通义万相2.1：开启视频生成新时代
摘要：文章开篇便点明了通义万相2.1在视频生成领域的重大突破，强调其作为阿里云通义系列AI模型的重要成员，不仅是简单的模型升级，更是视频生成技术迈向更智能、高效、精准的重要里程碑。其核心技术包括自研的高效VAE和DiT架构，使得模型能够实现无限长1080P视频的高效编解码，并在中文文字视频生成方面取得重大突破&#x
音视频
基于深度学习的多模态人脸情绪识别研究与实现（视频+图像＋语音）
这是一个结合图像和音频的情绪识别系统，从架构、数据准备、模型实现、训练等。包括数据收集、预处理、模型训练、融合方法、部署优化等全流程。确定完整系统的组成部分：数据收集与处理、模型设计与训练、多模态融合、系统集成、部署优化、用户界面等。详细说明，还要给出详细的代码框架和工具。包括如何处理实时数据流，如何同步音频和视频
Qwen2.5-Omni 大模型部署实践（九）：音视频交互中多元知识探讨实践
系列篇章💥
No.
文章
1
Qwen2.5-Omni 大模型部署实践（一）：环境搭建与模型下载
2
Qwen2.5-Omni 大模型部署实践（二）：使用transformers推理实践
3
Qwen2.5-Omni 大模型部署实践（三）：
全网首发! Nvidia Jetson Thor 128GB DK 刷机与测评（一）刷机与 OpenCV-CUDA、pytorch CUDA13.0+ 使用
Nvidia Jetson Thor DK 于 2025年8月25日正式发售，我们实验室获得了首批套件，经过几天的折腾，这篇博客将总结如何刷机以及刷机过程中的注意事项。【Note】：由于评测部分内容太多，我们将这篇博客拆分为多篇避免单独的博客失去重点，你可以通过下面的链接进行跳转：
《全网首发! Nv
FunASR开源项目实战：解锁语音识别新姿势
摘要：FunASR是阿里巴巴达摩院开源的高性能语音识别工具包，具备语音识别、说话人分离、标点恢复等核心功能。项目采用先进的Paraformer非自回归架构，在中文识别任务上表现优异，支持实时与非实时处理模式。通过预训练模型和易用API，可快速搭建智能语音助手、会议转写、视频字幕等应用场景。技术亮点包括：多说话
计算机视觉---RealSense深度相机技术
一、RealSense技术概述
定义与定位
RealSense是英特尔开发的深度感知技术平台，通过融合多种传感器（红外、RGB、IMU等），为设备提供高精度的三维空间感知能力。其核心目标是让机器“看懂”世界，广泛应用于机器人、AR/VR、安防监控、工业检测等领域。
发展历程
2014年：英特尔发布第一代R
KrillinAI：视频跨语言传播的一站式AI解决方案
引言在全球内容创作领域，跨语言传播一直是内容创作者面临的巨大挑战。传统的视频本地化流程繁琐，涉及多个环节和工具，不仅耗时耗力，还常常面临质量不稳定的问题。随着大语言模型(LLM)技术的迅猛发展，一款名为KrillinAI的开源工具横空出世，为内容创作者带来了革命性的视频翻译与配音解决方案。本文将深入剖析这款Git
【通义万相】蓝耘元生代 | 文生视频新跃迁：通义万相2.1部署与应用
【作者主页】Francek Chen 【专栏介绍】
⌈
⌈
⌈人工智能与大模型应用
CANN图像批处理创新实战：让OpenCV加速28倍的秘密
欢迎来到我的博客，代码的世界里，每一行都是一个故事
🎏：你只管努力，剩下的交给时间
🏠 ：小破站
CANN图像批处理创新实战：让OpenCV加速28倍的秘密
前言
环境准备
核心实现
批量数据准备
图像缩放实现
高斯模糊实现
NPU预热的重要性
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。🍎 往期回顾关注个人主页：Matlab科研工作室🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。🔥 内容介绍近年来，数字影像技术的飞速发展使得视频数据的获
