登录社区云，与社区用户共同成长
邀请您加入社区
本文以CSK 3021离线语音控制模组为例，分享如何自主定制适用于茶吧机的命令词实现语音交互控制，交互效果可以参考视频
本文介绍了构建完整语音交互系统的三大核心技术：Snowboy作为轻量级本地唤醒引擎，负责精准捕捉唤醒词；Dolphin ASR担任语音识别核心，实现实时高精度转写；EasyVoice（TTS）通过深度学习合成自然语音进行播报。三者协同形成"唤醒-识别-反馈"闭环，可应用于智能家居、车载系统等场景。这些技术使机器具备"听、懂、说"的人性化交互能力，是构建智能语
100kW光伏并网发电系统MATLAB仿真模型采用“增量电导+积分调节器”技术的MPPT控制器VSC并网控制最近在研究光伏并网发电系统，搭建了一个 100kW 的 MATLAB 仿真模型，今天就来和大家分享下其中用到的关键技术。
②基于分布式驱动电动汽车的路面附着系数估计，分别采用无迹卡尔曼滤波和容积卡尔曼滤波对电动汽车四个车轮的路面附着系数进行估计。本模型参考sci二区顶刊，开发了分布式驱动电动汽车路面附着系数估计的进阶版本，可在高速，低速下，对开路面，对接路面四种组合工况下对路面附着系数进行准确估计估计。该模型利用无迹卡尔曼滤波，容积卡尔曼滤波对路面附着系数分别进行估计，容积卡尔曼和无迹卡尔曼均由S- function
本文介绍了一个基于OpenClaw Skill开发的语音交互系统，通过Seeed Studio ReSpeaker XVF3800麦克风阵列实现语音输入，自动生成飞书互动式会议卡片。项目结合Whisper语音识别模型，能够解析会议主题、时间、地点和参与者信息，并创建可交互的飞书卡片发送到指定群组。系统支持中英文语音指令，提供完整的硬件配置、软件安装和运行流程指南，展示了从语音输入到卡片生成的全过程
摘要：本文详细介绍了如何在Linux系统上部署OpenClaw并配置Moonshot模型实现语音交互。关键步骤包括安装Node.js环境、初始化OpenClaw配置、获取Moonshot API密钥，特别强调需将baseUrl修改为国内版"https://api.moonshot.cn/v1"以避免401错误。文章还分享了配置认证信息、测试模型调用等具体操作，并提供了常见问题的
web端app端实现订单实时语言提醒详解
ffmpeg转码生成的m3u8格式详解
3个文件 一个index.html 一个 post.php一个get.php。这里有问题就是，post和get会频繁读写，不知道对服务器性能有和影响。同样的这个方法还可以改成一对一视频聊天，视频必须ssl，文字聊天不用。双方在聊天之前，需要一方先设置，加密和解密密码【为同一个密码】单纯的php就不需要服务器再安装什么其他软件了，优点就是这个。index把用户输入的内容通过js加密，发给post。另
从硬件层去实现音画同步检测的测试方法——过程篇
通过硬件层去实现音画同步的延时检测
可导入二次元/游戏角色模型，打造专属桌面宠物✅。
1.概述对于游戏开发，尤其是 MOBA（多人在线竞技）游戏，延迟是需要控制的。但是对于传统的 TCP（网络友好，很棒），并不利于包的实时性传输，因为他的超时重传和拥塞控制都是网络友好，对于我们包的实时性，没有优势。所以一般都是需要基于 UDP 去实现一套自己的网络协议，保证包的实时，以及可靠。其实就是牺牲 TCP 的友好，牺牲带宽，以空间换时间。基于 UDP，网上有一些优秀的协议，比如 KCP。2
本文主要介绍了 WebRTC 是什么，其和 Websocket 的异同，WebRTC 信令，架构和 API 入门。
metaRTC 嵌入式版本是采用纯C语言实现，采用了几个著名的通信库,日期在rv1126上实现了硬件编码发送，以及pcm语音采集发送，效果跟主流的pion和kvs毫不逊色，而且采用了多线程模式反复memcpy,如果尽量采用零挎贝技术，换用mbedtls应该还有进一步提升的空间，延时本地局域网87ms左右，效果还是很不错的。......
