音视频

1. 首页
2. IT互联网
3. 音视频

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 167 点赞 0 评论 12831 浏览

【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 70 点赞 0 评论 12775 浏览

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 117 点赞 0 评论 12660 浏览

【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 153 点赞 0 评论 12643 浏览

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 79 点赞 0 评论 12536 浏览

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 93 点赞 0 评论 12434 浏览

Coze实战：基于数据库的视频混剪工作流搭建（喂饭级教程）

 作者：后端小肥肠 🍊 有疑问可私信或评论区联系我。 🥑 创作不易未经允许严禁转载。 姊妹篇： Coze一键生成打字机效果书单视频（保姆级工作流拆解）-CSDN博客 Coze实战:《如果书籍会说话》保姆级教程！全流程拆解（附源码）-

音视频 2025年06月12日 200 点赞 0 评论 12416 浏览

OpenCV DNN实战：年龄性别识别的模型剪枝技巧

OpenCV DNN实战：年龄性别识别的模型剪枝技巧1. AI 读脸术 - 年龄与性别识别在计算机视觉领域，人脸属性分析是一项极具实用价值的技术方向。从安防系统到智能营销，从个性化推荐到人机交互，自动识别人脸的性别与年龄段已成为许多AI应用的基础能力。传统的深度学习方案往往依赖PyTorch或TensorFlow等重型框架，部署

音视频 2026年03月31日 55 点赞 0 评论 12406 浏览

dify+wan2.1搭建文生视频生成工具流

本文介绍在dify中使用阿里开源的Wan2.1 1.3B模型搭建文生视频工作流的方法。使用的工具如下：1、dify（官方：

音视频 2025年06月27日 130 点赞 0 评论 12291 浏览

OpenCV深度解析：从基础到实战的计算机视觉库全指南

引言：OpenCV的诞生与影响力OpenCV（Open Source Computer Vision Library） 作为计算机视觉领域最具影响力的开源项目之一，自1999年由Intel发起以来，已发展成为连接理论研究与工业应用的核心桥梁。其模块化架构与跨平台特性支持Windows、Linux、macOS、Android等多

音视频 2025年08月24日 148 点赞 0 评论 12287 浏览