音视频标签_腾讯云开发者社区

音视频

开发了一个免费的批量视频语音字幕识别工具，核心点是可批量自动处理识别任务

维多视频批量工具提供免费无限制的批量语音识别功能，支持音频/视频转TXT文本和SRT字幕。用户只需选择文件夹，软件自动识别处理音视频文件，支持多格式输出。使用前需配置Whisper模型，根据电脑性能选择GPU或CPU版本，注意安装路径不能含中文。该工具特别适合需要批量处理的工作室，显著提升效率。

jbk3311
2026-01-07 11:02:46

 621

 5

#音视频
音视频技术迭代下EasyDSS直播点播视频会议能力的发展方向与价值升级

AI技术与视频处理的深度融合，将进一步优化转码效率与画质，实现更智能的自适应码流调整，提升不同网络环境下的播放体验。

EasyDSS
2026-03-09 11:34:52

 312

 7

#音视频 #语音识别 #webrtc
OpenCV 零基础入门实战：从环境部署到图像 / 视频核心操作

本文为零基础学习者提供OpenCV入门教程，涵盖环境部署、图像处理、视频操作等核心知识点。首先介绍使用清华镜像源安装OpenCV 3.4.18.65版本的步骤，确保稳定性和兼容性。详细讲解图像读取、显示、保存等基础操作，包括彩色图和灰度图的处理方法，以及图像属性的分析。视频处理部分讲解如何读取摄像头或视频文件，并进行实时灰度转换。此外还介绍了颜色通道的拆分与合并技巧，以及图像修改和缩放的两种方式。

輕華
2026-03-05 13:58:16

 1015

 22

#opencv #音视频 #人工智能
构建跨端视频列表：Flutter × OpenHarmony 视频播放器实现解析

本文探讨了基于Flutter和OpenHarmony的跨端视频列表开发方案。通过整合Flutter的UI框架和OpenHarmony的跨设备能力，开发者能够实现一套代码适配多终端的高性能视频播放组件。文章重点解析了视频列表项的核心实现代码，展示了如何构建包含缩略图、标题、作者信息、观看数据等元素的视频卡片组件，并支持点击播放和长按操作功能。该方案有效解决了传统开发中多平台维护的痛点，为跨终端视频应

 步入烟尘
2026-01-25 00:06:42

 746

 15

#音视频 #flutter
冷静实测ROI拉满，日均仅需1毛，每年省出216小时，2026录音转成文字性价比首选

除了转写，听脑AI的智能纪要、待办提取功能也特别好用，我现在开周会直接用听脑AI实时转录，会议结束自动把待办事项整理好，直接导出就能发部门群，原来散会要花1小时整理纪要，现在散会就能走，每天多出来的时间我能多写一篇稿件，或者提前下班接孩子，体验感真的提升太多。我自己用了三个多月，大大小小的场景都试过，不管是2小时的长访谈，还是15分钟的短会，甚至带口音的方言发言，听脑AI都没掉过链子，核心功能全部

 听脑AI
2026-04-08 09:35:00

 260

 3

#人工智能 #音视频 #语音识别
OpenCV多线程编程：从单线程到双线程的视频处理

多年前刚刚接触Opencv，还没有AI，那个时候第一次处理视频的时候，仅仅通过usb摄像头显示都还可以，但是通过rtsp等网络方式的方法接入，在显示图像的过程再处理点什么，那简直是卡，通过网上搜索，建议使用多线程处理，然后一堆代码，终于从里面理清了，最近也有同事遇到同样的问题，我说让看代码，他说里面掺杂了太多业务，不太好看明白，所以才有了这篇文章：从最简单的方法实现多线程处理视频流，不参与任何业务

 ahxuyinglin
2026-03-19 10:09:02

 232

 6

#opencv #音视频 #人工智能
免费零成本算笔账2026冷静实测10分钟转1Gm4a转文字，每年稳省399块

之前用某知名工具，年费就要399，还限单文件大小，1G的传不上去，拆成十段转完拼起来还乱序，识别准确率才83%，比行业平均还低，我改完都要再听一遍，跟自己转没差多少。上周我们课题组遇到课题申报的突发情况，开了3小时的应急研讨会，要赶截止日期整理会议记录改申报书，结束我直接把录音导进听脑AI，不到20分钟就转完全文，还自动帮我提取了智能纪要和待办清单，谁哪天要交文献综述，谁要改研究框架，清清楚楚列出