通过本文，我们学习了如何使用WPF创建一个3D正方体，并实现旋转动画。同时，我们也了解了一些基本的WPF 3D图形编程知识。
stm32搭建工程记录： cannot open source input file “RTE_Components.h“: No such file or director等一系列文件缺失问题
FFmpeg是一个超级强大的工具，它可以在视频文件中添加、删除、提取或者替换音频。如果你的电脑上已经安装了FFmpeg，那么你就拥有了可以给电影添加或删除音频的工具！我们一起来看看FFmpeg是如何做到的。使用FFmpeg删除视频中的音频很多人想要知道如何从录制的视频中删除音轨，比如马路噪音或者背景噪音。删除音频最简单的方法是：只将视频复制到一个新的文件中，而不复制音频。这个方法之所以简单，是因为
今天和大家聊聊WebRTC中音频的那些事。WebRTC由语音引擎，视频引擎和网络传输三大模块组成，其中语音引擎是WebRTC中最具价值的技术之一，实现了音频数据的采集、前处理、编码、发送、接受、解码、混音、后处理、播放等一系列处理流程。音频引擎主要包含：音频设备模块ADM、音频编码器工厂、音频解码器工厂、混音器Mixer、音频前处理APM。音频工作机制想要系统的了解音频引擎，首先需要了解核心的实现
**摘要：**即构科技针对泛娱乐出海面临的网络环境复杂、用户习惯多样、设备性能参差等痛点，推出自研网络AIMSDN+AI算法+终端适配方案。随着AI大模型发展，即构探索RTC+AI融合，推出实时互动AIAgent2.0，覆盖文字、语音、视频互动，应用于AI陪伴、游戏、翻译等场景。同时，联合数美强化内容风控，助力企业突破出海瓶颈，实现增长。（149字）
即构最新发布的AI Agent数字人产品,让开发者只需一张静态图片,就能快速生成具备自然语言表达能力和生动肢体动作的数字人形象。该数字人可实现自然的头部动作、肢体姿态及指向性手势，还能根据关键词自动触发对应动作，让图片数字人真正实现 “能说话、会做手势、有表情” 的沉浸式互动效果。随着技术的不断迭代,即构将持续优化图片数字人的动作表现和智能化水平,为开发者提供更加强大、易用的数字人解决方案,共同探
想获取一首歌的伴奏却找不到资源怎么办？没关系，我们可以自己解决。音频编辑服务提供音源分离的功能，帮助开发者在应用中构建人声与伴奏分离的功能。目前，音源分离功能已经开放了人声与伴奏、乐器等多种分离的方式，可以实时解析并将乐器中的人声和各种乐器元素提取到独立的音轨上，满足创作者对伴奏制作、扒带、音乐创作等多种场景的应用需求。并且，无需专业的音频处理软件，只要集成华为音频编辑服务，就能在移动端轻松完成音
本系列如下：视频渲染流程音频播放流程read线程流程音频解码流程视频解码流程视频向音频同步start流程和buffering缓冲策略本文是流程分析的第六篇，分析ijkPlayer中的音视频同步，在video_refresh_thread中，如下流程图中所示。音视频同步基本概念因为音视频是独立线程解码和输出的，如果不进行音视频同步输出的话，则播放时会各播各的，会出现音画不同步的现象，所以需要进行音视
这里是第三篇：iOS 音频封装 Demo。这个 Demo 里包含以下内容：1）实现一个音频采集模块；2）实现一个音频编码模块；3）实现一个音频封装模块；4）串联音频采集、编码、封装模块，将采集到的音频数据输入给 AAC 编码模块进行编码，再将编码后的数据输入给 M4A 封装模块封装和存储；5）详尽的代码注释，帮你理解代码逻辑和原理。前两篇：iOS要开发，采集音频并存储为 PCM 文件iOS音视频开
Android NDK 实现视音频播放器源码
OM6650AM是一款超低功耗、同时支持蓝牙5.1协议栈与2.4GHz私有协议的双模无线连接SoC芯片，采用4.0 mm x 4.0 mm QFN32封装，具有丰富的资源，极低的功耗，优异的射频性能，可广泛应用于车载数字钥匙模组、胎压检测、PKE钥匙等场景。QUAin睡眠模式(32K RC和64K RAM保留)-101.5dBm RX灵敏度@ 125Kbps。支持数据速率:1Mbps、2Mbps、
