- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-2 R语言函数 apply
#apply函数，沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似，但只用一句话可以完成 #apply(参数)：apply(数组,维度,函数/函数名) > x <- matrix(1:16,4,4) > x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16 >
70410发布于 2020-09-16 - 来自专栏零域Blog
【OpenMP学习笔记】编译制导指令
前言 OpenMP通过在串行程序中插入编译制导指令, 来实现并行化, 支持OpenMP的编译器可以识别, 处理这些指令并实现对应的功能. 所有的编译制导指令都是以#pragma omp开始, 后面跟具体的功能指令(directive)或者命令.
2.9K11编辑于 2022-03-02 - 来自专栏Java
试题 算法训练 4-2找公倍数
试题 算法训练 4-2找公倍数 资源限制 内存限制：256.0MB C/C++时间限制：1.0s Java时间限制：3.0s Python时间限制：5.0s 问题描述 这里写问题描述。
24010编辑于 2025-01-21 - 来自专栏趣学算法
数据结构 第4-2讲 双向链表
数据结构第4-2讲双向链表 链表是线性表的链式存储方式，逻辑上相邻的数据在计算机内的存储位置不一定相邻，那么怎么表示逻辑上的相邻关系呢？ 可以给每个元素附加一个指针域，指向下一个元素的存储位置。
94640发布于 2018-09-13 - 来自专栏sringboot
x86汇编加载用户程序-4-2
索引寄存器的端口号是 0x3d4，可以向它写入一个值，用来指定内部的某个寄存器。比如， 两个 8 位的光标寄存器，其索引值分别是 14（0x0e）和 15（0x0f），分别用于提供光标位置的高 8 位和低 8 位。 指定了寄存器之后，要对它进行读写，这可以通过数据端口 0x3d5 来进行。 高八位 和第八位里保存这光标的位置，显卡文本模式显示标准是25x80，这样算来，当光标在屏幕右下角时，该值为 25×80－1=1999
99130编辑于 2021-12-06 - 来自专栏用户6269484的专栏
科普常识：中国的译制片主流
中国的译制片主流 中国如今的主流译制模式是配音和字幕，后两种译制模式主要是在1940年代的上海以「译意风」的形式流行过。 字幕与配音的拉锯 在欧洲，如果条件允许，更多观众会青睐配音译制，但在中国大陆，影视观众对字幕的偏好在不断上升。究其原因，大致有如下几点： 配音译制片的审美疲劳。 配音译制片曾经是外国影片的绝对主流，国内的配音演员多为科班出身，进行过专业艺术训练。 字幕译制的天生缺陷在于阅读字幕的时候可能错过画面内容，所以如果没有较快的阅读速度，很容易因为错过画面内容而产生急躁心理，从而转化为对字幕译制模式的不满。 而网络上流传的外国影视节目多为盗版，非营利的译制组织因为成本控制的原因，也不会选择配音译制。 观众外语水平的提高导致字幕在很多时候成为了偶尔需要的辅助。
67100发布于 2019-12-26 - 来自专栏用户6269484的专栏
科普常识：中国的主流译制片模式
中国的译制片主流 中国如今的主流译制模式是配音和字幕，后两种译制模式主要是在1940年代的上海以「译意风」的形式流行过。 字幕与配音的拉锯 在欧洲，如果条件允许，更多观众会青睐配音译制，但在中国大陆，影视观众对字幕的偏好在不断上升。究其原因，大致有如下几点： 配音译制片的审美疲劳。 配音译制片曾经是外国影片的绝对主流，国内的配音演员多为科班出身，进行过专业艺术训练。 字幕译制的天生缺陷在于阅读字幕的时候可能错过画面内容，所以如果没有较快的阅读速度，很容易因为错过画面内容而产生急躁心理，从而转化为对字幕译制模式的不满。 而网络上流传的外国影视节目多为盗版，非营利的译制组织因为成本控制的原因，也不会选择配音译制。 观众外语水平的提高导致字幕在很多时候成为了偶尔需要的辅助。
85600发布于 2020-01-03 - 来自专栏用户6269484的专栏
