音视频
  1. 首页
  2. IT互联网
  3. 音视频

列表

SenSeVoice模型微调记录，语音识别垂直领域术语准确率提升至99%

SenSeVoice模型微调记录，语音识别垂直领域术语准确率提升至99%

场景：项目需要开发一个语音下单助手，但在识别能源石油领域的专业名词（如石油产品、仓库、炼油厂等）时准确率较低，导致无法正确匹配下单信息。需对语音识别模型进行微调，提升垂直领域术语的识别准确率。本文复现下之前微调的过程，以作记录。 微调步骤 一.准备数据集从数据库中查询出所有的商品名称，
音视频 2025年08月14日
Seedance 2.0（即梦 2.0）深度解析：AI 视频进入「导演级」可控时代

Seedance 2.0（即梦 2.0）深度解析：AI 视频进入「导演级」可控时代

2026 年 2 月 12 日，字节跳动 Seed 实验室正式发布Seedance 2.0（即梦 2.0） 多模态音视频生成大模型。它以统一多模态联合架构为底座，在运动稳定性、角色一致性、多镜头叙事与音画同步上实现全面突破，成为当前国内最接近工业级生产的 AI 视频模型之一。一、核心定位与行业地位 定位：全能型 A
音视频 2026年03月05日
【LE Audio】BAP协议精讲[2]: 蓝牙LE音频配置核心逻辑

【LE Audio】BAP协议精讲[2]: 蓝牙LE音频配置核心逻辑

 在蓝牙LE音频生态中，BAP协议的配置是整个技术体系的骨架——它定义了设备如何分工、如何协作、如何搭建通信链路，直接决定了音频传输的可行性、稳定性和灵活性。如果把BAP协议看作一套完整的音频交通系统，那么配置就是交通规则、道路规划和角色分工的总纲，规定了谁是“司机”、谁是“调度员”、道路该如何铺设、不同车辆如何共存。本文就深入拆解BA
音视频 2026年01月22日
labelme数据标注保姆级教程：从安装到格式转换全流程，附常见问题避坑指南(含视频讲解)

labelme数据标注保姆级教程：从安装到格式转换全流程，附常见问题避坑指南(含视频讲解)

引言：为什么选择labelme？在人工智能和机器学习领域，高质量的标注数据是训练优秀模型的基础。而 labelme作为一款开源、跨平台的图像标注工具，凭借其强大的功能和易用性，成为了数据标注领域的热门选择。它支持多种标注类型，如矩形框、多边形、线段、点、文本等，能满足目标检测、图像分割、姿态估计等多
音视频 2025年10月28日
Wan2.1 本地部署碾压级「文生视频+AI绘图转电影」双引擎，免费开源！3步秒出4K超清大片（附手把手教程+资源包）

Wan2.1 本地部署碾压级「文生视频+AI绘图转电影」双引擎，免费开源！3步秒出4K超清大片（附手把手教程+资源包）

你是否想过，只需要一行文字，就能本地生成高质量的视频，而且人人都能免费离线使用。大家好，今天我们来介绍一款真正突破视频生成极限的文生视频以及图生视频的免费开源AI大模型，它就是最近在Vbench榜单上排名第一的开源视频生成大模型——WAN 2.1。生成视频的质量非常的高，SOTA性能相当震撼，因为在多
音视频 2025年04月21日
【机器学习】图像识别——计算机视觉在工业自动化中的应用

【机器学习】图像识别——计算机视觉在工业自动化中的应用

1. 引言随着人工智能（AI）和机器学习（ML）的快速发展，计算机视觉已成为工业自动化中的核心技术之一。图像识别，作为计算机视觉领域的重要分支，能够通过分析和理解图像或视频数据来识别、分类或检测物体。在工业自动化中，图像识别具有广泛的应用，帮助提高生产效率、降低错误率&
音视频 2025年10月29日
Ubuntu22.04安装视觉环境(CUDA CUDNN TensorRT realsense PCL OpenCV)

Ubuntu22.04安装视觉环境(CUDA CUDNN TensorRT realsense PCL OpenCV)

一、安装显卡驱动先安装编译器sudo apt install gcc g++ make cmakenvidia驱动官网：Download The Official NVIDIA Drivers | NVIDIA选择自己显卡和系统版本，并选择合适驱动目前最新推荐安装驱动为Linux x64 (AMD64/EM64T) Display Driver 570.
音视频 2025年05月20日
【计算机视觉】深入理解Transformer：架构、原理与视觉应用

【计算机视觉】深入理解Transformer：架构、原理与视觉应用

【计算机视觉】深入理解Transformer：架构、原理与视觉应用引言：自2017年Vaswani等人提出Transformer架构以来，这一以自注意力机制为核心的模型彻底重塑了自然语言处理（NLP）领域的技术格局。随着研究的深入，Transformer的强大建模能力逐渐突破模态界限，成功迁移至计算
音视频 2026年01月09日
MySQL 5.7 表分区使用说明（视频系统实战）

MySQL 5.7 表分区使用说明（视频系统实战）

文章目录 1. 表分区的基本概念和原理 2. MySQL 5.7.18 支持的分区类型与语法 2.1 RANGE 分区 2.2 LIST 分区 2.3 HASH 分区 2.4 KEY 分区 3. 实际应用示例（结合视频系统表结构） 3.1 现有短视频评论表结构（单表） 3.2 视频评论表：按 &#96
音视频 2026年04月03日
开源逆袭！Wan2.1让家用电脑也能跑AI视频生成

开源逆袭！Wan2.1让家用电脑也能跑AI视频生成

文章目录 前言 【视频教程】 1.软件准备 1.1 ComfyUI 1.2 文本编码器 1.3 VAE 1.4 视频生成模型 2.整合配置 3. 本地运行测试 4. 公网使用Wan2.1模型生成视频 4.1 创建远程连接公网地址 5. 固定远程访问公网地址 总结 前言当商业AI视频模型还在按分钟计费时，Wan2.1开源模型已经实现了平民化突破
音视频 2025年10月24日