学习目标：学习web前端设计技术（HTML、css、JavaScript、jQuery等），综合运用技术，将其与HTML元素结合，设计样式、监听事件、添加动画等，给用户呈现出更好的视觉交互效果。本文主要学习分页按钮自动放大、元素移入移出、自动轮播动画效果。
Vision Pro只是专业化的MR硬件设备，后续在油气行业的应用落地，还需要结合网络通信、专业软件、人工智能、数字孪生、知识图谱、数据互联互通等技术进行整体考虑。。
通过高拟真度的形象设计和智能化的交互能力，实时数字人不仅提升了用户体验，更在政务服务、金融、医疗、教育等多个领域展现出广泛的应用潜力。在情感表达上，通过分析用户的语调和关键词，数字人能动态调整表情和手势，甚至模拟轻微的头部转动或眼神接触，从而营造更自然的交互氛围。此外，依托大模型知识库的支持，数字人还能实时学习行业知识，为用户提供个性化的回答，进一步拉近与用户的距离。而在零售领域，数字人导购员可通
我们欢迎更多的小伙伴参与。
mp3与aac音频格式的比较现状：MP3仍然是使用主流， 虽然AAC比MP3更加先进，但处于优势地位还是MP3。由于各种历史原因，环顾国内这么多音乐软件，它们所提供的大部分音乐还是MP3，就连美国的亚马逊数字音乐等提供的也是MP3音乐，所以相信很多人的便携设备里面放的都是MP3格式的音乐。（估计大部分人都是没有可选择的余地）而AAC则由苹果的iTunes Store使用最多。iTunes Sto
OpenAI 公司于 8 月 8 日发布报告，概述了 GPT-4o 模型的系统卡（System Card），介绍了包括外部红队（模拟敌人攻击）、准备框架（Preparedness Framework）在内的诸多细节。OpenAI 表示 GPT-4o 模型的核心就是准备框架（Preparedness Framework），这是一种评估和降低人工智能系统相关风险的系统方法。从报道中获悉，该框架主要用于
linux基本指令（详细版）初学者必备文章，萌新看过来！！
沉浸式全息投影是一种利用光学原理，将三维图像悬浮在空中的技术。它突破了传统投影的限制，实现了观众无需佩戴任何设备即可观看全息影像的效果。这种技术让画面仿佛从空气中浮现出来，为观众带来身临其境的沉浸感。
我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。素材来源官方媒体/网络新闻。
LPMS-B2 系列传感器是一款创新型的高性能微型无线传输姿态传感器，它整合了三轴陀螺仪、三轴加速度计和三轴磁力计，通过算法进行校正和计算，能提供包括加速度、角速度、欧拉角和四元数在内的姿态数据。同时，LPMS-B2 系列传感器利用蓝牙技术，可以轻松地与 PC、智能手机等设备通信，被应用于机器人和人类动作测量。LPMS-B2 通过按压其上面的电源按钮起电，起电成功后，LED 灯会亮起蓝色。传感器大
西门子PLC S7-1200程序实例，博图版本V15，仅供电气编程者学习借鉴1，西门子1200与安川机器人TCP/IP通讯，包含机器人GSD文件；2，西门子1200控制6轴伺服电机，四台台脉冲控制台达B2伺服，两台PN通讯控制西门子V90伺服电机；3，两台西门子1200开放式通讯交互数据联动；4，与4台位移传感器modbus485轮询读取参数；最近在研究西门子PLC S7 - 1200的一些应用案
亚马逊云、AI数字人、生死线
实时互动
——实时互动
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AI智能硬件社区
AtomGit开源社区
龙虾开发者社区
魔乐社区
网易智企-云信开发者社区
即构开发者社区
DAMO开发者矩阵
