音视频开发之旅

在做数字人时,需要对采集的数据进行预处理,然后才能进行模型训练, 预处理常用的操作有:去背景 音频重采样 视频裁剪 音频特征提取等等,今天我们来分享一个自动化脚本: 对原图/视频进行人脸检测并根据目标

目录 1.效果展示 2.SadTalker原理学习 3.SadTalker代码流程分析 4.性能优化 5.参考资料 AI数字人目前做的最好的无疑是heygen，但是费用也是很贵，也有一些其他的商业应用

目录 效果展示 sd使用流程：选大模型、写关键词和设置参数 SDWebui文生图调用流程 StableDiffusion原理浅析 参考资料

目录 基音周期、浊音的概念 Sonic源码分析 资料 收获 上一篇我们学习了音频变速不变调的原理以及WSOLA波形相似叠加算法进行时域压扩处理。其中在寻找相似帧方面，Sonic采用AMDF（平均幅度差

目录 声音的基本知识 时域压扩（TSM)的原理 波形相似叠加（WSOLA） 资料 收获 音频的原始pcm数据是由 采样率、采样通道数以及位宽而定。常见的音频采样率是44100HZ，即一秒内采样4410

通过Cmake进行工程化实践（以库、源码、跨平台的组织形式等多个角度实践）通过Cmake进行工程化实践（以库、源码、跨平台的组织形式等多个角度实践）

目录 问题描述 问题分析 问题原因 问题解决 资料 收获 一、问题描述 用小米11 录制视频上传后，在iPhone的Safari浏览器或者应用的H5中无法播放，而android设备上的确实可以正常播放

目录 动画和绘制的流程 LayerView树 ShapeLayer的分析 Lottie优劣以及rLottie、PAG的介绍 资料

目录 Lottie能做什么 Lottie 动画使用调用流程 Json字段介绍 解析为LottieComposition 资料 总结