超越原生的媒体录制工具:extendable-media-recorder
2024-06-01 18:08:47作者:丁柯新Fawn
超越原生的媒体录制工具:extendable-media-recorder
1、项目介绍
extendable-media-recorder 是一个强大的媒体记录库,它是浏览器原生 MediaRecorder 的扩展版。这个库不仅提供了与原生API相同的功能,还允许开发者定义自定义编码器,从而支持更多种类的音频文件格式,即使这些格式在当前浏览器中并未得到官方支持。
2、项目技术分析
该项目通过两种技术实现自定义编码:
- Chrome 中的 WebM 技术:在 Chrome 浏览器中,
extendable-media-recorder利用原生的MediaRecorder将流编码为 WebM 文件,并且音频部分采用pcm编码。然后,它借助一个轻量级的ts-ebml解析器,将pcm数据转换以供自定义编码器使用。 - 其他浏览器中的 Web Audio API:对于不支持上述方法的浏览器,
extendable-media-recorder直接使用 Web Audio API 获取录音的pcm数据,让自定义编码器能够处理这些数据。
extendable-media-recorder 还提供了一个预先定义好的音频编码器 extendable-media-recorder-wav-encoder,用于创建 WAV 格式的音频文件。
3、项目及技术应用场景
- 多媒体应用开发:对于开发需要自定义音频格式的在线录音应用,例如要求高质量音频存储或特殊格式支持的应用,
extendable-media-recorder提供了灵活的选择。 - 学术研究:在音频处理和信号分析领域,可能需要特定采样率或编码格式的数据,
extendable-media-recorder可以满足这一需求。 - 实验性项目:对于尝试新编码技术和格式的开发者,它可以作为实验平台,轻松地添加和测试新的编码器。
4、项目特点
- 兼容性良好:无论浏览器是否支持原生
MediaRecorder,extendable-media-recorder都能适配并提供稳定的服务。 - 可扩展性:允许用户注册并使用自定义的编码器,扩展录音功能以支持更多的文件格式。
- 易于集成:安装简单,接口与原生
MediaRecorder类似,开发者可以快速上手替换原有代码。 - 控制精度:提供了设置采样率的方法,以适应不同的场景需求。
总的来说,extendable-media-recorder 是一个强大的开源解决方案,它赋予开发者更多控制录音过程的能力,让音频录制变得更加灵活和多样化。无论你是音视频应用的开发者还是对声音处理有独特需求的研究者,都不妨试试这款工具,探索其无限可能性。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
311
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1