音视频博客-专业IT技术发表平台

推荐付费专栏 VIP文章

文生视频、图生视频 AI 大模型开源项目介绍【持续更新】文生视频、图生视频 AI 大模型开源项目介绍【持续更新】

阅读 8.7k

31赞

小周不想卷

探索元生代：ComfyUI 工作流与计算机视觉的奇妙邂逅蓝耘元生代这个平台啊，在我看来就像是一个超级大的技术宝库。它整合了好多先进的技术和工具，能让我们在上面搞各种开发和研究。感觉它就像是一个充满魔法的舞台，能让我们的想法和创意尽情地展现出来。而且听说它在很多领域都有应用，像人工智能、大数据啥的，都能在这个平台上找到用武之地。登录与注册：打开浏览器，访问蓝耘 GPU 智算云平台官网（新用户需先进行注册，注册成功后即可享受免费体验 18 小时算力的优惠。登录后，用户将进入蓝耘平台的控制台，在这里可以看到丰富的功能模块，如容器云市场、应用市场等。

阅读 7.0k

158赞

小码农叔叔

【AI大模型】DeepSeek + 通义万相高效制作AI视频实战详解 DeepSeek + 通义万相高效制作AI视频实战详解

阅读 1.5w

109赞

Hello world.Joey

深度学习和计算机视觉（Deep Learning and Computer Vision） 1.计算机视觉的定义计算机视觉（Computer Vision）是一个跨学科的研究领域，主要涉及如何使计算机能够通过处理和理解数字图像或视频来自动进行有意义的分析和决策。其目标是使计算机能够从视觉数据中获取高层次的理解，类似于人类的视觉处理能力。图像分类：识别图像中主要的物体或场景。例如，给定一张图片，确定它是猫还是狗。目标检测：在图像中定位和识别多个目标。例如，在街景图像中识别并标注汽车、行人和交通标志的位置。图像分割：将图像分割成不同的区域或对象。例如，将一张医疗影像分割成不同的器官和组织。

阅读 1.2w

102赞

2024电赛H题参考方案（+视频演示＋核心控制代码）——自动行驶小车此次电赛的H题属于控制类题目，相较于往年较为简单，功能也算单一，四个题目的时间要求都不是很高，容易得分，其中主要难点可能是TI芯片了，但是资源丰富，那也就不是问题了。控制的难点就在与ABCD四点之间的丝滑连接，如何让小车又快又稳的运行，最后比拼的就是时间了，可能也是比赛现场的重点评判标准，毕竟选择该题的人多。

阅读 3.2w

135赞

从零实现基于扩散模型的文本到视频生成系统：技术详解与Pytorch代码实现检查变量是否存在（非None）# 空操作函数，接受任意参数但不执行任何操作pass# 检查整数是否为奇数# 返回值或默认值return val# 数据加载器循环迭代器yield data# 将总数划分为指定大小的组return arr# 生成概率掩码else:# 检查列表或元组是否只包含字符串。

阅读 9.5k

32赞

【计算机视觉】生成对抗网络（GAN）在图像生成中的应用生成对抗网络（GAN）在图像生成中的应用，人工智能、大模型、AI深度学习在计算机视觉领域取得了令人瞩目的进展，图像生成作为计算机视觉领域的关键任务，具有广泛的应用前景。在娱乐产业中，它可用于电影特效制作、游戏场景与角色创建，为用户带来更加逼真、奇幻的视觉体验。在设计领域，能辅助设计师快速生成创意草图、进行产品外观的初步设计，极大提高设计效率。在医疗领域，通过生成特定的医学图像，有助于医生进行疾病的模拟诊断与治疗方案规划。

阅读 5.8w

54赞

达摩院Paraformer-ONNX模型：一站式高精度中文语音识别工业级解决方案阿里达摩院推出的`speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx`模型，通过ONNX运行时优化，集语音端点检测、实时转写、标点恢复等核心功能于一体，为工业场景提供开箱即用的高并发语音识别服务。

阅读 1.2k

21赞

【HFP】蓝牙HFP协议音频连接核心技术深度解析在蓝牙免提协议（HFP）体系中，音频连接管理是用户体验的核心支撑。本文将详细解析蓝牙音频连接建立（Audio Connection Setup）与释放（Audio Connection Release）的过程。

阅读 1.8k

68赞

ESP32 I2S音频总线学习笔记（二）：I2S读取INMP441音频数据在这上一篇文章中，我们介绍了ESP32 I2S音频总线的相关知识，简要了解了什么是I2S总线、它的通信格式，以及相关的底层API函数，这篇文章将介绍一个小案例——ESP32驱动INMP441读取音频数据，它是关于如何使用I2S读取数据的一个应用，主要是将ESP32读取到的音频数据发送到串口上并实时显示波形，这个我们可以通过串口绘图仪来实现。

