博客
关于我
音视频技术开发周刊(第130期)
阅读量:228 次
发布时间:2019-02-28

本文共 1537 字,大约阅读时间需要 5 分钟。

技术周报 | 音视频技术与开发工具进展

架构

实时 AV1 编码库与 WebRTC M80 的进展

目前尚未实现 AV1 编码库的就绪状态,尚未加入 WebRTC M80 版本中。开发团队正在积极推进相关技术可行性研究,但具体时间表尚未确定。

WebRTC M80 发布公告

最新版本的 WebRTC M80 并未提供官方二进制包,开发者需自行组建或使用第三方工具。AV1 RTP 包已纳入新版本,但需谨慎处理编码器兼容性问题。

FFmpeg 与音视频流处理

FFmpeg 在音视频流处理中的应用得到广泛认可,开发者可借助其强大的编解码能力进行流媒体优化。

WebRTC 移动 SDK 选择建议

建议开发者优先选择 Google 提供的 libwebrtc 作为 WebRTC 移动 SDK。版本选择需基于项目需求与更新频率进行权衡,以确保长期维护和性能稳定性。

传输网络

ACK、NACK 与 REX 机制

ACK(确认报文)用于接收方反馈数据接收成功;NACK(否定报文)则用于通知数据丢失或未接收;REX(重传请求)则在数据丢失时触发,发送方重新发送数据。

RIST PSK 与 SRT 协议

RIST PSK 是一种基于加密的可靠传输协议,展现了强大的低延迟通信能力。SRT 协议则通过智能算法优化传输质量和稳定性,成为流媒体领域的重要解决方案。

编解码

FFmpeg 库与 API 使用说明

FFmpeg 提供了丰富的编解码功能,便于开发者构建自定义音视频处理工具。其 API 接口设计直观,支持多种编解码格式和自定义脚本化处理。

视频与成像硬件加速

Xilinx 的硬件加速解决方案在视频和成像领域展现出色,结合先进架构设计,为高性能视频处理提供了可靠基础。

音视频技术

华为云通信云服务

华为云的实时音视频服务展现出强大的商业潜力,涵盖从传统运营商到互联网行业的多元化应用场景。其独特的实时通信技术和行业定制方案值得关注。

CicadaPlayer 跨平台播放器

阿里开源的 CicadaPlayer 支持多平台播放,开发者可利用其强大的兼容性和扩展性进行灵活集成。

智能剪辑与生产管道优化

通过生产管道中的反馈信息,开发者可实现智能剪辑,提升工作效率和内容质量。这种数据驱动的工作流优化方式已在多个行业得到广泛应用。

直播流最佳实践

videoRx 的CTO Robert Reinhardt 在 Live Streaming Summit 西部的演讲系统化地总结了直播流的最佳实践,涵盖技术选择、架构设计和运维优化。

HTML5 视频与 Canvas 应用

Matt McClure 的演讲深入探讨了 HTML5 视频和 Canvas 的应用场景,展示了前沿技术在多种项目中的成功案例。

AI 智能

MSFNet:强大的实时语义分割网络

北航与旷视联合开发的 MSFNet 在实时语义分割领域表现突出,具备高效率和高精度的特点,可为多个行业提供强有力的技术支持。

图像

疫情期间的前端人脸检测网页

开发了一款纯前端实现的图像处理网页,能够自动为用户头像添加口罩。该工具无需后端支持,仅通过浏览器端资源完成,兼顾便捷性与隐私保护。

资源推荐

DASH Industry Forum 2019

2019年12月,DASH行业论坛在波特兰举行,聚焦5G与媒体流技术的未来发展方向。参与专家来自视频分销、移动运营商及技术服务商,内容讨论活跃。

PPT 链接

PPT 链接: https://pan.baidu.com/s/1dPWOHgTvhVJYiRN7R2ZrFA
提取码: tvaa

每日论文速递

点击“阅读原文”查看更多详细信息,建议科学上网获取最新内容。

转载地址:http://txkp.baihongyu.com/

你可能感兴趣的文章
Pandas matplotlib 无法显示中文
查看>>
pandas PIVOT_TABLE保持索引
查看>>
Pandas Plots:周末的单独颜色,x 轴上漂亮的打印时间
查看>>
pandas to_latex() 转义数学模式
查看>>
Pandas | 频数统计很简单,但这5 种技巧你使用过吗?
查看>>
Pandas 中文官档 ~ 基础用法4
查看>>
pandas 中的 for 循环真的很糟糕吗?我什么时候应该关心?
查看>>
Pandas 中的多索引旋转
查看>>
Pandas 中的日期范围
查看>>
pandas 中的时间序列箱线图
查看>>
Pandas 使用指南
查看>>
pandas 分组并使用最小值更新
查看>>
pandas 叶上的热图
查看>>
pandas 均值(mean), 均值填充NA(fill_na)
查看>>
Pandas 对数据框的布尔比较
查看>>
Pandas 将多个数据帧与时间戳索引对齐
查看>>
pandas 将通话数据分割为15分钟的间隔
查看>>
pandas 找到局部最大值和最小值
查看>>
Pandas 按年份分组,按销售列排名,在具有重复数据的数据框中
查看>>
pandas 按日期和年份分组,并汇总金额
查看>>