科普常识：历史上主流的译制手段
为了让观众欣赏其他语言的电影，历史上有这样一些主流译制手段： 1 配音 将原片台词翻译后由配音演员模拟原片的情感与状态读出，用配音音轨代替原片的台词音轨，配音的声音尽量与画面中演员的嘴唇动态吻合
72840发布于 2019-12-25 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-2：LM模型+数值协变量
上一篇，我们介绍了数量性状进行GWAS的一般线性模型分析的方法（笔记 | GWAS 操作流程4：LM模型assoc），这里我们考虑一下数字协变量，然后用R语言进行对比。
1.5K20发布于 2020-05-26 - 来自专栏cwl_Java
C++编程之美-数学之趣(代码清单4-2)
代码清单4-2 struct point { double x, y; }; double Product(point A, point B, point C) { return
32830编辑于 2022-11-30 - 来自专栏Android点滴积累
IOS Widget（4-2）：创建可配置小组件（动态修改配置数据）
上一篇文章，讲解了如果通过配置修改小组件行为，只不过配置数据是写死的，本文将继续探索配置数据的高级用法，配置数据在小组件中动态创建的
4.2K11发布于 2021-05-10 - 来自专栏历史专栏
【愚公系列】2021年12月 攻防世界-进阶题-MISC-072(4-2)
文章目录 一、4-2 二、答题步骤 1.词频分析 总结 一、4-2 题目链接：https://adworld.xctf.org.cn/task/task_list?
62020编辑于 2021-12-09 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-2 scikit-learn中的机器学习算法封装
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现KNN算法。
1.1K00发布于 2019-11-13 自动化AI译制重塑短剧出海：内容本地化产能与全球分发效能实践
音画视听错位： 译制后的语音长度与原片画面脱节，严重影响剧情流畅度。 二、 构建全链路自动化AI译制与智能分发体系 针对上述业务断点，克雷斯特（CREST）推出自动化内容译制平台 Jowo AI，联合腾讯云的音视频与AI底层能力，首创短剧全链路配音译制生产标准： LLM场景化语境优化 智能时长匹配技术： 算法自动调整目标语言的句长，确保译制配音与原片画面高度契合，保障流畅度。 云端音视频与AI底座： 结合腾讯云智能媒体增强、智能媒体处理及AI译制内容本地化能力，实现内容的安全存储与全球极速分发。 20+ 语种 的一站式AI译制，短剧月产能高达 1000+ 部，总短剧内容储备达 6000+ 部。
45210编辑于 2026-04-18AI 一键译制把成本降到人工的 110
摘要 一条10分钟海外宣传片走传统人工译制要等3-5天、花几千块，每改一版还要重来。 元；如果要覆盖英、日、韩、西、葡 5 个语种，单片译制成本轻松突破 2 万元。 二、为什么"一键译制"不是噱头，而是链路重构 很多团队对"AI 一键译制"是有心理阴影的：早期工具把 ASR、机翻、TTS 简单拼在一起，结果字幕断句乱、术语译错、配音像念课文，最终还是要人工返工，反而更慢 敏感内容 / 合规要求高：译制完成后接一道智能审核（0.08 元/分钟）兜底，出海合规风险一次性收敛。 五、一条 10 分钟片子的最小验证路径 如果你在评估要不要切换到 AI 译制，建议走一条最小验证路径，成本基本可以忽略： 挑一条已经在投的 10 分钟视频，拿到它过去人工译制的单价和交期数据作为对照；
30810编辑于 2026-06-01- 来自专栏云服务业务
短视频出海：腾讯云国际站AI译制与数字人直播实操方案全攻略
