Video \Audio Container是什么？ 视频、音频和容器是多媒体文件的三个主要组成部分：
一种是在电声领域的硬件音频编解码器, 严格说应称作D/A（数字/模拟）转换器, 其主要作用是编码端把模拟音频信号转换成数字信号,解码端把读取的数字音频信息转换成模拟音频信号输出，供功率放大重放。
音频编解码器的用途是高效压缩音频以减少存储或网络带宽需求。理想情况下，音频编解码器应该对最终用户是透明的，让解码后的音频与原始音频无法从听觉层面区分开来，并避免编码 / 解码过程引入可感知的延迟。
点击上方“LiveVideoStack”关注我们 近期，谷歌推出了一款基于AI的音频编解码器——SoundStream。根据谷歌介绍，SoundStream是首个可以编码不同声音类型、同时提供高质量音频并能在智能手机CPU上实时运行的神经网络编解码器。今年早些时候，谷歌曾发布了一款名为Lyra的超低比特率音频压缩编解码器。一年之内，谷歌推出了两款基于AI的音频编解码器。这两款编解码器究竟有什么不同？谷歌为什么如此专注于低比特率的音频压缩？SoundStream是否将成为一款通用音频编解码器，还是只专注于
回顾今年的2月份，可以说是音频编解码器最为热闹的一个月。先是微软宣布推出最新款由AI支持的音频编解码器——Satin。仅一周后，谷歌推出了用于语音压缩的新型超低比特率音频编解码器——Lyra，并且Android版本已开源。在此，也非常感谢来自国内音频领域的知名业内人士对本文发表评论及审校。
如果想要开发一款视频app用于直播，作为一名开发者，首先要了解它的技术架构是什么。一个完整的直播技术架构包含：音视频采集、前处理、编解码、多媒体处理、流媒体协议、视频app的系统架构、CDN技术和交互技术等等。从今天起，小编将对直播技术架构做分解，把其中涉及到的项目拿出来给大家一一讲解，也算是给各位初入行业的开发者提供一些简单的知识支持。
作为一名合格的直播源码开发者，我们需要清楚的知道其内在的技术架构是由什么构成的。一般一个完整的直播技术架构包括：音视频采集、前处理、编解码、多媒体处理、流媒体协议、视频源码的系统架构、CDN技术和交互技术等等。首先，我们就来聊一聊，在直播源码开发过程中，用到的音视频编解码技术有哪些？
2月25日，Google AI blog发布了一篇文章详细的介绍了最新推出的Lyra——一种用于语音压缩的新型超低比特率编解码器。该编解码器使Google Duo，以及未来的其他应用程序能够以每秒3kb的网络宽带提供听起来很自然清晰的语音聊天。
一共支持三种格式： Ogg、MPEG4、WebM，但是这三种格式对于浏览器的兼容性却各不同。
近日，谷歌又推出了一款基于人工智能的音频编解码器—— SoundStream ，它是一款端到端的神经音频编解码器，可以提供更高质量的音频，同时编码不同的声音类型，包括干净的语音、嘈杂和混响的语音、音乐和环境声音。并且，谷歌宣布这是第一个支持语音和音乐的AI编解码器，同时能够在智能手机CPU上实时运行。
据悉，开源发布的Lyra代码是用C++编写的，以提高速度、效率和互操作性，使用了带有Abseil的Bazel构建框架和GoogleTest框架进行全面的单元测试。
作者简介 本文作者为携程基础业务研发部呼叫中心团队，其在传统呼叫中心基础上，结合软交换、智能分配、自动语音语义处理等技术，为携程用户提供人性化、人机互动、便捷的电话语音服务。 一、前言 智能手机早已成为日常生活中不可或缺的一部分，随着移动互联网的快速发展，人们的生活习惯与工作方式也在不断发生改变。从移动通信、移动支付，再到移动办公，“移动化”已渗透至各行各业，并逐步成为企业业务发展的趋势。 携程呼叫中心研发团队根据业务的需求，研发完成了一套完整的呼叫中心移动坐席解决方案，使业务坐席不再受制于工作时间、办公地
原文链接 / https://www.edn.com/an-update-on-music-codecs/
音视频 文件 从 采样 -> 处理 -> 得到原始数据帧队列 -> 音视频编码 -> 音视频包队列 -> 格式封装 的过程如下 :
Lyra是谷歌公司推出的一款不惧低带宽的音频编解码器，用来实现随时随地高质量通话。
