技术干货

在社交平台刚刚把KTV搬到线上的2017年，能做到单人音轨与伴奏音乐的对齐已经殊为不易。直到目前，也仍有相当数量的社交平台仅提供「单人独唱，众人围观」的K歌体验。 01 让更多人乐…

随着线上泛娱乐的兴起，语聊房、在线 KTV 以及直播等场景在人们的日常生活中占据越来越重要的地位，用户对于音质的要求也越来越高，因此超越传统语音降噪算法的 AI 降噪算法应运而生，…

小到远程会议、直播娱乐，大到元宇宙话题中对于未来互动方式的讨论，音视频技术与我们生活方式的变革息息相关。目前，音视频赛道的技术突破，也给直播互动带来了很多新的玩法和形式。音视频领域…

语音是线上游戏用户的主要交流方式，大多数用户会通过游戏中的内置语音功能与其他玩家沟通，而一些用户在游戏没有内置语音功能的情况下，通过其他语音软件与玩家沟通。 并且，游戏语音在玩家开…

各位开发者小伙伴，社区运营小姐姐为大家准备了一份技术大礼包。涵盖音视频、元宇宙两大领域2020-2022年度精选行业分析报告，现开启限时免费领取！ 微信扫码获取行业报告，开启你的学…

在视频系列的前几篇推文中，我们已经接触了视频相关的不少概念，它们都是围绕着几个核心角色 ：色彩、像素、图像和视频来展开的。这几个核心角色之间的关系，大家应该都有了基本的了解，我们再…

大型群聊聚集了同一项目爱好者，将单纯的群聊功能转变为线上俱乐部性质的大型发烧友群聊，如APP场景中大规模用户的即时消息推送，是区别于普通 IM 房间的，类似这种超大规模 IM 通讯…

计算机在处理图像时，需要按一定规则将像素数据从内存中读取出来。这里的“规则”，首先基于色彩的采样 & 存储格式，其规定了色彩分量的“存储顺序”以及“分平面存储逻辑”。但仅知…

早在五年前，ZEGO就推出了支持32人实时互动的视频通话连麦技术，比苹果的FaceTime早一年实现该能力。 但时至今日，在大多数用户的感知中，支持同时上麦互动的人数也并未显著提升…

“图像的基本组成单元为像素，对视频图像的存储，实际上是对像素的存储”。基于图像位深，我们可以确定存储一个像素所需的字节数，下面，可以开始“指导”计算机如何定量读取图像数据了。 像素…

推多路流即 SDK 提供了同时推多路流的能力。 目前 SDK 支持最大推流通道数量为 4 路流，2.14.0 之前版本默认最大推流通道数量为 2 路，如需支持更多推流通道，请联系 …

在前文《RTC 应用中最常使用的色彩空间之 RGB 和 YUV》中，我们已经知道，图像由像素组成，而像素通过记录色彩空间各分量呈现各种各样的色彩。对于 RGB 色彩空间，其三个分量…

1 YUV 的采样格式 大家已经知道，区别于 RGB 色彩空间，YUV 色彩空间的三个分量并非都参与颜色的表示，即便仅存在亮度分量 Y，也能呈现黑白灰的图像轮廓。而人眼对…

我们今天讨论的噪声，无论是稳态还是非稳态，都是相对于“有用的声音”（人声）的加性噪声。加性噪声和人声不相关，人声的存在与否不影响加性噪声的存在性，它们的混合信号可以通过相加得到。 …

虚拟直播场景为元宇宙社交娱乐模式下的全新直播方式，由虚拟形象替代真人出镜，可以给用户打造不一样的直播体验，还可以加入表情随动、手势识别触发特效等多种玩法，在场景里支持多位虚拟形象视…

通过上文 噪声抑制ANS原理解析，我们学习了 WebRTC 的一种降噪方案，大致了解了噪声抑制的基本原理。基于对这些原理的了解，我们可以进一步讨论WebRTC 降噪模块存在的一些问…

摘要：轻量级神经网络降噪方法，解析 ZegoAIDenoise 的算法实现！ 轻量级神经网络降噪——ZegoAIDenoise 当下，用户在进行音频通话时常常置身于各种不同的场景中…

本文分享在 RTC 应用中最常使用的两种色彩空间：RGB 和 YUV 。 1 RGB    首先，我们来认识一下 RGB 色彩空间。 我们前面已初步了解，RGB 色彩模型基于光的三…

功能简介 混流是把多路音视频流从云端混合成单流的技术。 1混流优点    2混流常见使用场景   3混流使用说明    SDK 既支持音视频混流，也支…

在上文中我们除了提及的 AAC ，常见的音频编解码格式还有：OPUS、SILK、SPEEX、MP3、iLBC、AMR、Vorbis、G.7 系列等等，而在 RTC 应用中常用的有 …