1.音视频流媒体开发系列（45）GLSurfaceView源码解析&EGL环境
2.Python爬虫腾讯视频m3u8格式分析爬取（附源码，视频视频高清无水印）
3.flv.js源码知识点（下） FLV格式解析
4.使用you-get和yt-dlp开源组件下载及播放视频
5.详解视频中动作识别模型与代码实践
6.WebRTC PeerConnection源码分析1-main window/附：WebRTC源码级深度解析，解析解析进阶大厂高级音视频开发者课程
音视频流媒体开发系列（45）GLSurfaceView源码解析&EGL环境
查看源码的源码源码原则：以常用的API为入口，依据地图、编写编写带着问题、软件沿着主线来寻找答案 从事「音视频领域」开发工作有前途吗？ GLSurfaceView在使用时，视频视频dump1090 源码解析我们调用的解析解析两个主要方法是setEGLContextClientVersion和setRenderer。具体操作在渲染回调中执行，源码源码包括onSurfaceCreated、编写编写onSurfaceChanged和onDrawFrame。软件 我们的视频视频焦点是EGL和GLThread。1.1. setRenderer的解析解析实现：检查GLThread的状态，确保只有一个GLThread存在。源码源码
1.2. GLThread实现：这是编写编写一个Thread的子类，关键逻辑在guardedRun方法中。软件
1.3. guardedRun（渲染核心逻辑）：创建EGLSurface，获取GL对象，并在EGLContext和EGLSurface生成并绑定后执行渲染。渲染数据通过eglSwapBuffers显示。
1.4. EglHelper：提供创建EGLSurface、获取GL对象和交换Framebuffer的方法。
音视频免费学习资源：FFmpeg/WebRTC/RTMP/NDK/Android音视频流媒体高级开发 整理了一些面试题、学习资料、教学视频和学习路线图共享在群文件，资料涵盖C/C++、Linux、FFmpeg、WebRTC、RTMP等，免费分享，有需要的可以加入群自取。TextureView +EGL+ GLThread绘制图形
将GLSurfaceView内容简化，剔除SurfaceView继承，保留GL环境，使用GLEnvironment进行渲染。借鉴了[GLSurfaceView的虚拟机脱壳源码简单分析及巧妙借用]的思路，避免了从头开始实现GL环境的复杂过程。 通过实践，了解了GLSurfaceView内部机制、EGLThread的实现和EGL上下文的意义。在TextureView基础上创建EGL上下文和GLThread以实现OpenGL的绘制。 感谢阅读。Python爬虫腾讯视频m3u8格式分析爬取（附源码，高清无水印）
为了解析并爬取腾讯视频的m3u8格式内容，我们首先需要使用Python开发环境，并通过开发者工具定位到m3u8文件的地址。在开发者工具中搜索m3u8，通常会发现包含多个ts文件的链接，这些ts文件是视频的片段。
复制这些ts文件的URL，然后在新的浏览器页面打开URL链接，下载ts文件。一旦下载完成，打开文件，会发现它实际上是一个十几秒的视频片段。这意味着，m3u8格式的文件结构为我们提供了直接获取视频片段的途径。
要成功爬取，我们需要找到m3u8文件的URL来源。一旦确定了URL，由于通常涉及POST请求，我们需要获取并解析对应的表单参数。接下来，我们将开始编写Python代码。
首先，导入必要的Python库，如requests用于数据请求。接着，编写代码逻辑以请求目标URL并提取所需数据。遍历获取到的数据，将每个ts文件的node.js模块源码URL保存或下载。最后，执行完整的爬虫代码，完成视频片段的爬取。
flv.js源码知识点（下） FLV格式解析
flv.js系列三：FLV格式解析
此篇文章为flv.js源码知识点系列的终篇，旨在深入解析FLV文件的格式。在理解FLV文件数据结构及如何在JavaScript中读取特定二进制数据的基础上，文章将引导读者逐步构建对FLV文件解析的全面认知。
FLV格式解析主要涉及两个关键部分：FLVHeader和FLVBody。FLVHeader为文件的前导部分，固定长度为9字节，其结构定义了文件的后续部分。FLVBody包含多个Tag，每个Tag由TagHeader和TagData组成，Tag的结构为字节，体现了FLV文件的层次化和可扩展性。
在进行FLV文件解析时，二进制数据读取API显得尤为重要，特别是DateView类的使用。DateView允许以位级别访问ArrayBuffer中的数据，提供了读取、写入以及转换数据类型的能力，极大地简化了二进制数据的处理流程。
