搜索[audio]结果-低调大师优秀个人博客

精选列表

搜索[audio]，共1227篇文章

完整FreeSWITCH语音处理模块mod_audio_stream技术实现细节分享

# **FreeSWITCH模块mod_audio_stream技术实现细节** ## **目的和范围** 本文档涵盖 **mod_audio_stream**，这是一个 FreeSWITCH 模块，用于从活动通话信道捕获音频

2026-07-17

英伟达开源生成式 AI 面部动画模型 Audio2Face

英伟达宣布开源生成式AI面部动画模型Audio2Face，此次开源内容不仅包含模型本身，还涵盖软件开发工具包（SDK）及完整训练框架，让所有游戏和3D应用开发者都可以构建并部署带有先进动画的高精度角色。

2025-09-25

Audio 模型&Tool Call 功能大升级！

pip：pip install 'xinference==0.15.4’ * 🐳 Docker：拉取最新版本即可，也可以直接在镜像内用 pip 更新 🆕 更新日志 * 新增内置支持模型 * 🎧 Audio

2024-10-15

W3C 将 Web Audio API 提升为官方标准

近日，W3C 将 Web Audio API 提升为官方标准，作为一个 JavaScript API，Web Audio API 可用于在 Web 浏览器中直接创建和操作音频内容。

2021-06-19

阶跃星辰发布 Step Audio 3 系列语音模型，多款上榜全球第一

语音大模型的竞争，正在从"能不能把文字念出来"换成"能不能真正理解声音、组织声音"。阶跃星辰今天放出的 StepAudio 3 系列，就是冲着这个方向去的——五个模型一次全发：Realtime、ASR、TTS、Gen、Music。最出挑的是 StepAudio 3 Realtime。在 Artificial Analysis 的 Conversational Dynamics 榜单上，它以 98.9% 的综合得分排全球第一，语音推理准确率 99.7% 也在 Speech Reasoning 榜单登顶。相比"能听能说能打断"的全双工，这次更强调模型在一场持续对话里判断节奏——什么时候接话、什么时候等待，以及处理打断和连续反馈。推理和语音生成可以并行，工具调用和长任务异步执行，不阻塞当前会话。 ASR 走的是"从听清到听懂"。它在高精度识别之外接了 LLM 的上下文理解，能处理方言、中英混说、专业术语，甚至在医疗、法律这类领域提升专业表达识别。非流式准确性榜单上 WER（词错误率）1.7%，并列全球第一。 TTS 追求的是"像真人表达"。模型除了生成对应语音，还能还原笑声、迟疑、结巴、重复、改口这些副语言表现——官方给的示例里有一段"要不要换工作"的独白，纠结、犹豫、改口全都在。 Gen 有意思的地方在于把原来分散的声音链路整个吞进去。角色配音、环境音、音效、背景音乐，不需要分头制作，靠自然语言描述和参考音频一次生成，还能控制多个角色的音色、语气、情绪和时间顺序。对影视、游戏、有声书创作者来说，原来需要素材搜集、多工具协作的流程，可能被压缩成一次生成加持续迭代。 Music 则明确打"不止生成，更参与创作"。支持 ABC 记谱法控制的多轮交互创作，用户给一段歌词、清唱或 Demo，模型接着完成编曲、改编和制作；基于清唱配乐时能理解旋律、节奏和情绪，再补上和声与完整编曲。五款模型都已上线阶跃星辰开放平台，官方也放了各模型的 API 接入文档。来源：阶跃发布语音大模型 StepAudio 3，拿下多个全球第一！

2026-09-15

阶跃星辰开源语音模型 Step-Audio-R1.1，拿下全球第一

阶跃星辰介绍称，该榜单是目前业界评估“原生语音模型”（Native Audio Models）最权威的第三方基准之一。

2026-01-15

小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio

公告称，后训练进一步激发了 Xiaomi-MiMo-Audio 的智商、情商、表现力与安全性在内的跨模态对齐能力，语音对话在自然度、情感表达和交互适配上呈现极高的拟人化水准。

2025-09-19

阶跃发布并开源端到端语音大模型 Step-Audio 2 mini

一句话总结，Step-Audio 2 mini “听得清楚、想得明白、说得自然”。

2025-09-01

Canvas/Audio 浏览器指纹：从原理到绕过，一次讲清楚

技术上不复杂：JS 通过 Web Audio API 创建一个振荡器，生成一段听不见的三角波信号，经过一个动态压缩器处理后，把输出缓冲区的浮点数值读出来。

2026-07-16

美团开源LongCat-Audio-Codec，高效语音编解码器助力实时交互落地

通过创新的架构设计与训练策略，LongCat-Audio-Codec 在语义建模、声学重建、流式合成三大维度实现突破。

2025-11-14

空间音频技术与生态发展高峰论坛成功举办，业界首个Audio Vivid创作工具花瓣三维声亮相

Audio Vivid菁彩声混音培训认证中心揭牌仪式在26日上午的圆桌论坛中，华为2012实验室中央媒体技术院总裁李江表示，未来华为将加强与UWA联盟、上海交通大学、Audio Vivid培训中心等产业代表和高校的交流协作

2022-12-13

月暗开源 Kimi-Audio，单一框架执行多种语音任务；照片秒变可对话数字人，LemonAI 推出 Slice Live丨日报

能够更好地引导对话走向富有成效的结果，同时对回复的细节进行了微调，让 GPT-4o 在各种任务中的表现更直观、更易用，（@ai 寒武纪、APPSO） 3、总体性能第一：月之暗面开源全新音频基础模型 Kimi-Audio

2025-04-27

Android 中文API （66） —— BluetoothClass.Device

三、内部类 class BluetoothClass.Device.Major 定义了所有的主要设备类常量四、常量 int AUDIO_VIDEO_CAMCORDER int AUDIO_VIDEO_CAR_AUDIO

2017-11-05

Voice Ai Development 实用指南

= json.loads(message) if event["type"] == "response.audio.delta": # Play audio chunk audio = base64.

2026-09-15

android文件关联之mime type

/x-mpegurl " }, { " .m4a " , " audio/mp4a-latm " }, { " .m4b " , " audio/mp4a-latm " }, { " .m4p " ,

2017-12-31

使用HTML5播放音频在移动端不能循环

做了一个H5页面，需要一个mp3做为背景音乐，在PC端调试没问题，然后用手机扫码打开结果就不能循环播放，记录踩过的坑最开始是这样的 <audio src="music.mp3" autoplay

2017-10-25

ImageBind —— 多模态 AI 模型

=[".assets/dog_audio.wav", ".assets/car_audio.wav", ".assets/bird_audio.wav"] device = "cuda:0" if

2023-05-11

PipeWire 已初步支持蓝牙低功耗音频

根据开发者的这份 GitLab 提交信息，PipeWire 目前已经获得了对 Bluetooth LE Audio 的初步支持，其中此次与 Bluetooth LE Audio 相关的提交包括这些内容：

2022-09-24

Android如何回调编码后的音视频数据

设置音视频callback 对应接口： /** * Set Audio Encoded Data Callback. * * @param audio_encoded_data_callback: Audio

2018-11-04

技术开发记录：创客API-声音克隆开发API接口接入

同步场景对 `data.audio_base64` 解码后落盘。

2026-07-15

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。