用于自动字幕生成系统的语音端点检测算法

字幕信息有助于观众对音视频内容进行理解,在音视频文件中起着不可或缺的作用.针对自动字幕生成系统的要求,提出了一种灵活、高效的语音端点检测算法,可以在复杂背景噪声的情况下,从连续的音频信号中提取语音端点.将短时能量、短时过零率、短时信息熵这3种基本音频参数进行结合,形成新的音频特征参数:短时能零熵(EZE-feature),在结合了音频信号时域特征和频域特征优点的同时,规避了它们各自的不足.在此基础上,还提出了一种环境自适应的语音端点判定算法,在端点检测过程中对背景噪声进行实时分析,并根据背景噪声的变化对短时能零熵参数进行调整.该语音端点检测算法已被成功应用于自动字幕生成系统中.     

一种矿用音视频联动软件设计

针对目前矿井融合调度通信系统中音频通信和视频通信缺乏有效联动,无法支撑调度员进行高效音视频联动通信的问题,设计了一种矿用音视频联动软件。软件中间件通过OCP协议实时获取调度通信主机终端状态,数据处理模块判断电话状态,并将联动视频信息通过消息队列RabbitMQ发送给客户端,客户端接收数据处理模块传送的合法指令,控制视频终端开启和关闭。测试结果表明,该软件运行稳定,安装简便;通过Web配置管理平台,用户可以方便地对电话、视频信息进行管理,同时对二者的对应关系进行配置;对每个客户端绑定的调度电话,当该电话主叫或者被叫时,均可在屏幕上显示对端电话绑定的摄像仪信息,视频信息显示流畅,可在1s内响应,满足用户的实时性要求。     

Inwicast Mediacenter模块在Claroline课程管理平台中的应用

Inwicast Mediacenter是基于GPL许可的多媒体功能扩展模块,支持共享媒体功能,为用户提供了创建地图的功能,教师可以非常方便地创建Google地图,并可以将已上传的各种音视频教学资源在地图上进行标注。本文重点介绍该模块在Claroline课程管理平台的安装、汉化及使用方法。     

基于Electron-Vue的电视台字幕转换软件实现

目前的电视台采访和录音中,需要大量进行语音向文字的转换服务。因此,本文设计了一款基于VueElectron框架设计开发的电视台字幕转换软件,便于电视台工作人员进行语音识别转字幕的操作,极大地提高了工作人员的效率。该软件采用MVVM架构、Electron-Vue框架、LowDB数据库、Node.js环境、Lodash工具库以及Fs-extra操作文件系统模块,构建可视化界面。软件功能大致可以分为两部分,即导入音视频资源与展示和字幕识别与转换。软件主界面有3大窗口,分别为文件导入窗口、音视频展示窗口、字幕识别窗口。     

简述专业级非线性编辑软件Premiere 6.5

Premiere是Windows和Macintosh用户所熟悉的专业视音频非线性编辑应用软件。对视频专业人员以及正在接触和使用视频工具的人来说，Premiere为数字视频的编辑制作提供了易用甚至是廉价的具有专业特征的非线性编辑功能。Adobe公司推出最新版本Premiere 6.5，它新增的功能主要包括支持DVD的MPEG—2文件的编码器、实时预览功能和一个新的高级字幕设计器。     

一种基于嵌入式流媒体视频播放器的多字幕组件设计

提出面向嵌入式流媒体播放器的多字幕显示和支持组件的设计架构,探讨字幕信息在流媒体业务中的服务端支持、传输方式和编码、解码方法,给出将多字幕组件集成到现有播放器的实现方案。集成测试结果表明,多字幕组件在实现需求功能的前提下确保了良好的时间精度,组件资源开销有限,并具有良好的可扩展性和模块独立性。     

一个基于AutoCAD的同步协同设计方案

众所周知,当今的CAD应用系统都是面向单用户的,若要实现团队合作异地开发一项目,可以通过设计一种的Hot-Link功能方法,对AutoCAD进行再次开发,使不同地方的AutoCAD用户利用Internet网实时地相互传递各自AutoCAD 内部数据库中的实体信息,在这种功能支持下,每位用户在自己的AutoCAD中绘图的同时,也可将AutoCAD内部数据库中增加、修改或删除的实体信息发送给其他AutoCAD用户,并在其他用户的AutoCAD中显示出来,以实现用户的设计思想交流.该功能的开发借用局域网中的C/S结构,通过网络通信协议和Winsoket编程把不同地方的AutoCAD应用连接起来,使得在同一个局域网中的不同机器上的AutoCAD实时的协同工作.     

利用多线程实现串口数据的实时图形化显示

文中主要讨论了在基于socket通信的C/S模式下,客户端从设备服务端采集提取数据并将测量结果以图形方式实时显示给用户。客户端通过串口利用socket通信向服务端发送操作命令,远程控制服务端设备,服务端按照操作命令进行响应并进行相关功能测量,最后将测量结果数据传给客户端,客户端收到数据经过处理后以图形方式实时显示在用户操作界面上。在通信数据量较大且需要实时反映当前状态的前提下,采用多线程技术实现数据接收与图形显示的并发同步进行。     

基于TCP的支持多格式实时编码的流媒体直播系统设计与实现

随着多媒体技术的发展和宽带网络的普及,IPTV系统在国内已经得到越来越广泛的应用,直播系统作为其中的一个子系统虽然满足用户的需求可以进行时移操作,然后面向的基本都是机顶盒用户群,对于大部分PC用户来说,能够支持时移的直播系统几乎没有。基于DirectShow和Socket技术,建立了一种流媒体音视频实时编码及网络传输系统,并且可以支持时移功能。     

基于可视技术的电信综合业务自助服务系统

在电信行业中自助服务主要提供话费查询、帐单打印、交费等功能。为了扩展自助服务的功能,文中提出了一种将实时音视频通信技术引人到自助服务设备中,让用户和营业员通过网络进行实时视频交流,自助完成办理手机开户等电信综合业务的方案。系统采用NetMeeting SDK作为开发工具实现可视化功能,在局域网演示环境中获得了良好的效果,能够完成以前只有到电信营业厅才能办理的大部分业务。该方案的实施必将极大降低电信运营商的成本,提高工作效率。