具体而言，DateView提供了构造函数new DataView，用于指定数组缓冲区、偏移量和长度。获取数据时，可以通过getUint8、getUint等方法，灵活地读取不同长度的整数。此外，了解字节序（大字节序与小字节序）的概念及其对数据读取的影响，对于正确解析FLV文件至关重要。
位操作是二进制数据处理的另一大利器，包括按位非、怎样看图片的源码按位与、按位或、按位异或以及位移操作等。这些操作允许在位级别上进行复杂的数据提取和重组，对于处理如FLV标签中的时间戳拼接等特定场景尤为关键。
最后，文章强调了结合FLV格式文档和二进制数据读取技术进行解析的重要性。通过解析每个字段，开发者可以有效地理解和处理FLV文件中的音视频数据，为后续的音视频解码、传输和播放提供坚实基础。
通过本系列文章的学习，读者不仅掌握了flv.js源码的解析原理，还深入理解了FLV文件格式的内在结构与处理方法，为音视频开发工作打下坚实的技术基础。
使用you-get和yt-dlp开源组件下载及播放视频
本文介绍如何使用开源播放器MPV实现视频播放和作笔记的闭环，并推荐使用you-get作为视频解析引擎，以解决youtube-dl和yt-dlp的解析问题。以下是详细的集成与配置步骤：
一、国外视频网站解析方案
1. MPV内置youtube-dl：MPV自带youtube-dl，用于解析在线视频，使用方法为输入相关命令。
2. yt-dlp使用：需先安装yt-dlp，配置mpv.conf文件，将youtube-dl替换为yt-dlp。
二、国内视频网站解析方案
推荐使用you-get作为视频解析引擎。步骤包括：安装you-get，使用其作为视频解析引擎，以避免更新滞后问题。
三、优酷视频播放
对于优酷视频，由于版本问题，需要调整you-get的youku.py源码或直接修改ccode参数为，或自编译you-get。开源图像识别源码
四、登录时使用Cookies
通过火狐浏览器cookies.sqllite文件设置cookies，实现登录后正常访问视频。
五、笔记参考
提供配置示例，以及MPV详细配置文件链接，供进一步参考。
总结：通过以上步骤，可以利用MPV播放器结合you-get，实现对国内外主流视频网站的视频播放和解析，同时支持登录访问，满足作笔记需求。请注意，部分步骤可能需要根据实际情况调整，以确保兼容性和最新功能。
详解视频中动作识别模型与代码实践
摘要：本文详细解析视频动作识别的经典模型，并通过代码实践进行演示。视频动作识别涉及分析一段视频内容，判断其中的人物动作。与图像识别相比，视频分析需要考虑时间顺序和动作之间的关联性。由于视频分析的计算资源需求高，数据量庞大，并且需要处理时序因素，模型参数量也相应增加。然而，基于已有的图像模型，如ImageNet，可以有效应用于视频模型训练，提高训练效果。本文将介绍视频动作识别领域的经典模型，包括旧模型和新模型，并通过代码实现进行实践。
视频动作识别旨在解析视频内容，识别出人物所做的动作。这一领域相较于图像识别，不仅要分析静态，还要考虑序列间的时空关系。例如，仅凭一张无法确定某人扶门的意图是开门还是关门。
视频分析领域发展相对较晚，与图像分析领域相比，面临着更大的挑战。主要难点在于需要强大的计算资源来处理视频内容，视频转换为进行分析导致数据量庞大。此外，视频分析模型需考虑时间顺序，通过时间关系联系图像，进行判断，这增加了模型的复杂性和参数量。
得益于PASCAL VOC、ImageNet、MS COCO等数据集的公开，图像领域诞生了许多经典模型。视频动作识别领域同样存在经典模型，本案例将详细介绍这些模型，并通过代码实践进行演示。首先，本案例将准备所需源代码和数据，通过ModelArts SDK将资源下载并解压。
UCF-数据集将被选作为演示数据集，演示视频动作识别模型。接下来，我们将介绍视频动作识别的经典模型，从旧模型到新模型，逐步解析模型结构和工作原理。旧模型包括卷积网络+LSTM、3D卷积网络以及Two-Stream网络，新模型则引入了更有效的Two-Stream Inflated 3D ConvNets（I3D）模型，利用光流数据增强动作识别能力。
为了捕获图像间的时空关系，I3D模型结合了多种结构改进，如光流计算和时间序列分析，有效提升模型识别精度。通过代码实现，我们将分别实践C3D模型（3D卷积网络）和I3D模型（Two-Stream Inflated 3D ConvNets），并展示训练过程、模型结构和具体实现细节。
本案例将重点介绍C3D模型和I3D模型的结构与训练过程。C3D模型采用3D卷积网络处理视频，结合LSTM捕捉时间序列信息。I3D模型则在C3D基础上引入光流计算，增强模型对视频动作的识别能力。通过代码实践，读者将深入了解视频动作识别的经典模型和实际应用。
