AI无限画布Open Canvas发布，助力创作者低成本本地化部署。针对LibTV等商业平台的高额订阅成本问题，该项目提供完全开源、支持本地部署的解决方案，采用BYOK模式让用户自主控制API调用成本。核心功能包括多模态节点工作流（文本/图片/视频/音频）、数据本地存储、自动上下游衔接等，特别推荐搭配Cyberbara API实现高性价比创作。通过案例演示了从生图到视频合成的完整工作流，为个人

 Zero Lu
2026-08-13 19:40:52

 1307

 9

#人工智能 #AIGC #音视频
RK3588 AI视频分析性能优化指南：小规模与“明厨亮灶”硬件选型与实战手册

针对餐饮“明厨亮灶”等轻量级AI视频分析场景，RK3588边缘盒子凭借低功耗（15W~25W）、低成本（单路约¥100~200）及本地化数据安全优势，成为4~16路1080P视频分析的理想选择。然而，实际部署中常因解码、预处理或调度不当导致性能瓶颈。本文提出全流程优化策略：通过MPP硬解码+RGA图像加速+NPU三核异步调度，结合动态抽帧（如5fps）与ROI裁剪，可显著提升效率。对比GPU服务器

 ai产品老杨
2026-08-19 10:32:09

 430

 3

#人工智能 #音视频 #性能优化
边云协同视频分析性能优化指南：多站点部署下的参数配置与排查清单（边缘推理+云端管理）

本文针对多站点边云协同视频分析场景，聚焦于真实工程落地中的参数配置与性能瓶颈。文章从边云交互原理出发，提供 6 步标准化的配置操作流程、涵盖核心参数的配置/推荐表以及 8 个高频故障排查清单，帮助现场部署与运维工程师精准调优，实现系统高吞吐与高可用。

ai产品老杨
2026-08-13 16:45:00

 376

 6

#音视频 #性能优化
MiniMax H3 开源，Seedance 闭源：2026 AI 视频两强怎么选

这是商业决策的最后一道门槛。预算充足，追求极致画质与稳定→选 Seedance 2.0。按量计费（$0.68/s），一条 15 秒视频约 $10。适合客单价高、对品质要求苛刻的项目（如汽车广告、大制作短剧）。预算敏感，追求高频迭代→选 MiniMax H3。本地推理边际成本趋近于零（仅电费）。适合 MVP 验证、中小商家素材、教育内容、个人创作者。

Black_Rock_br
2026-08-11 10:11:14

 973

 20

#人工智能 #开源软件 #音视频 +1
视频转PPT工具测评：通义听悟、Ai好记、讯飞听见谁更懂画面信息？

本文针对网课学习中的PPT提取痛点，对比三款工具的实用表现。通义听悟和讯飞听见专注语音转写，虽文字识别精准但均不支持PPT画面自动捕获；Ai好记则针对性解决图文对应需求，能自动截取PPT画面并与文字内容关联，支持Markdown等多格式导出。评测显示，纯语音场景选前两者，若需保留课件图文信息，Ai好记的"视频转笔记"功能更具优势。不同工具的核心差异实为产品定位之分，用户应根据实际需求选择。（149

2601_96073073
2026-08-04 15:25:58

 464

 8

#音视频 #人工智能
开源硬核LTX-Video 本地部署整合包教程：超低显存生成高清AI视频，告别云端排队！

一键部署LTX-Video：本地AI视频生成全攻略 Lightricks开源的LTX-Video凭借高效生成（秒级响应）和低显存需求（8G起）成为AI视频创作新宠。本文提供完整部署指南：硬件要求：Win10/11系统，NVIDIA显卡（RTX2060 8G+），16GB内存，30GB SSD空间三步部署：解压英文路径整合包→运行一键启动.bat→访问本地WebUI（127.0.0.1:7860

lzj781210
2026-08-02 10:02:41

 440

 5

#人工智能 #音视频 #AIGC
MiniMax H3全模态模型详解｜参数、能力、API接入要点、开源计划汇总

MiniMax 正式发布新一代通用全模态生成模型，作为品牌首款计划开源的多模态视听生成模型，H3 将文本模型成熟的推理、上下文技术迁移至视频生成领域，面向开发者与商业场景提供一体化音视频生成能力。

API_Doubao
2026-07-31 11:42:10

 3886

 13

#github #开源 #AI作画 +2
开源视频制作显卡选型指南：RTX 5090、RTX 5000、RTX 6000与RTX Pro 6000深度对比

维度 RTX 5090 RTX PRO 5000 RTX 6000 Ada RTX PRO 6000CUDA核心 21760 14080 18176 24064显存 32GB GDDR7 48GB GDDR7 ECC 48GB GDDR6 ECC 96GB GDDR7 ECC显存位宽 512-bit 384-bit 384-bit 512-bitECC支持 ❌ ✅ ✅ ✅视频剪辑 ★★★★★ ★★

tiger从容淡定是人生
2026-08-02 11:35:14

 779

 3

#人工智能 #图像处理 #音视频 +2
IT6622 是什么芯片？ITE 联阳 HDMI1.4 发射器带 eARC/ARC 接收（音频解码复用）方案详解

（32~192kHz / 16~24bit），SPDIF 支持 PCM/Dolby Digital/DTS（最高 192kHz），并兼容 IEC 60958 / IEC 61937。：深圳市潜创微科技有限公司（ChangeWayTek）——国家高新技术企业、专精特新中小企业，成立于 2013 年，10 年以上高清音视频方案经验；，只发视频、不收音频回传。，可提供 IT6622FN 原厂芯片、评估板