 听脑AI
2026-04-08 09:35:36

 135

 2

#人工智能 #音视频 #语音识别
别再为字幕熬夜了！Pr剪辑师必看的全自动高效管理方案

做剪辑的朋友，谁还没被字幕虐过几回？尤其是那种大段的访谈、Vlog或者教学视频，几百条字幕对下来，眼睛重影、手指发麻。最怕的是好不容易对完了，发现某个关键词全篇都打错了，或者某几句断句太长，画面放不下……那一刻，真的想对着电脑大喊：难道就没有更聪明一点的办法吗？

2501_92447582
2026-03-04 17:48:11

 264

 7

#音视频 #语音识别
**基于Python的语音识别实战：从音频采集到文本输出全流程详解**在人工智

本文展示了如何利用 Python 构建一个高效、灵活的语音识别原型系统，涵盖从音频采集到文本输出的全过程。无论是学习入门还是小规模落地，这套方案都具备极强的实用性。未来可结合深度学习模型（如 Wav2Vec2、Conformer）进一步提升鲁棒性和准确性。🧠 小贴士：建议在真实环境中不断收集样本训练专属词汇表（如公司名称、专业术语），以显著改善特定领域识别效果！🎯动手试试吧！复制粘贴上面的代码

 A20250FSAF
2026-04-21 07:19:36

 393

 3

#python #语音识别 #音视频 +1
python_cnn对wav音频识别集合

摘要：本文介绍了一系列基于Python深度学习的音频识别项目，涵盖动物声音识别（猫叫、狗叫、鸟鸣等）、语音识别（数字、英文单词）、音乐分类和环境声音识别等多个领域。这些项目主要采用卷积神经网络(CNN)等深度学习技术，实现了对各类声音特征的提取和分类，展示了深度学习在音频处理领域的广泛应用。项目内容涉及动物异常声音检测、说话情感识别等细分方向，为声音识别研究提供了实践案例。

no_work
2026-03-22 20:54:57

 199

 6

#python #开发语言 #cnn +3
萤石开放平台音视频 | 直播流管理操作说明：设备接入

本文介绍了云直播平台的流管理功能，包括在线流管理、历史流管理、禁用/删除流、实时流预览和RTMP推流地址获取等操作。用户可通过控制台查看和管理各类直播流信息，设置取流时间、设备参数等，并支持流状态的禁用、删除操作。平台还提供历史记录查询、实时预览功能，以及RTMP推流地址的生成与管理，为直播流管理提供全面的功能支持。

做萤石二次开发的哈哈
2026-02-11 10:00:00

 719

 13

#音视频 #语音识别 #人工智能 +1
基于python音频剪辑软件源码分享

源代码下载地址：python语言音频剪辑源代码-2026-2-19.ziphttps://download.csdn.net/download/qq_32257509/92668485python语言音频剪辑源代码-2026-2-19ZX.ziphttps://download.csdn.net/download/qq_32257509/92668561

自然111111
2026-02-19 20:45:26

 207

 6

#python #音视频 #开发语言
手机随时看电脑里的视频！局域网在家看，出门在外也能看，无需公网IP

【手机远程访问电脑视频教程】通过SMB协议实现局域网/异地播放：1）局域网内：开启Windows文件夹共享，手机用VLC直接访问；2）异地场景：通过MoleSDN组建虚拟局域网，保持与家中电脑连接。需准备：常开机的Windows电脑、手机安装VLC和MoleSDN客户端。操作简单，无需公网IP，支持穿透严苛NAT环境，免费版即可满足基础需求。注意保持电脑开机并关闭睡眠模式。

weixin_42727451
2026-04-21 11:27:53

 2079

 14

#音视频 #服务器 #科技
重复文件清理工具v2.0支持选文件夹按类型过滤扫描，通过 MD5 精准识别重复文件

摘要：重复文件清理工具v2.0是一款专为解决电脑存储空间不足问题而设计的实用工具。该软件采用MD5算法精准识别重复文件，支持按文件类型筛选扫描，配备自动备份功能防止误删。具有操作简单（三步完成清理）、界面直观、绿色免安装等特点，适用于普通用户、办公人员及内容创作者。相比同类产品，其在查重准确性、安全防护和运行效率方面具有优势，能有效释放硬盘空间，提升电脑运行效率。软件无广告、无捆绑，由大飞哥软件自