编者按：春节前夕的最后一次采访，LiveVideoStack有幸邀请到了北京理工大学信息与电子学院副教授王晶。王教授目前在北京理工大学信息与电子学院通信技术研究所从事教学科研工作，讲授本科生《数字通信网》和研究生《语音信号数字处理（全英文）》课程。在教学的同时，王教授还承担有国家自然科学基金、国家重大科技专项、国际合作项目及与中国移动、华为等的企事业横向科研项目。她长期参与信息技术领域标准化工作，目前为AVS中国数字音视频编解码标准组织成员，CCF语音对话与听觉专委会委员。在此次与LiveVideoStack的对话中，王教授分享了过去几年音频领域的重要发展和创新、音频编解码器的独特之处、AI与音频编码技术结合的突破以及目前音频领域人才培养和输出所面临的困境等。
# 常见出现问题：视频用格式工厂转换之后，上传无法用video播放。或者播放只有声音，视频画面是黑色的。
主讲人首先介绍了他自己，Colin Biggin 从 2008 年开始作为 iOS 程序员一直在 AppStore 上开发应用程序，在 AppStore 上开发超过 70 个应用程序。2014 年入职 Stage TEN，与 YouTube、Google、TVO、Khan Academy 均有合作。
原文：https://mux.com/blog/streaming-video-on-the-internet-without-mpeg/
直播热度不减，很多人也都投身其中，但大家对于直播平台软件开发的了解确并不多。而在直播平台中，要保证视频直播画面的清晰流畅，音视频技术的运用必不可少。今天我们就来一起看下，音视频技术处理的大体流程是怎么样的。
标题：Networking Technologies for Real-Time, Interactive Applications
今天一位朋友Q我说：为什么我录制的MP4视频在本地可以播放但是使用html5的video多媒体播放标签不能正常播放只有一个进度条而不显示图像？当时我也很好奇MP4视频可以用video标签播放呀，我就经
“ 目前，实时音视频通讯的实现方案在浏览器上有两种，分别是H5和WebRTC，前者可以拉流观看，后者可以实现推流和拉流。”
如果想要在浏览器上实现音视频的实时通讯，H5和WebRTC是两种可选方案，但是二者有明显的区别，优劣也比较突出。今天，我们就来简单了解一下。
[链接] http://www.52im.net/thread-228-1-1.html
下图引用自“雷霄骅，视音频编解码技术零基础学习方法”，因原图太小，看不太清楚，故重新制作了一张图片。
ffplay是一个很简单的播放器，但是初次接触仍会感到概念和细节相当繁多，分析并不容易。深入理解一项技术需要足够的时间和大量的实践，由浅入深逐步迭代，没有时间就成了最大难题。本次分析过程断断续续持续了挺久，先是边读代码边加注释，后面才整理了笔记，再加上理解浅薄很难精简语言，因此行文比较啰嗦。笔记记录仓促，错误难免，欢迎指正交流。后续若有时间继续研究，将持续修正错误完善文档。
嵌入式产品开发中经常遇到音频的输入输出问题，如何为其添加“喇叭”、“麦克风”设备呢？本文将简单介绍ARM+Linux产品中的音频解决方案。
2023-04-06：拥抱Golang，优化FFmpeg音频编码器，探究encode_audio.c的内部结构。
机器之心报道 编辑：rome rome DALL-E 已经能够很好地从文本生成图像，那么如何高效地实现语音合成呢？本文带你看微软最新推出的语音合成模型 ——VALL-E，它的效果将惊掉你的下巴。 近十年间随着神经网络和端到端建模的发展，语音合成技术取得了巨大突破。级联的文本到语音（TTS）系统通常利用声学模型 pipeline 和梅尔频谱作为中间表示的声码器。先进的 TTS 系统可以从单个或多个 speaker 合成高质量的语音，但仍需要高质量的 “干净” 数据。从网络上抓取的大规模数据无法满足要求，并且会
到目前，h5似乎已经成为品牌宣传最重要的表现方式。h5技术开发简单，研发周期短，且成本低廉。尤其强化了web网页的表现性能，通过h5技术搭建的直播系统不仅能够在网页实现高清流畅播放，还能加入很多的交互功能。下面，我们就针对h5直播源码做一些技术扫盲。
在上一篇文章《FreeSwitch Linux(CentOS 6.5) 安装教程》中介绍了Linux(CentOS 6.5)版的安装，这里主要讲一下windows下的安装。
(1) 可用性 建议在网络上传输元数据时确保高可用性。 (2) 数据量 相对于总服务数量、内容数量和网络带宽这些因素而言，在传输元数据时，建议让传输的数据量足够小。 (3) 正确性 服务供应商应确保标记特定内容的元数据是正确的。 我们以内容的“评级”正确性为例来说明元数据的重要性。内容的正确评级直接关系到客户的期望，一部成人电影如果错误地标上了“家庭电影”的评级，必将会严重地影响客户体验和服务供应商的业务。
