结合人工智能，大数据，物联网等主流技术实现业务流程的闭环整合的智慧快消开源了。
智慧快消视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒，省去繁琐重复的适配流程，实现芯片、算法、应用的全流程组合，从而大大减少企业级应用约95%的开发成本。基于多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、
AI视频监控平台教你如何行人追踪+人流量统计
本项目旨在通过使用ONNX和BYTETracker实现对视频中的行人进行实时追踪，并统计人流量变化。主要功能包括检测视频中的行人、追踪其位置变化、识别人流进出区域、并进行人流量的实时统计。本项目可以用于安全监控、人员流动分析等场景。
前端接入海康威视web插件
VUE3接入海康威视web插件接入海康的web插件实现在网页端直接显示摄像头监控画面，此解决方案需要在用户电脑上安装exe插件。web插件下载首先在官网下载海康插件，打开demo文件夹可以看到需要用到的js和bin目录下的exe插件。插件导入安装HCWebSDKPlugin.exe到电脑中，然后在项
MaskGCT，零样本语音克隆，TTS语音合成，多语言支持(WIN/MAC)
今天给大家分享一个近期比较火热的语音项目——MaskGCT，这是一个完全非自回归的TTS模型，无需文本和语音监督之间的显式对齐信息，也无需音素级别的时长预测。近期的大规模文本转语音(TTS)系统通常分为自回归和非自回归两类系统。自回归系统以隐式方式建模时长，但在稳健性方面存在一些缺陷，且缺乏时长可控
离散傅里叶变换（DFT）和快速傅里叶变换（FFT）
离散傅里叶变换（DFT）和快速傅里叶变换（FFT）是信号处理和数字信号处理中的基本工具。它们用于将时间域的信号转换为频率域的表示，帮助分析信号的频谱成分。DFT是将离散时间信号转换为频域表示的工具。通过递归地应用这种分解，可以大幅减少计算量。卷积计算： 利用FFT快速计算大规模卷积。滤波器设计： 快
抖音，快手，视频号AI无人直播插件实用教程
抖音无人直播,快手无人直播，淘宝无人直播，视频号无人直播软件
深入解析Diffusion和AsymmDiT：Mochi 1的高效AI视频生成之路
Mochi 1凭借其创新的AsymmDiT架构，在AI视频生成领域展现了强大潜力。其高效生成流程和优异的时序一致性，使其在处理复杂动态场景时表现突出。对于有志于探索AI视频生成技术的研究者和开发者而言，Mochi 1是一个强大且灵活的解决方案。如果您对Mochi 1或其他AI视频生成技术感兴趣，欢迎
音频3A一——webrtc源码3A的启用方法和具体流程
在上一篇文章中，音频3A——初步了解音频3A，大致介绍了3A的作用、使用场景以及带来了哪些问题，同时列举了一些各个平台常用的3A开源库，再接下来的文章中，博主打算以webrtc（实在过于经典）来介绍具体的3A算法，所以需要读者对于webrtc拥有一定的了解。由于webrtc过于庞大，3A只是webr
CodeFormer——卓越的AI照片修复工具，能够轻松消除图片以及视频中的马赛克，还原清晰画质。
（可选）：根据需要恢复的图像的特点，需要调整 CodeFormer 的参数，如控制特征转换模块的权重，在恢复质量和忠实度之间进行权衡。CodeFormer采用多阶段处理的方法，先对图像或视频进行初步的高清修复，然后进一步细化和优化，以达到更好的视觉效果。：特别针对视频和图片中的马赛克区域，CodeF
视频播放--vue3+西瓜播放器
实现方式非常简单，只需三步：安装、DOM占位、实例化即可完成播放器的使用。
金字塔流（Pyramid Flow）： 用于生成人工智能长视频的新文本-视频开源模型