 owmei
2026-04-19 20:34:30

 350

 5

#语音识别 #人工智能 #音视频
VibeVoice-ASR：突破60分钟长音频处理瓶颈，语音识别进入端到端时代

长音频单次处理能力使得以往因技术限制而无法实现的应用场景成为可能。在人工智能加速发展的今天，开源此举将进一步推动语音识别技术在各个行业的普及和深化。随着更多开发者参与到生态建设中，可以预期未来会有更多针对特定场景的优化版本出现。领驭科技深耕AI领域创新与实践，持续追踪微软&OpenAI、GPT、DeepSeek等主流大语言模型的前沿动态，聚焦技术迭代细节，拆解应用落地逻辑，全方位梳理大语言模型发展

 Leinwin
2026-02-05 15:01:29

 463

 4

#音视频 #语音识别 #人工智能
基于SpringBoot的大学生英语学习平台的设计与实现(源码+lw+远程部署)

💟博主：全网拥有20W+粉丝、CSDN作者、博客专家、全栈领域优质创作者、平台优质Java创作者、专注于Java、小程序、python、安卓技术领域和毕业项目实战✌💟Java精品实战案例《1000套》2024-2026年最值得选择的Java毕业设计选题大全：1000个热门选题推荐✅✅✅📲文章末尾源码+数据库📱Java的主要特点是简单性、面向对象、分布式、健壮性、安全性和可移植性。Java的

 i格雷
2026-01-13 12:03:36

 314

 3

#spring boot #学习 #音视频
OpenCV 零基础入门（二）：图像修改、缩放、运算与边界填充

本文是OpenCV入门系列第二篇，详细介绍了视频处理、颜色通道操作、图像修改与缩放等核心功能。主要内容包括：1）视频读取与实时灰度处理的完整流程；2）BGR通道的拆分合并及单通道保留方法；3）图像修改技巧（马赛克效果和图像拼接）；4）两种图像缩放方式及其注意事项。文章采用逐行语法解析+注意事项+核心说明的形式，特别强调了OpenCV特有的BGR顺序、数组形状匹配、资源释放等关键点，帮助开发者避免常

 2201_75420345
2026-03-05 10:30:38

 1167

 9

#opencv #音视频 #人工智能
多模态测试中音视频同步故障的自动化诊断技术研究

音视频同步故障诊断技术研究摘要：本文深入分析了音视频同步故障（AV-SyncError）的技术本质，包括时钟基准偏移和帧级对齐失效两类核心问题。提出自动化诊断工具设计方案，包含时间戳解析引擎、动态容错诊断算法（采用滑动窗口比对技术）和多模态特征融合分析三大核心模块。详细阐述了工业级实施路径，支持Jenkins的CI/CD集成，并展望了AI辅助根因分析和云原生诊断架构等未来技术方向。研究为流媒体、

2501_94480392
2026-03-02 09:53:04

 236

 6

#音视频 #自动化 #运维 +3
OpenCV4X学习-图像金字塔、图像形态、视频相关

图像金字塔与形态学操作摘要：图像金字塔提供多尺度图像表示，包括高斯金字塔（通过连续下采样构建）和拉普拉斯金字塔（保存尺度间细节信息）。形态学操作基于结构元素处理图像，包括膨胀（扩张物体）、腐蚀（收缩物体）、开运算（去噪）、闭运算（填充空洞）等。代码示例展示了如何构建两种金字塔，以及实现各类形态学操作（如提取水平/垂直线）。这些技术在目标检测、图像融合和特征提取中具有重要应用价值。

li星野
2026-01-21 21:15:00

 638

 16

#学习 #音视频 #计算机视觉
2026年声音克隆实测：这20款软件里，我只推荐这9款。

克隆音频后建议加20dB左右的轻微降噪。：要声音像、要质感，百宝音是第一梯队。

Max061
2026-04-02 16:38:07

 557

#音视频 #实时音视频 #语音识别
uniapp+springboot短视频分享的微信小程序_wqda

1、基于物品协同过滤算法,ItemCF 是一种通过分析“商品与商品之间被共同购买的关系”来为用户推荐商品的协同过滤算法，具有稳定、可解释、不依赖商品内容的优点。是电商最常用的推荐策略之一。ItemCF 判断两个商品是否相关的依据是：是否被同一批用户购买过，以及购买的数量；使用的相似度计算方式：余弦相似度使用npm install -g cnpm来安装cnpm。执行cnpm install来安装依赖

