buzzfrog

文章/答案/技术大牛

发布

LV5

发表了文章 5天前2026-02-25 14:00:34

从人体视频到机器人动作部署 (Sim2Real) 技术方案

本方案旨在通过单目视频捕获人体动作，并将其转化为可在真实机器人上稳定运行的动力学控制策略。整个流程涵盖感知、数据处理、重定向、仿真学习和硬件部署，结合最新的计算...

buzzfrog 4天前2026-02-26 20:53:01

具身智能

发表了文章 5天前2026-02-25 08:06:23

LR-ASD：轻量级鲁棒主动说话人检测网络详解

主动说话人检测（Active Speaker Detection, ASD）是一个音视频多模态任务：给定一段包含多人的视频，模型需要逐帧判断每个可见人脸是否正在...

buzzfrog 4天前2026-02-26 20:56:09

人工智能

发表了文章 16天前2026-02-14 21:31:35

Qwen3-TTS 架构解析：基于 LLM 的自回归语音生成

各位同学，在大模型（LLM）席卷 NLP 领域的今天，语音合成（Text-to-Speech, TTS）技术也正经历着一场范式转移（Paradigm Shift...

buzzfrog 15天前2026-02-15 07:54:22

语音合成、人工智能

发表了文章 17天前2026-02-13 17:00:52

深入解析 MeloTTS：中文 TTS Pipeline 与多音字修正实战

MeloTTS 是一个基于 VITS2 架构的高质量、多语言 TTS（文本转语音）系统，以其极快的推理速度和自然的韵律表现著称。虽然它在多语言支持上表现优异，但...

buzzfrog 16天前2026-02-14 21:40:13

语音合成、人工智能

发表了文章 2026-01-092026-01-09 12:25:24

声音的两面：从物理振动到主观感知

在我们聆听音乐、交谈或感受自然之声时，声音似乎是一个整体体验。然而，若深入其本质，你会发现声音由几个独立而又相互关联的维度构成。其中最核心、也最易混淆的，便是音...

buzzfrog 2026-01-092026-01-09 12:25:24

声音工坊

发表了文章 2025-12-302025-12-30 11:57:43

深入解析 OpenAI Realtime API 协议架构：从 Response 到 Conversation

在开发基于 OpenAI Realtime API 的低延迟语音应用时，开发者面对的最大挑战往往是其复杂的 WebSocket 事件流（Event Stream...

buzzfrog 2026-01-202026-01-20 20:16:50

openai、人工智能

发表了文章 2025-12-302025-12-30 08:08:54

LiveKit Agents 深度技术架构剖析

LiveKit Agents 框架是一个基于 Python 的系统，旨在构建、部署和管理与 LiveKit WebRTC 基础设施交互的实时对话式 AI Age...

buzzfrog 2025-12-302025-12-30 10:18:12

agent

回答了问题 2025-12-272025-12-27 15:06:28

【有奖问答】你的 2025 有哪些难忘的回忆？（已完结）

10回答

程序人生、bug、程序员

buzzfrog回答于 2025-12-272025-12-27 15:00:31

我的 2025：不仅是程序员，更是“造物主”的一年如果用一行代码总结我的 2025，那一定是： self.evolve(from="Sensory", to="Cognitive", with="...... 展开详请

赞1 收藏0 评论0

我的 2025：不仅是程序员，更是“造物主”的一年如果用一行代码总结我的 2025，那一定是： self.evolve(from="Sensory", to="Cognitive", with="...

发表了文章 2025-12-272025-12-27 14:19:15

ManiAgent：多智能体协作的通用机器人操作框架介绍

在机器人操作领域，如何让机器人理解自然语言指令并完成复杂的操作任务，一直是一个充满挑战的问题。传统的机器人控制方法往往需要精确的编程和预定义的动作序列，难以适应...

buzzfrog 2025-12-272025-12-27 14:19:15

人工智能

发表了文章 2025-12-252025-12-25 17:11:00

LiveKit 入门实战：基于 Python SDK 构建视频会议客户端

本文将带你通过一个实战案例——client_demo.py，深入了解如何使用 LiveKit Python SDK 构建我们将从环境搭建开始，逐步解析核心概念、...

buzzfrog 2025-12-252025-12-25 17:11:00

python

发表了文章 2025-12-172025-12-17 07:55:16

Sherpa-ONNX 之关键词检测 KWS 入门实战

在智能语音交互中，关键词检测（Keyword Spotting, KWS）是唤醒语音助手的第一步。例如 "Hey Siri"、"小爱同学"、"你好小问" 等，...

buzzfrog 2025-12-172025-12-17 07:55:16

人工智能

发表了文章 2025-12-152025-12-15 11:58:15

NKF-AEC 入门实战

在实时语音通信中，声学回声消除（Acoustic Echo Cancellation, AEC）是至关重要的环节。NKF-AEC 是一个结合了卡尔曼滤波（Kal...

buzzfrog 2025-12-152025-12-15 11:58:15

深度学习

发表了文章 2025-12-092025-12-09 20:14:13

OpenAI Response API：为什么我们需要抛弃 Chat Completion？

OpenAI 已经推出 Responses API 有一段时间了。它不仅仅是一个版本的迭代，它代表了 AI 应用开发范式的一次根本性转变。很多开发者可能会问：“...