在 "生成式人工智能 "中的文本生成模型和图像生成模型大行其道之后，现在该是文本-视频模型大显身手的时候了，这个列表中的新模型就是 pyramid-flow-sd3，它是一个开源模型，用于从文本或图像生成长达 10 秒的视频，而且是 24fps 的视频！
WebRtc音频01 - 设备管理
Audio Device Module (ADM) 用来管理详情可以参考：https://chromium.googlesource.com/external/webrtc/+/master/modules/audio_device/g3doc/audio_device_module.mdwebrt
Pyramidal Flow使用指南：快手、北大、北邮，开源可免费商用视频生成模型，快速上手教程
本指南详细介绍了 Pyramidal Flow 的安装、配置、使用方法，以及如何利用这一模型将文本描述转化为高质量视频。Pyramidal Flow 由快手科技、北京大学和北京邮电大学联合推出，支持商业使用，具备文本到视频生成、高分辨率输出、自回归视频生成等功能。
webrtc视频jitterbuffer全网最详细分析
上图横轴为每一帧的时间戳，纵轴为每帧完整时进行处理通过系统接口获取的当前时间now_ms(也可以理解为一帧在接收端接收的时间),其中绿色的点为每帧实际的时间戳对应的实际接收时间now_ms,最下方黑色虚线为结合所有帧的时间戳和now_ms经过卡尔曼滤波之后拟合出来的一个直线，红色点为最后这一帧根据其
AI视频！OpenAI发布最新模型sCM，开启图像、音频、视频、三维模型AI新时代
我们提出的训练算法仅使用两个采样步骤，在CIFAR-10上取得了2.06的FID分数，在ImageNet 64x64上取得了1.48的FID分数，在ImageNet 512x512上取得了1.88的FID分数，将与现有最佳扩散模型的FID分数差距缩小到10%以内。比如，几只巨大的毛茸茸的猛犸象正踏着
视频中间件：海康ISUP设备接入并输出标准FLV/RTSP/HLS流
海康ISUP协议与海康Ehome协议一样也是设备端主动向平台和服务注册的一种主动注册协议，适用于互联网（前端网络无固定IP地址）视频联网应用场景，如视频上云联网应用。随着产品的不断迭代升级，海康近2年推出的许多新产品已经取消了Ehome协议，取而代之的是海康ISUP协议，我们作为专业视频中间件平台的
将PDF文件转换为音频播客、讲座和摘要PDF2Audio；Open WebUI & Ollama的代码执行工具
PDF转音频转换器可以将PDF文件转换为音频播客、讲座和摘要，支持多种自定义选项。PDF to Audio Converter 是一款强大的工具，能够将PDF文档转换为音频格式，例如播客、讲座和摘要等。该工具利用OpenAI的GPT模型进行文本生成和语音合成，同时允许用户对文本进行多次编辑和提供反馈
【AI语音克隆】GPT-SoVITS V2版，业界最强的AI声音克隆软件、文本转语音工具，新增两种新语种，更强的V2模型
【AI语音克隆】GPT-SoVITS V2版，业界最强的AI声音克隆软件、文本转语音工具，新增两种新语种，更强的V2模型
在国产芯片上实现YOLOv5/v8图像AI识别-【4.2】RK3588获取USB摄像头图像推流RTSP更多内容见视频
在实际生产过程中，有很多时候不光是通过网络获取rtsp视频流，通常会采用在板子上插上USB摄像头获取画面。今天我将向搭建演示该如何通过USB获取画面后推流出RTSP视频流。本课程相关代码以开源在V8的项目中，有开源链接的朋友可以重新拉取一下代码。
WebRTC音频 02 - Windows平台设备管理
上一节讲了WebRtc如何去管理音频设备的，最终得出结论就是使用了ADM。但是ADM之下，Windows、Linux、mac又各不相同，这一节就分析下Windows平台是如何管理这些音频设备的。也就是分析下AudioDeviceWindowsCore这个类都干了啥！分析之前我们得先看下Core Au
