跳到正文

技术方向

音视频与多模态 最新动态

超分辨率算法、AI 影视创作工作流、视觉理解与实时音视频处理技术。

2 条精选近 30 天 1 条共收录 4 条

更新

音视频与多模态的精选

10月20日周二第 1–2 条
  1. 字节跳动技术团队58

    720P 直升 8K，解密 2026 抖音美好奇妙夜巨幕超分黑科技

    火山引擎 AI MediaKit 巨幕超分方案在 2026 抖音美好奇妙夜中，将 720P/1080P 素材增强至 8K 用于 20 米舞台巨幕播放。方案通过逐帧语义级纹理生成、边缘细节重建和时序一致性约束，补全原始素材中不存在的细节并避免帧间闪烁。该能力此前已在 2026 年春晚将 Seedance 2.0 生成的 720P 视频增强至 8K，目前最高支持 16K/32K 分辨率输出。

    推荐理由：原文拆解了巨幕超分在纹理生成、边缘重建与时序一致性上的具体做法，可了解生成式补全如何落到工程交付。

9月3日周四
  1. 美团技术团队博客78

    美团智播——数字人直播技术创新与实践

    美团技术团队介绍面向本地生活场景的AI数字人直播方案美团智播，围绕形象生成、动作驱动、语音手势协调与推理加速四项技术展开。方案支持真人1:1复刻、30秒生成直播素材、3分钟完成开播配置，过去一年月日均GTV同比增长82.12%，开播场次提升11倍。其中Glance2Gaze实现75%视觉token压缩与2.5倍推理加速，将并发成本降低60%以上。

    推荐理由：美团智播团队系统拆解数字人直播从形象生成到万路并发的四项自研技术，可作为多智能体实时系统的工程参考。