buzzfrog 2025-12-092025-12-09 20:14:13

人工智能

发表了文章 2025-12-072025-12-07 13:47:17

Smart Turn v3.1 实战入门

在语音对话系统中，“什么时候开始说话”和“什么时候停止说话”决定了交互的流畅度。传统系统大量依赖 VAD（Voice Activity Detection，语音...

buzzfrog 2025-12-072025-12-07 13:47:17

人工智能

发表了文章 2025-12-052025-12-05 18:44:46

基于 nnU-Net 的 IHC Ki-67 细胞分类实战指南

本文详细介绍了使用 nnU-Net 框架对免疫组化（IHC）Ki-67 染色病理图像进行细胞分割与分类的完整流程。从数据准备、格式转换、模型训练到推理评估，涵盖...

buzzfrog 2025-12-052025-12-05 18:44:46

智慧医学影像

发表了文章 2025-12-042025-12-04 15:52:24

GMR (General Motion Retargeting): 通用运动重定向系统技术综述

在人形机器人领域,将人类运动数据转换为机器人可执行的关节轨迹是一项基础而关键的技术挑战。GMR (General Motion Retargeting) 是一个...

buzzfrog 2025-12-042025-12-04 15:52:24

人工智能

发表了文章 2025-12-042025-12-04 12:08:38

GVHMR技术综述：从单目视频获得人体运动数据

GVHMR（Gravity-View Human Motion Recovery）是一个从单目视频中获得世界坐标系下人体运动的深度学习系统。该方法发表于SIGG...

buzzfrog 2025-12-042025-12-04 12:08:38

人工智能

发表了文章 2025-11-302025-11-30 11:35:31

Genesis 物理引擎入门实战

Genesis 是一个面向通用机器人学和具身人工智能（Embodied AI）的高性能物理仿真引擎。它由 Genesis-Embodied-AI 团队开发，旨在...

buzzfrog 2025-11-302025-11-30 11:35:31

人工智能

发表了文章 2025-11-202025-11-20 20:41:31

脑科学视角：记忆形成的完整过程

这就是大脑记忆形成的完整过程——从瞬间的感觉输入到可能伴随一生的稳固记忆，每一步都是精密的神经科学奇迹！

buzzfrog 2025-11-202025-11-20 20:41:31

agent

回答了问题 2025-10-232025-10-23 15:01:37

【有奖问答】你有哪些社区定制周边的好想法？（已完结）

34回答

程序人生、程序员

buzzfrog回答于 2025-10-232025-10-23 15:00:08

极客氛围灯 & 无线充一、核心创意是什么？这是一个二合一的多功能桌面装备：它既是一个营造极客氛围的像素动画屏，也是一个支持快充的无线充电器。它将腾讯云开发者社区的“云”概念和“编码”元素深度融...... 展开详请

赞4 收藏0 评论0

极客氛围灯 & 无线充一、核心创意是什么？这是一个二合一的多功能桌面装备：它既是一个营造极客氛围的像素动画屏，也是一个支持快充的无线充电器。它将腾讯云开发者社区的“云”概念和“编码”元素深度融...

12 3 4 5 6 7 下一页

个人简介

独立 | 技术撰稿人
别名：人气青蛙、星野。曾在阿里巴巴、盛大等多家互联网公司有十多年的AI研究及大规模架构实战经验。
企业级互联网架构 AIGC stable diffusion
中关村应用文理学院 | 软件工程
http://buzzfrog.cn
上海
加入社区时间：2019-10-18

个人成就

获得 382 次赞同
文章被阅读 335.2K 次
文章获得 40 次首页推荐

关注了：6关注者：1K

buzzfrog

从人体视频到机器人动作部署 (Sim2Real) 技术方案

LR-ASD：轻量级鲁棒主动说话人检测网络详解

Qwen3-TTS 架构解析：基于 LLM 的自回归语音生成

深入解析 MeloTTS：中文 TTS Pipeline 与多音字修正实战

声音的两面：从物理振动到主观感知

深入解析 OpenAI Realtime API 协议架构：从 Response 到 Conversation

LiveKit Agents 深度技术架构剖析

【有奖问答】你的 2025 有哪些难忘的回忆？（已完结）

ManiAgent：多智能体协作的通用机器人操作框架介绍

LiveKit 入门实战：基于 Python SDK 构建视频会议客户端

Sherpa-ONNX 之关键词检测 KWS 入门实战

NKF-AEC 入门实战

OpenAI Response API：为什么我们需要抛弃 Chat Completion？

Smart Turn v3.1 实战入门

基于 nnU-Net 的 IHC Ki-67 细胞分类实战指南

GMR (General Motion Retargeting): 通用运动重定向系统技术综述

GVHMR技术综述：从单目视频获得人体运动数据

Genesis 物理引擎入门实战

脑科学视角：记忆形成的完整过程

【有奖问答】你有哪些社区定制周边的好想法？（已完结）

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