阅读 5.0k

23赞

Java搬砖组长

抖音视频下载去水印工具推荐对于有一定编程经验的用户，可以使用Python脚本实现去水印下载，利用开源项目如you-get或者yt-dlp，配置参数进行抖音视频的批量下载和去水印。请注意，下载和去水印的视频需遵守版权和平台规定，避免侵犯原创者权益。由于抖音与TikTok是同一平台的不同版本，一些TikTok下载器也能下载抖音视频并去水印。大多数去水印工具都只能去掉默认水印，某些视频可能会存在其他形式的水印（如自定义水印），这类水印可能不易去除。使用第三方工具下载和去水印视频时，请务必遵守相关平台的规定，尊重原创者版权。

阅读 8.8k

2赞

爱分享的李同学

播放此视频需要新的编解码器什么意思？解决方法来了播放此视频需要新的编解码器编解码器允许应用读取并播放不同文件。可以从Microsoft Store下载该编解码器还要￥7.00

阅读 8.7k

13赞

Python爬虫——爬取某网站的视频爬取视频

阅读 3.6w

309赞

使用DeepSeek自动获取视频双语字幕srt文件【工具说明】常常有一个困惑，youtube好的视频【或者本地下载好的视频】字幕很难获取？这个工具可以帮助我们实现视频一键转字幕。

阅读 3.9k

57赞

idm无法下载受保护的视频解决方法 idm是一个将下载速度提高多达5倍，恢复和提高下载进度的工具，可以下载网页上的视频资源等等。

阅读 1.5w

8赞

Ubuntu20.04 OpenCV详细安装教程（附多版本切换共存教程） opencv安装有两种方式：1.使用包管理器安装预编译版本（安装十分简单，但是，且没有扩展模块且不支持Qt窗口）2.从源码安装（比较复杂，但是推荐）

阅读 3.8w

62赞

MP4视频显示时长与实际不符怎么办更新视频元数据

阅读 7.4k

17赞

AI工具SD【stable diffusion】，制作AI美女跳舞视频的完整步骤，保姆式流程！ AIGC领域，有这么几个方向：**写作、绘画、影视、音乐。** 写作领域用的比较多的AI工具是chatgpt、KIMI等，那么绘画领域有哪些AI工具，你知道吗？ **最知名的有两款，一个是midjourney、另外一个是SD（stable diffusion）。**前者是收费的，但是可以在线使用，你不用准备硬件设备。后者是免费的，要布署到本地，它对显卡有一定的要求。

阅读 5.0k

25赞

起个破名想半天了

计算机视觉cv2入门之实时手势检测前边我们已经讲解了使用cv2进行图像预处理以及针对实时视频流文件的操作方法，这里我们通过实时手势检测这一案例来学习和实操一下。

阅读 956

40赞

音视频入门基础：RTP专题（21）——使用Wireshark分析海康网络摄像机RTSP的RTP流使用Wireshark分析海康网络摄像机RTSP的RTP流

阅读 1.3k

19赞

作者推荐

Together_CZ: 欲戴其冠，必承其重

关注

不会仰游的河马君: 主要致力于深度学习目标检测数据集，并有偿提供目标检测代标注服务（私信有惊喜）说明：项目内容以简介为准，若涉及代码，需要您有一定的基础能够看懂代码，能够自行调试修改代码并解决报错。本人工作较忙不常在线，不提供答疑服务，如需远程部署200米起包运行。

关注

小白学视觉: 跟着小白一起学视觉

关注

bryant_meng: 究天人之际，通古今之变，成一家之言。

关注

ADI_OP: 专注ADI DSP开发20年

关注

阿_旭: 专注Python、人工智能相关内容研究分享。

关注

燧机科技SuiJi: 燧机科技是一家以人工智能算法为核心的高科技企业。在边缘AI视觉算法、多感知融合、芯片级算法优化有丰富的技术积累。详情Tel：4001639007 VX：SuiJiAi007

关注

9527华安: 两年半FPGA练习生经验、6年FPGA项目开发经验，任职于军工、985+211双一流高校、科研院所等机构；本博主为FPGA工程项目解决方案供应商，专注于为行业内友商提供优质方案

关注

码流怪侠: 欢迎关注「码流怪侠」！这里聚焦视频编解码、音视频处理、AI技术与图像处理等前沿领域，为您带来行业动态、深度解析与实用干货，助力您掌握核心技术，探索创新应用场景，与行业精英共同成长。

关注

goomind: 一线科研工作者，专注机器学习、工业视觉、人工智能算法和图像处理研究，擅长Python、MATLAB、C++及Qt等技术。平时喜欢利用博客总结项目与教学经验，并交流和分享代码，长期坚持写作。独学而无友，则孤陋而寡闻，愿与CSDN的朋友一同学习进步。

关注