 豆包程序员
2026-01-02 21:28:13

 843

 13

#uni-app #spring boot #音视频
2026年在线语音转文字工具大横评算完准确率、转写效率、年使用成本，谁才是真性价比之王？

还有个主打专业领域转写的，功能倒是全，但一年要499，我一个学生党每个月生活费才1500，哪掏得出这么多钱，用了三次试用额度就再也舍不得开会员了。上个月做论文调研我更是离不开听脑AI，我做的是返乡创业的课题，要找老家的个体户做访谈，好多叔叔阿姨只会说当地的方言，之前用别的工具转出来全是乱码，听脑AI支持19种方言，我录了3个多小时的温州话访谈，导进去转出来的内容准确率居然有97%，我只要补几个行业

 听脑AI
2026-04-02 11:55:24

 365

 8

#人工智能 #语音识别 #音视频 +1
Qt快速入门：OpenCV + Qt QML 视频播放器项目

创建一个视频播放器，用 QML 做界面，用 OpenCV 处理视频，用 C++ 把它们连接起来。// 重写绘制函数// 属性访问函数// QML 可以调用的函数signals:private:// OpenCV 视频捕获// 当前帧// 转换为 QImage// 定时器，用于播放视频// 视频文件路径// 是否正在播放// 视频帧率Qt QML：创建漂亮的界面OpenCV。

2401_87310667
2026-02-06 07:38:39

 655

 8

#qt #opencv #音视频
应急调度场景下，EasyDSS视频点播VOD/直播RTMP推流/WebRTC视频会议技术如何保障高效协同

转码能力支持将汇聚的视频内容实时转码为多种格式、分辨率，自动适配不同终端设备播放。

EasyDSS
2026-03-02 17:30:10

 662

 13

#webrtc #语音识别 #音视频
数字人直播接口开发文档

2. 新手优先用：`select`(启动)、`play_once`(一键播报)、`interrupt`(打断)、`stop`(停止)2. 提交到直播队列：`POST /api/vocals/{vocal_id}/submit`3. 数字人没反应：先查状态`/player/status`，确保是`running`"audio_url": "你的音频在线地址", // 支持mp3/wav。参数：`au

最酷的虎
2026-04-17 09:24:40

 234

 3

#音视频 #语音识别
从定位到视频：808 + 1078 在各行业的落地实践

808+1078协议在各行业的应用实践 JT/T 808和JT/T 1078协议作为中国商用车监管的基础标准，构建了"数据+视频"的完整监管体系。808协议负责车辆定位和状态数据，1078协议处理音视频传输。这一组合已广泛应用于道路运输、公交出租、工程机械、冷链物流、校车渣土车等领域，实现从简单定位到全过程可视化的升级。随着技术发展，该体系正向着高并发流媒体架构、边缘计算和混合

 Q_458283868
2026-02-25 11:16:24

 719

 4

#音视频
VoxTrans：离线英文转录 + AI 翻译工具，支持本地 / YouTube 素材，人声分离 + 标点优化，生成双语 SRT 字幕，兼顾隐私与效率，是创作学习的得力软件

VoxTrans是一款由大飞哥软件自习室开发的离线英文语音识别转字幕工具，支持本地离线转录和AI翻译，可一键生成SRT格式双语字幕。其核心优势包括：全流程离线处理，采用专业转录模型和人声分离技术提升准确率；支持OpenAI接口翻译，配备术语库避免专业词汇错误；灵活导入媒体文件或YouTube链接，可配置转录参数；内置编辑器微调结果，导出SRT字幕。适用于内容创作、学习资料整理等场景，绿色免安装，适

 owmei
2026-03-29 13:28:06

 436

 11

#人工智能 #学习 #音视频 +3
NPU指令集能耗优化验证工具：软件测试从业者的技术实践与行业洞察

《NPU指令集与能耗优化技术解析》摘要：随着AI模型复杂度提升，NPU通过定制指令集（如矩阵运算）实现硬件级能耗优化，边缘计算场景能效提升达60%。测试工具通过模型编译优化（算子融合/量化）和动态能耗监控，使ResNet50推理延迟降低42%。软件测试需覆盖跨平台兼容性验证，重点关注功能正确性、能效比（如DVFS调优）及异常处理能力。该主题热度源于AI推理成本压力、技术普惠（如华为开发者套件）及测

