音视频

1. 首页
2. IT互联网
3. 音视频

Claude Code 装个 Skill，一段文字几分钟变 1080p 视频

在 Claude Code 对话窗口输入 /make-video，贴一段文字（博客、笔记、教程、PPT 大纲都行），纯渲染约 1 分钟出片（端到端含分镜和 TTS 生成约 2-3 分钟）。无需打开剪辑软件。 一、痛点写技术博客的人都有这个需求：把文章转成短视频。传统做法是：写脚

音视频 2026年08月10日 160 点赞 0 评论 8733 浏览

多模态 AI 系统的后端架构：文本、图像、音频的统一推理调度与资源管理

多模态 AI 系统的后端架构：文本、图像、音频的统一推理调度与资源管理一、多模型后端的调度复杂度一个典型的多模态 AI 后端需要同时服务：文本生成（LLaMA 70B）、图像理解（LLaVA 13B）、语音识别（Whisper Large-v3）、文本到语音（Bark/VI

音视频 2026年08月07日 173 点赞 0 评论 16189 浏览

音频麦克风技术笔记

麦克风（Microphone，简称Mic）是将声能（声波振动）转换为电能（电信号） 的换能器件，广泛应用于录音、直播、会议、语音交互等场景。下面从核心技术原理、常见形态、使用方法、MCU 处理流程四个维度详细拆解：一、 麦克风的核心技术原理（按换能方式分类&#

音视频 2026年08月06日 144 点赞 0 评论 5901 浏览

MiniMax 和OpenClaw视频生成环境配置指南

MiniMax 视频生成环境配置指南 问题背景OpenClaw 的 minimax-multimodal-toolkit skill 依赖以下环境： Git Bash — 运行 bash 脚本 ffmpeg — 音视频处理 jq — JSON 命令行处理 MINIMAX_API_KEY — MiniMax API 密钥 MINIMAX_API_HOST — Mini

音视频 2026年07月26日 32 点赞 0 评论 9950 浏览

媒体处理：HTML5音视频标签结合AI的智能转码与播放

媒体处理：HTML5音视频标签结合AI的智能转码与播放 📝 本章学习目标：本章是基础入门部分，帮助零基础读者建立HTML5与AI结合开发的初步认知。通过本章学习，你将全面掌握"媒体处理：HTML5音视频标签结合AI的智能转码与播放"这一核心主题。 一、引言：为什么这个话题如此重要

音视频 2026年07月23日 75 点赞 0 评论 10455 浏览

酷狗音乐下载的KGG/KGM/KGMA音频如何转换成MP3？从原理到实操一次讲清（2026可用方案）

很多朋友第一次接触酷狗下载的音频文件时，都会有点懵。明明歌曲已经下载好了，但文件后缀却变成了： kgm kgma kgg 双击打不开、拖进剪映报错、车载播放器不识别，甚至改成 .mp3 后缀后还是播放失败。其实问题并不复杂。因为这些文件本质上并不是普通音频，而是酷狗做过 DRM 加密封装的专有格式。这篇文章我就尽量用通俗一点的方

音视频 2026年07月21日 139 点赞 0 评论 5875 浏览

别被代码吓跑！普通人3步搞定AI视频神器——Pixelle-Video - AI 全自动短视频引擎（附避坑）

我一个做自媒体运营的朋友找我吐槽：她每天要剪3-5条短视频发抖音和小红书，每条从找素材、写脚本、配音到剪辑，少则两小时多则半天。她不是技术背景，面对各种”AI视频生成工具”要么是英文界面劝退，要么要付费订阅，要么需要本地GPU。我想起之前在GitHub上看到过一个开源项目Pixelle-Video，一

音视频 2026年07月21日 184 点赞 0 评论 3788 浏览

计算机视觉：异常检测(paper with code汇总更新中）

本文汇总异常检测相关论文，持续更新，所有内容均为开源，欢迎交流学习！ 【异常检测】（WACV2026）VLMDiff: Leveraging Vision-Language Models for Multi-Class Anomaly Detection with Diffusion论文地址：http

音视频 2026年06月18日 52 点赞 0 评论 1809 浏览

学术会议丨顶会CVPR 2026收官：从论文数据看计算机视觉的五大范式迁移

第43届IEEE/CVF计算机视觉与模式识别会议（CVPR 2026），是计算机视觉与人工智能领域的国际顶级学术会议，于6月3日至7日在美国丹佛落幕，本届会议有效投稿 16092篇，录用约4090篇（录用率25.4%），维持了近三年25%左右的低位水平。与此同时&#xff0

音视频 2026年06月17日 191 点赞 0 评论 7995 浏览

ESP32-S3 智能语音助手项目（语音识别+播放）

基于 ESP32-S3 的离线语音助手：从麦克风到扬声器的完整闭环 你有没有想过，一个能听懂你说“打开台灯”并立刻执行的小盒子，其实不需要联网？也不需要云服务器？甚至成本还不到一杯奶茶？ 这不再是科幻。借助 ESP32-S3 和乐鑫官方推出的 ESP-SR 语音识别 SDK ，我们完全可

音视频 2026年06月14日 119 点赞 0 评论 1954 浏览