2024年6月12日-15日，AVS工作组第八十九次会议在浙江绍兴召开。会议上，工作组正式宣布，AVS3P10标准已经完成最终委员会草案（FCD）阶段，即将正式对外发布。
FFmpeg 是用于处理多媒体文件的免费开源工具集合，它包含一组共享的音频和视频库，例如 libavcodec、libavformat 和 libavutil。使用 FFmpeg，您可以在各种视频和音频格式之间进行转换、设置采样率、捕获流式音频/视频以及调整视频大小。
前言： 大家好，今天给大家推荐一些音视频相关书籍! 一：音视频编解码 《深入理解视频编解码技术:基于H.264标准及参考模型》 《新一代视频压缩编码标准-H.264_AVC(第二版)》 《基于H.264的视频编/解码与控制技术》 《FFmpeg从入门到精通》 《WebRTC权威指南》 《现代电视原理》《数字电视广播原理与应用》 《FFmpeg从入门到精通 FFMPEG视音频编解码基础书籍 》《ffmpeg基础库编程开发》 《音视频开发进阶指南：基于Android与iOS平台的实践》 《视频编解码技术原理
像 MP3、MP4、WebM 这些 视频格式，定义了构成媒体文件的音频轨道和视频轨道的储存结构，其中还包含描述这个媒体文件的元数据，以及用于编码的编码译码器等等。
使用 ffmpeg 命令 从 视频数据 中 提取 音频数据 / 视频数据 保留封装格式 , 封装格式 指的就是 封装 视频数据 的 容器 ;
嵌入式音频处理技术的迅猛发展正在改变我们的生活方式，从音频流媒体到声音识别，这个领域为人们的生活和工作带来了巨大的影响。本文将探讨嵌入式音频处理技术的最新趋势和应用，以及提供相关的代码示例。
FFmpeg 是一个用于处理多媒体文件的免费并且开源的工具集。它包含了一系列音频和视频库，例如：libavcodec, libavformat, 和 libavutil。使用 FFmpeg，你可以在各种视频和音频格式之间进行相互转换，设置码率，剪辑音频、视频，以及放缩视频。
在 ffmpeg 命令中 , -aframes 参数用于设置 要输出的 音频帧 帧数 , 通过该参数 设置 一个 指定的 音频帧数 , 输出完 该 指定音频帧数 的 音频帧 之后 , ffmpeg 将会停止处理音频流 , 通过该参数 可以 精确控制音频输出长度 ;
流媒体服务器的未来将伴随着宽带应用和网络发展的总趋势，毕竟科技改变生活，未来流媒体也将占据网络的主流，视频流媒体服务器的功能和作用也将越来越丰富。
本文来自网易云音乐音视频实验室负责人刘华平在LiveVideoStackCon 2017大会上的分享，并由LiveVideoStack根据演讲内容整理而成（本次演讲PPT文稿，请从文末附件下载）。
它包含一组共享的音频库和视频库，如libavcodec、libavformat和libavutil。
裁剪视频 , 需要指定 输入文件 / 裁剪起始时间 / 裁剪持续时间 / 指定 视频和音频 编码 ;
前面提到的例子中，我们使用君正T31的设备都是直接使用API函数进行采集声音，然后直接播放声音的，其中涉及两组API，一组是AI，音频输入函数，一组是AO，音频输出函数。
直播代码的直播数据处理分为五步：数据采集、编码、传输、解码和渲染。我们今天主要来说一下传输中的音视频方面的知识。
MPEG-4 Part 14（MP4）是最常用的容器格式之一，通常文件以.mp4结尾。它不仅能用于HTTP上的动态自适应流传输（DASH），还能用于Apple提出的的HLS流传输。MP4基于QuickTime文件格式标准下的ISO基础媒体文件格式（MPEG-4 Part 12）。MPEG代表Moving Pictures Experts Group，是国际标准化组织（ISO）和国际电工委员会（IEC）合作建立的组织。MPEG的设立是为了规范音频和视频压缩和传输的标准。MPEG-4则指的是对视频的编码。MP4支持多种编解码器。最常用的视频编解码器是H.264和HEVC。AAC是最常用的音频编解码器。AAC是著名的MP3音频编解码器的后继者。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
