千里之行

faiss 中不同算法构建索引，不同的搜索参数， 搜索的性能和召回率差异巨大。 本文在召回率比较好的情况下 (>0.99)，对比常用的 IVF 索引和 HNSW 索引的性能差异

要实现一个 mp3 音乐播放器，首先要有能够播放音乐的类库，并且支持 mp3 协议。网上没有看到代码简洁清晰的最小命令行的 mp3 播放器的实现。 调研了几个类库之后实现了一个，供需要的朋友参考。

搭建家用的媒体服务器，用来在不同的设备上面方便得看电影，听音乐，甚至阅读电子书。可以选择使用 Plex,Emby, 或者Jellyfin。 Plex 是商业软件，付费版本的功能更强大，免费版本也能用。 Emby 的早先版本是免费版本，后来商业化之后开源版本不再有更新。 Jellyfin 是基于 Emby 的后续社区开源版本，有持续的更新，且支持硬件解码。 对于我来说， Jellyfin 更重要的功能是，除了电影和音乐的支持，还支持电子书。 支持 PDF，EPUB 格式的电子书。...........

「端点检测」（End-point Detection，简称 EPD）的目标是要找到音讯开始和结束的位置，所以又可以称为 Speech Detection 或是 VAD (Voice Activity Detection)。端点检测在音讯处理与识别中，扮演重要的角色，可以基于时域，或者基于频域来做 EPD。

如前面第3篇讲到，声音的几个主要特征有音量 Volume, 音高 Pitch, 音色 Timbre。另外有一个重要的特征是过零率 zero crossing rate。当我们在分析声音时，通常以「短时距分析」（Short-term Analysis）为主，因为音讯在短时间内是相对稳定的。我们通常将声音先切成帧（Frame），每一帧长度大约在 20 ms 左右，再根据帧内的信号来进行分析。计算音量（Volume/Intensity/Energe）「音量」代表声音的强度，又称为「响度」、

本文分享如何在 matlab 里面读取 wav 文件，播放 wav 文件，以及如何录制语音文件，保存语音文件。代码中演示了如何改变音频文件的采样率（影响到播放速度），音量（影响到听到的声音大小）。

本文总结声音的存储，对如下问题做出回答。1.声音有哪些属性？2.声音转换成电脑文件（wav/mp3）的过程是怎么样的？3.PCM格式的音频文件和WAV格式文件的内容有什么差异？声音是物体振动产生的声波。声音通过介质（空气、固体、液体）传入到人耳中，带动听小骨振动，经过一系列的神经信号传递后，被人所感知。声音是一种波。物体振动时会使介质（如空气）产生疏密变化，从而形成疏密相间的纵波。频率（音调）：声音1秒内周期性变化的次数人耳的听觉范围在20Hz-20kHz。 低频的声音沉

最近准备做几个语音的应用。 心中有很多的疑问， 翻阅了大量资料和图书，找到了这些问题的答案。 如果你也对这些问题好奇，这一系列的文章正是为你准备的。声音是如何产生的？ 声音是如何转变成数字信号存储在电脑上的？麦克风是如何工作的？ 最早的录音设备是谁发明的？是如何发现的？ 机器上的音频文件比如 pcm, wav, mp3文件中到底存储了什么样的内容， 里面的数字表示的什么含义？ pcm, wav 存储的内容有什么差异？ mp3 文件跟 wav 文件的内容有什么差异？ 声音文件（mp3/wav等.

由于转码是非常耗时的操作。为了加快视频文件的转码，对视频文件进行切分，分成多片，在多台机器并行执行，最后做合并来提升性能。以下做一个实验，对分片前后的数据做一个对比， 验证分片转码的性能提升效果。1.原始 mov 转码为 mp4文件（不切片）输入：218s 的视频文件，文件大小：215.3M，由 iPhone 11 Pro 拍摄的视频。 原始文件格式：Duration: 00:03:38.22, start: 0.000000, bitrate: 7894 kb/sStream #0

原文出自：http://3xin2yi.info/wwwroot/tech/doku.php/tech:multimedia:ffmpeg转自：FFMPEG详解 [C.L's Tech Notes]原文的出处已经访问不到，这里做一个完整版的备份，供参考。认识FFMPEGFFMPEG堪称自由软件中最完备的一套多媒体支持库，它几乎实现了所有当下常见的数据封装格式、多媒体传输协议以及音视频编解码器，堪称多媒体业界的瑞士军刀。因此，对于从事多媒体技术开发的工程师来说，深入研究FFMPEG成为一门必.