近一年以来，AI 视频生成技术发展迅猛。自 2024 年初 Sora 问世后，大家惊喜地发现：原来 AI 可以生成如此逼真的视频，一时间各大高校实验室、互联网巨...

据悉，在前不久Gartner升级发布的VPS竞争格局报告中，腾讯云也入选代表厂商。此次再获肯定，也标志着腾讯云音视频领先的技术和产品组合优势，以及全球化的服务经...

CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理

FFmpeg.NET 提供了一套强大的 API，使得在 .NET 平台上进行音视频处理变得简单而高效。无论是格式转换、提取音频、视频剪辑还是获取视频信息，FFm...

“为更好地推动中国戏曲创造性转化和创新性发展，探索数字技术助力戏曲传承和传播。在文化和旅游部艺术司的关心和指导下，艺术发展中心与腾讯联合发起了“中国戏曲数字焕新...

2025年刚过，中国AI技术在国际舞台上持续闪耀，国产开源模型的集体爆发成为行业焦点。实际上在DeepSeek的开源模型爆火之前，中国的另一家公司MiniMax...

FFmpeg是一款非常强大的音视频处理工具，它不仅功能强大而且非常好用，比如视频转码中一个非常实用的参数就是preset。今天我们将重点介绍preset参数的作...

本文重点介绍Planar平面模式的存储形式，YUV420P和YUV420SP的差异从名字上就可以看出一二，主要看S的含义。S是Semi（半的）的缩写，SP就是S...

CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理

Perplexity 提议将与其搜索结果一同出现的引用信息带到 TikTok 视频中，以帮助用户识别可靠信息，并表示其大型语言模型编排能力可以为 TikTok ...

对于每段输入视频，则以最高每秒 2 帧的速率均匀采样最多 32 帧，并将每帧的大小调整为 448 × 448 像素。对于每个 448×448 视频帧输入，视觉编...

在众多非 Transformer 架构中，Mamba 无疑是声量较大且后续发展较好的一个。然而，与最初发布时那种仿佛「水火不容」的局面不同，最近一段时间，这两种...

视频对话功能并非新概念。最早公开演示 AI 视频通话的 OpenAI，则在去年 12 月底就在自家产品上线了对应能力：在 ChatGPT 的移动端应用程序 Ap...

1.MicroVQA: A Multimodal Reasoning Benchmark for Microscopy-Based Scientific Res...

HeyGem.ai 是由南京硅基智能科技有限公司推出的开源数字人模型，专为 Windows 系统设计。它基于先进的 AI 技术，仅需 1 秒视频或 1 张照片，...

多模态可控世界生成是指基于分割、深度和边缘等多模态视频输入生成世界模拟视频的问题。

前几天，“杭州六小龙”之一「群核科技」在GTC 2025大会开源了空间理解模型：SpatialLM。

3 月 30 日（周日）上午 10:00，「大模型时代：安全如何洗牌」TVP AI 与安全高峰论坛将在腾讯云 TVP 视频号等多平台同步直播， 扫描「海报二维码...

近日，前字节跳动 AI 技术专家解浚源在朋友圈官宣加入具身智能创业公司千寻智能，并发布了千寻智能最新披露的 Spirit v1 VLA 演示视频。据悉，解浚源目...

而就在这段视频发出后不到 12 小时，波士顿动力也发布了一段视频，其中不仅同样演示了机器人侧空翻这一动作，还表演了其它看起来非常近似人类的动作。