单纯依靠真人拍摄、人工翻译配音的模式，已经无法跟上海外平台高频更新算法要求；依托大模型自动化内容生产，大幅压缩人力、模特、译制成本，成为所有出海短视频团队的核心刚需。 依托腾讯云国际站完整音视频 AI 产品矩阵，企业可一站式完成存量短视频多语言译制、7×24 小时无人数字人直播。 API 批量离线处理：支持上万条短视频队列式译制，搭配媒体处理 MPS 弹性算力，夜间批量调度降低算力开销。 调用 AI 译制接口：自动拆条识别视频核心卖点，生成适配短视频平台的竖屏片段；3. 全链路 AI 处理：语音转文字翻译、AI 多音色配音、口型对齐、字幕压制；4. 腾讯云国际 VOD 混元 AI 译制 + 数字人直播方案，一站式解决多语种素材量产、跨时区无人直播两大核心业务需求，大幅压缩人力与时间成本。
19720编辑于 2026-07-17 - 来自专栏以终为始
顺序表应用4-2：元素位置互换之逆置算法(数据改进）（SDUT 3663）
一个长度为len(1<=len<=1000000)的顺序表，数据元素的类型为整型，将该表分成两半，前一半有m个元素，后一半有len-m个元素（1<=m<=len)，设计一个时间复杂度为O(N)、空间复杂度为O(1)的算法，改变原来的顺序表，把顺序表中原来在前的m个元素放到表的后段，后len-m个元素放到表的前段。 注意：交换操作会有多次，每次交换都是在上次交换完成后的顺序表中进行。
43710编辑于 2023-03-09 Jowo AI自动化译制平台驱动短剧出海效率提升——克雷斯特科技与腾讯云合作实践
核心痛点冲突： 语言壁垒：翻译生硬导致文化带入感弱，传统译制影响剧情流畅度（数据来源：腾讯全式数字生态大会·Jowo AI业务介绍）； 产能瓶颈：人工译制效率低，难以满足规模化出海需求（如2023 部署Jowo AI译制平台与腾讯云基础设施 针对性解决方案： Jowo AI自动化内容译制平台（上海克雷斯特科技有限公司CEO王小书主导研发）： AI场景化优化：通过LLM理解剧情语言场景，调整润色风格解决翻译生硬问题 ； 本地化译制配音：构建本土文化知识产品多语种多音色库，提升文化适配性； 智能时长调整：保持音画高度匹配，优化剧情流畅度（数据来源：腾讯全式数字生态大会·Jowo AI业务介绍）。 战略布局日韩、东南亚，成立日本短剧公司（Nishiki Media），建立本地化制作中心（每月制作3-5部短剧），通过海外APP+社媒分销发行； 2024年：全面开拓北美、欧洲、中东等市场，自研AI译制能力并建立生产标准 腾讯技术底座支撑规模化出海 选择腾讯的核心原因： 技术领先性：Jowo AI首创行业生产标准，为中国及全球创作者提供高效译制工具与发行通道（数据来源：腾讯全式数字生态大会·Jowo AI业务介绍）；
34310编辑于 2026-04-19方言译制技术拆解：粤语等小语种的本地化处理路径
粤语及其他方言短剧的出海译制，在技术实现上与普通话译制有显著差异。本文从ASR模型选型、俚语识别与意译机制、文化语境迁移三个技术模块拆解方言译制的完整路径，并对比不同实现方式的质量影响。 二、俚语识别与意译：方言译制的质量核心为什么俚语处理是方言译制的最大难点普通话俚语大量来源于网络用语，对应的英文网络表达相对丰富。 五、方言译制的质量验证关键质量指标方言译制的质量评估，需要在普通话译制基础上增加方言专项检测：质量指标普通话场景粤语场景的额外要求ASR识别率≥99%≥99%（含粤语专有字符识别）翻译准确率≥99%俚语意译覆盖率额外检测情绪还原率 Q：方言译制比普通话译制贵多少？A：方言译制通常比普通话译制有一定溢价，原因是方言ASR模型维护和俚语词库建设的成本。 图1：分享项目多语言参数配置，一次上传支持英/粤/日等多语言同步译制图3：术语表上传弹窗，支持英语/日语等多语言，避免人名品牌翻译错误
14010编辑于 2026-07-06AI译制平台突破短剧出海语言壁垒，月产量提升至1000部
JowoAI构建自动化译制解决方案 克雷斯特推出自研AI译制平台JowoAI，通过三大技术突破： AI场景化优化：基于LLM理解剧情语言场景，调整台词风格 本地化译制配音：建立多语种多音色音库，融入本土文化知识 CEO） 克雷斯特实践验证技术可行性 上海克雷斯特科技有限公司通过旗下TopShort平台实践验证： 2023年战略布局日韩、东南亚市场，成立日本短剧制作公司Nishiki Media 2024年自研AI译制能力
48310编辑于 2026-04-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号