 潜创微科技
2026-07-22 19:34:38

 668

 6

#音视频
Black Forest Labs发布Flux 3！初评超过Seedance 2.0，将开源

曾经的开源图像模型王者 Black Forest Labs（黑森林实验室）刚刚发布了 FLUX 3。FLUX 3不再是图像模型，已经进化成把视频、音频、动作预测全塞进了同一个模型里的多模态模型。它将多模态流模型作为视觉智能的基石，开始同时用眼睛、耳朵和触觉去理解世界。Black Forest Labs 成立于2024年，核心创始人是三位曾在Stability AI共同开发了知名开源图像生成模型 S

SuaniCommunity
2026-07-24 11:48:58

 599

 7

#音视频
音视频转笔记工具横评2026，通义听悟、Ai好记、NotebookLM 实测对比

本文对比测试了五款音视频转笔记工具（通义听悟、Ai好记、得到大脑、听脑AI、飞书妙记），从输入来源、转录质量、思维导图、导出兼容性四个维度进行评估。结果显示：通义听悟擅长会议实时转写；Ai好记支持多平台链接解析，可生成图文笔记和交互式思维导图；得到大脑适合得到生态用户快速记录；听脑AI在专业术语识别和内容结构化方面表现突出；飞书妙记深度整合飞书办公生态。不同工具各有侧重，用户可根据会议记录、学习笔

 2601_96073073
2026-07-23 14:37:41

 570

 10

#音视频 #人工智能 #AI
CK6159A音频语音芯片的功能特点

CK6159A是一款高度集成的32位语音MCU芯片，专为低功耗语音交互设备设计。该芯片整合了主控运算、音频解码、D类功放、触摸检测等功能于一体，大幅简化了传统分立方案的设计复杂度。其特点包括：内置音频DSP内核和高信噪比音频输出，支持多种采样率；具备丰富外设接口（UART/SPI/ADC等）和GPIO资源；超低功耗设计，休眠电流仅10μA，支持多级电源管理。典型应用于早教玩具、理疗设备、小家电等需

 深圳冠一
2026-07-08 11:43:38

 296

 4

#音视频 #语音识别 #人工智能
沁恒CH9338：一颗芯片搞定双机对拷+KVM共享，对拷线方案

对做对拷线、KVM 切换器、共享器的团队来说，BOM 精简、外围简单、跨平台软件现成，落地很快。做工程的、做IT运维的，甚至家里有两台电脑的，应该都干过这事：新旧电脑传文件，要么U盘来回倒，要么走网盘/微信，大文件卡半天还占流量；做对拷线、KVM 共享器、外设切换器的团队，选型拿不准的、要参考原理图的、想先拿样片评估的，直接找我们聊。对做"对拷线"成品的团队来说，这就是核心卖点：插两根 USB，开

 潜创微科技
2026-07-15 18:10:14

 326

 2

#音视频
AI视频分析私有化验收常见问题和排查清单：从环境准备到运维交接的技术实战

本文为AI视频分析项目私有化交付提供了一套标准化验收指南，重点解决环境差异大、权责不清等交付痛点。指南涵盖硬件配置清单（如Xeon 8核+T4显卡）、微服务架构说明、六阶段部署流程（含离线安装与参数配置），并给出5项核心验证标准（如算法告警响应时间＜2秒）。针对常见故障（如GPU不可见、拉流失败等）提供具体排查命令（如nvidia-smi、ffmpeg测试），同时强调升级回滚机制。适用于智慧园区等

 ai产品老杨
2026-07-08 16:45:00

 368

 8

#人工智能 #音视频 #运维
Meetily是什么？开源AI会议转写与纪要工具部署指南

Meetily 是一个开源 AI 会议助手。在尽量保护会议数据隐私的前提下，完成会议转写、总结和会议纪要整理。官方介绍中提到，Meetily 可以在本地运行，捕获会议内容，实时转写并生成总结，不需要把会议数据发送到云端。会议音频↓本地转写↓生成文字稿↓AI 总结↓会议纪要 / 行动项 / 决策记录这类工具比较适合远程团队、企业内部沟通、项目管理、客户会议和注重数据控制的组织。Meetily 不只是

 tedcloud123
2026-07-13 13:26:03

 230

 5

#人工智能 #音视频 #服务器 +2
基于B站的视频分析系统——面向美食视频内容生态的多源数据分析与可视化系统

本项目构建了一套美食视频数据分析系统，通过双路径采集B站美食分区2万条视频数据及5519条评论，实现从数据采集、清洗存储到多维分析的完整链路。系统采用Python+Flask技术栈，结合MySQL、TF-IDF、LDA等算法，对视频的创作者表现、发布时间规律、内容特征及用户评论进行深度挖掘。可视化大屏通过ECharts展示播放趋势、互动指标等核心数据，Web系统支持多维度查询与主题切换。项目兼具教

 王小王-123
2026-07-13 15:31:07

 558

 7

#音视频 #美食 #数据分析
生产环境实战：工地反光衣识别（PPE）接入AI视频分析平台的流程与深度误报优化指南

本文针对高危作业场景中的反光衣识别技术落地难题，提供了一套完整的工业级解决方案。通过标准化环境配置（Ubuntu22.04+RTX4090+壹合原码AI平台），详细阐述了从视频流拉取、算法配置到业务集成的全流程操作指南，重点解决外卖员误报、夜间灰度失效、环境反光干扰等核心痛点。方案采用两阶段检测架构（人体定位+反光衣特征分类），推荐1080P@15-20fps/CBR编码、5帧抽帧策略等关键参数，

ai产品老杨
2026-07-09 11:42:23

 400

 11

#人工智能 #音视频