 2501_94480392
2026-02-05 09:29:56

 694

 8

#重构 #人工智能 #安全 +2
YOLO26 接入实时视频

1. yolo 26 安装方便2. 占用cpu更低3. 不同模型识别速度不同，模型越大识别越慢yolo26n.pt 最小(5.5M)，识别最快，在 50ms左右yolo26s.pt 20.4M, 在75ms左右yolo26m.pt 44.3M, 在120ms左右yolo26l.pt 53.2M，在150ms左右yolo26x.pt 118.7M，在170ms左右。

Batac_
2026-01-17 07:56:44

 138

#音视频 #opencv #人工智能
邮件协议测试全流程解析与技术指南：从协议验证到深度排查

本文系统介绍了邮件协议测试的完整流程：1.协议层测试包括SMTP/IMAP/POP3协议交互验证、安全渗透测试和加密强度审计；2.业务流测试涵盖邮件收发全场景验证；3.提供海外投递失败等典型问题的深度排查方案，包括DNS配置检查；4.给出标准测试用例模板。文章还推荐了智能合约安全测试、Mock对象应用等延伸阅读主题，为测试人员提供全面的技术指导。

2501_94480392
2026-01-31 09:01:05

 87

#安全 #网络 #web安全 +4
在线学习交流系统学习资料视频签到python-vue

前端使用Vue.js框架构建交互界面，后端采用Python的Django或Flask框架处理业务逻辑。通过Vue Router实现页面路由跳转，Vuex管理全局状态（如用户登录状态）。通过Docker容器化应用，CI/CD工具（如Jenkins或GitHub Actions）实现自动化部署。核心表包括用户表（User）、课程表（Course）、视频资源表（Video）、签到记录表（Attendan

QQ1304979694
2026-02-23 15:56:08

 1465

 28

#学习 #音视频 #python
2026最新！采访语音转文字还在手动听打？这3款亲测神器，免费好用到哭10分钟转完万字稿！

我上个月做了一个3小时的行业前辈专访，录完音直接上传到听脑AI，去茶水间接了杯热水回来，完整的万字稿已经出好了，通读一遍错字才7个，调整排版直接能用，要是我自己打最少要4个小时，这一下就省出了一下午的创作时间，不少效率博主都反馈“录完音传上去，倒杯水回来就好了，全文都出来了”，确实是这个体感。缺点很明显，长录音的准确率比听脑AI差了10个百分点，方言支持很少，常见方言识别准确率都不高，年费要三百多

 听脑AI
2026-04-09 17:58:50

 197

 6

#人工智能 #音视频 #语音识别
AI 语音克隆入门指南：如何用 3 秒音频生成真实人声？

AI 语音克隆是什么？详解克隆真实人声的原理、技术流程与实操方法，并结合 ViiTor AI 的真实应用场景进行说明（2026）

ViiTor_AI
2026-01-29 14:49:43

 428

 9

#人工智能 #音视频 #语音识别
什么是语音芯片？一文读懂其工作原理、主流类型与核心应用

语音芯片（又称语音IC、Voice IC），是一种能够存储、播放乃至识别语音信号的集成电路。它的核心工作过程可概括为：将语音信号通过采样转化为数字信号，存储于芯片内部的ROM或外挂存储器中，再通过电路将数字信号还原为语音输出。简单来说，语音芯片就是“让设备会说话”的专用处理器。根据功能方向的不同，语音芯片可以划分为语音播放芯片、语音识别芯片和语音合成（TTS）芯片三大类。其中播放类芯片又按照存储与

 唯***Z
2026-04-13 09:46:18

 1055

 27

#音视频 #语音识别 #嵌入式硬件
魔音1900音色AI配音包｜含角色参考音频、1000+专业声优样本，覆盖AI语音训练与沙雕动画配音需求

全新升级魔音1900音色AI配音包——1900种差异化音色、1000+真实配音员样本、海量角色参考音频，专为AI语音模型训练、配音技能提升及趣味动画制作打造。

资源优
2026-02-24 22:55:07

 391

#人工智能 #音视频 #语音识别