在代码实现部分，我们将详细展示如何准备数据、构建模型结构、训练和测试模型的过程。例如，对于C3D模型，我们将讲解数据预处理、构建模型、训练模型和评估模型的方法。对于I3D模型，我们将介绍模型结构、参数定义、数据处理和模型预测的实现方式。
通过本案例的代码实践，读者将能够亲自动手实现视频动作识别模型，理解模型原理，掌握模型训练与测试的关键步骤。这不仅有助于深入理解视频动作识别领域，还能为实际应用打下坚实的基础。
WebRTC PeerConnection源码分析1-main window/附：WebRTC源码级深度解析，进阶大厂高级音视频开发者课程
当前音视频行业蓬勃发展，WebRTC作为优秀的音视频开源库，广泛应用于各种音视频业务中。对于高级音视频开发者而言，掌握业务适用性改造能力至关重要。深入学习与分析WebRTC，从中汲取有益经验，对开发者而言具有极高的价值。
本文基于WebRTC release-源码及云信音视频团队的经验，主要探讨以下问题：ADM（Audio Device Manager）架构解析、启动流程分析、数据流向解析。本文聚焦核心流程，旨在帮助开发者在有需求时快速定位相关模块。
ADM架构解析
在WebRTC中，ADM（Audio Device Manager）的行为由AudioDeviceModule定义，实现则由AudioDeviceModuleImpl提供。通过架构图可以看出，AudioDeviceModule全面规定了ADM的所有行为。AudioDeviceModule的主要职责在于管理音频设备的采集与播放。
AudioDeviceModule由AudioDeviceModuleImpl实现，包含音频设备实例audio_device_和音频缓冲区audio_device_buffer_。audio_device_负责与具体平台的音频设备交互，audio_device_buffer_用于存储音频缓冲区数据，是与AudioDeviceModuleImpl中的audio_device_buffer_同一对象。AudioDeviceModuleImpl通过AttachAudioBuffer()方法将audio_device_buffer_传递给平台实现。
音频缓冲区AudioDeviceBuffer包含play_buffer_与rec_buffer_，分别用于播放与采集音频数据。AudioTransport接口定义了向下获取播放与传递采集数据的核心方法。
关于ADM扩展的思考
在WebRTC实现中，主要关注硬件设备的实现，对于虚拟设备的支持不足。但在实际项目中，往往需要外部音频输入/输出支持。这可以通过在AudioDeviceModuleImpl中引入虚拟设备，实现与真实设备的切换或协同工作，简化了设备管理。
ADM设备启动时机与流程
ADM设备启动时机并不严格，通常在创建后即可启动。WebRTC源码中会在SDP协商后检查是否需要启动相关设备，根据需求启动采集或播放设备。启动流程涉及InitXXX与StartXXX方法，最终调用平台实现。
关于设备停止
了解启动过程后，设备停止逻辑与启动逻辑大体相似，主要涉及相关方法的调用。
ADM音频数据流向
音频数据发送核心流程涉及硬件采集、APM处理、RTP封装、网络发送等步骤。数据接收与播放则包括网络接收、解包、解码、混音与播放，整个流程清晰且高效。
零基础读懂视频播放器控制原理： ffplay 播放器源代码分析
视频播放器的工作原理基于对音视频帧序列的控制。不同播放器可能在音视频同步上采用更复杂的帧预测技术，以提升音频与视频的同步性。ffplay，作为FFmpeg自带的播放器，使用了FFmpeg解码库与用于视频渲染显示的SDL库。本文将详细分析ffplay源码，旨在用基础且系统的方法，解读音视频同步、播放/暂停、快进/后退等控制原理。
相较于在移动端查看音视频代码，使用PC端通过VS进行查看和调试，能更高效迅速地分析播放器原理。由于ffplay在命令行界面的使用体验不够直观，本文将分析在CSDN上移植到VC的ffplay代码（ffplay for MFC）。
文章将按照以下结构展开：
一、解析MP4文件结构，理解视频文件的构成与参数。
二、从最简单的播放器入手，分析FFmpeg解码与SDL显示流程。
三、提出并解答五个关键问题，涉及音视频组合、同步、时间与帧数控制等。
四、深入ffplay代码，从总体流程图入手，理解其代码结构。
五、详细分析视频播放器的操作控制机制，包括关键结构体VideoState的作用，PTS和DTS的原理与应用，以及如何实现音视频同步。
六、总结反思，强调基础概念、流程图与PC端调试的重要性。
通过本文，我们将深入解析ffplay播放器的音视频播放与控制原理，旨在提供更直观、基础的解读方式，帮助读者理解和掌握视频播放器的核心技术。
