- 博客(4)
- 收藏
- 关注
RSS订阅原创 平台硬件架构与ALSA耗时对AEC影响
本文探讨了USB音频设备在不同主机上AEC（回声消除）效果差异的原因。主要观点包括： AEC效果不仅取决于算法，更依赖于播放参考流、扬声器发声和麦克风采集三条时间线的稳定对应关系。 核心问题在于播放和采集设备是否共享同一采样时钟，时钟漂移会导致AEC性能下降。 需要同时监控播放和采集链路的稳定性，包括xrun、队列深度、延迟和采样漂移等指标。 ALSA不同层次（内核驱动、PCM层、插件链）的变化都会影响AEC效果。 调试顺序应该是先确保音频时间线稳定，再调整残余回声抑制等算法参数。 文章强调了在机器人语音前
2026-05-04 00:42:06
423
原创 Code外置记忆库
本文提出了一种为AI助手Codex设计的外挂记忆系统，旨在解决对话式AI在长期项目中的记忆局限问题。该系统通过结合Markdown日志、SQLite知识库和轻量语义检索，实现了项目经验的持久化存储和智能召回。核心创新在于将人类可读的Markdown作为事实源，结构化数据库作为检索底座，使AI既能快速查找历史记录，又能核对原始上下文。系统包含自动工作流技能，促使AI养成先查历史、记录操作、验证结果的习惯，形成"越用越聪明"的闭环。这种方法有效解决了对话压缩、窗口迁移和信息碎片化等问题，使A
2026-04-27 21:26:51
476
原创 复盘笔记...为什么一定要五个字...
摘要： 本文探讨了机器人语音交互中的实时音频前端处理（AEC）技术，重点解决扬声器回声与用户语音同时被麦克风采集的难题。系统采用分层处理：WebRTC AEC消除主回声，自研URES模块（开源核心）优先保护人声并抑制残留回声，DTLN神经网络优化输出。测试显示，系统在双讲场景下能平衡回声抑制与人声保留（抑制量9.28dB），冷启动和实时性通过动态缓冲与状态机优化。当前方案虽存在轻微处理痕迹和边界情况，但已达到实用水平，关键突破在于将算法、硬件与工程经验结合，而非依赖单一模型。 关键词： AEC、实时语音处理
2026-04-25 00:05:57
476
原创 ROS2 + Conda（CUDA/Torch）在 WSL2 上的混用指南
摘要：ROS2与Conda环境在WSL2下的集成方案 本文介绍了在WSL2环境下整合ROS2 Humble与Conda（含CUDA/Torch）的实践指南。针对常见问题如节点通信失败、DDS组播异常、Python环境冲突等，提供了具体解决方案。关键点包括：1）通过ROS_DOMAIN_ID和RMW_IMPLEMENTATION配置确保DDS通信；2）采用"系统Python构建+Conda环境运行"的双环境策略，避免shebang路径冲突；3）详细解决自定义消息包构建、Ctrl+C异常处理
2026-02-21 11:49:19
708
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人