7 1.8 1.8.1 1.9 ⽬录 前⾔ FFmpeg概览 FFmpeg相关 FFmpeg安装 ⾳频处理 提取⾳频⽚段 视频处理 视频属性 获取 调整 尺⼨调整 动图gif 视频转动图 动图转视频 ⽔印 去除⽔印 提取⾳频 字幕处理 背景知识 字幕分类 字幕格式 编辑字幕 Aegisub 提取字幕 转换字幕 嵌⼊字幕 指定字幕位置 指定字幕⽂字属性 强⼤的⾳视频处理⼯具：FFmpeg 最新版本： v1.0 更新时间： 20210914 简介 介绍⾳视频处理⼯具FFmpeg有哪些强⼤的功能。先对ffmpeg进⾏概览， 包括可以⽤来⼲什么，与之相关的ffprobe、ffplay、ffserver等⼯具；再介 绍如何安装ffmpeg；如何⽤ffmpeg处理⾳频，⽐如从⾳频中提取某段⾳频 ⽚段；以及各种视频处理，包括视频属性的获取和调整，包括调整视频宽 ⽚段；以及各种视频处理，包括视频属性的获取和调整，包括调整视频宽 ⾼尺⼨⼤⼩；以及动图gif处理，包括视频转动图、动图转视频；以及⽔印 处理，包括去除视频⽔印；从视频中提取完整⾳频和⾳频⽚段；字幕相关 处理，包括字幕的背景知识，包括软字幕和硬字幕、常⻅字幕格式ass和 srt；以及如何⽤Aegisub编辑字幕；从视频中提取字幕、从srt转换出ass 字幕；嵌⼊字幕，包括⽤流拷⻉模式嵌⼊软字幕、⽤vf模式烧录嵌⼊硬字 幕、且

北京航空航天大学 高研院 助理教 授 清华大学新闻学院与人工智能学 院双聘教授 沈阳团队博士后 何静 能做什么？ 要怎么做？ 效果如何？ 一 能做什么？ 数据挖掘 数据分析 数据采集 数据处理 数据可视化 AIGC 数据应用 通过编写爬虫代码、访问数据库、读取文件、调用API等方式，采 集社交媒体数据、数据库内容、文本数据、接口数据等。 通过数据清洗、数据集成、数据变换、特征工程等方式，实 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 图像处理，扩展应用场景。  可解释性：注重模型输出 的可解释性和透明性。 DeepSeek R1  高效推理：专注于低延迟和 高吞吐量，适合实时应用。  轻量化设计：模型结构优化， 资源占用少，适合边缘设备 和移动端。  多任务支持：支持多种任务， 如文本生成、分类和问答。 Kimi k1.5  垂直领域优化：针对特定领域 （如医疗、法律）进行优化， 提供高精度结果。  长文本处理：擅长处理长文本 和复杂文档，适合专业场景。  定制化能力：支持用户自定义 训练和微调，适应特定需求。 Open AI o3 mini  小型化设计：轻量级模型， 适合资源有限的环境。  快速响应：优化推理速度， 适合实时交互场景。  通用性强：适用于多种自 然语言处理任务，如对话 生成和文本理解。 爬虫数据采集 1、阅读网页源代码，提取特定网页内容；

清华大学 新闻学院 人工智能学院 • Deepseek是什么？ • Deepseek能够做什么？ • 如何使用Deepseek？ DeepSeek是什么？ AI + 国产 + 免费 + 开源 + 强大 • DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应 用。 • DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 营销文案、广告语生成 社交媒体内容（如推文、帖子） 剧本或对话设计 文本创作 长文本摘要（论文、报告） 文本简化（降低复杂度） 文本简化（降低复杂度） 多语言翻译与本地化 摘要与改写 02 01 03 文本生成 自然语言理解与分析 知识推理 知识推理 逻辑问题解答（数学、常识推 理） 因果分析（事件关联性） 语义分析 语义解析 情感分析（评论、反馈） 意图识别（客服对话、用户查询） 实体提取（人名、地点、事件） 文本分类 文本分类 主题标签生成（如新闻分类） 垃圾内容检测 编程与代码相关 代码调试

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 IV.I.I OpenOffice.org 文字处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 IV.I.II OpenOffice.org 电子表格 . . . . . . 使用 OpenOffice.org 文字处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 IV.II.I OpenOffice.org 文字处理的主要特性 . . . . . . . . . . . . . . . . . 120 IV.II.II 完成基本的文字处理工作 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306 VII 处理大多数图像和照片 309 VII.I 图像软件介绍 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

拥有自己独立的缓冲池，能够缓存数据和索引 MySQL 架构设计—应用架构 强一致性 对读一致性的权衡，如果是对读写实时性要求非常高的话， 就将读写都放在 M1 上面， M2 只是作为 standby 。 比如，订单处理流程，那么对读需要强一致性，实时写实 时读，类似种涉及交易的或者动态实时报表统计的都要采 用这种架构模式 弱一致性 如果是弱一致性的话，可以通过在 M2 上面分担一些读压力 和流量，比如一些报表的读取以及静态配置数据的读取模块 MySQL MySQL 配置原则 配置原则 服务优化 服务优化 公共选项 公共选项 选项 缺省值 推荐值 说明 max_connections 100 1024 MySQL 服务器同时处理的数据库连接的最大 数量 query_cache_size 0 ( 不打开 ） 128M 查询缓存区的最大长度，按照当前需求，一 倍一倍增加，本选项比较重要 sort_buffer_size 512K SQL SQL 语句的编写 语句的编写  谨慎建立 谨慎建立 unique unique 类型的索引（唯一索引） 类型的索引（唯一索引）  大文本字段不建立为索引，如果要对大文本字段进行检索， 大文本字段不建立为索引，如果要对大文本字段进行检索， 可以考虑全文索引 可以考虑全文索引  频繁更新的列不适合建立过多索引 频繁更新的列不适合建立过多索引 应用优化 应用优化

index: 0, input: "2017-06-12"] NOTE match 返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的 内容，然后是匹配下标，最后是输入的文本。另外，正则表达式是否有修饰符 g，match 返回的数组格式是不一样的。 另外也可以使用正则实例对象的 exec 方法： var regex = /(\d{4})-(\d{2})-(\d{2})/; 是字符串，也可以是函数。 当第二个参数是字符串时，如下的字符有特殊的含义： 属性 描述 $1,$2,…,$99 匹配第 1-99 个 分组里捕获的文本 $& 匹配到的子串文本 $` 匹配到的子串的左边文本 $' 匹配到的子串的右边文本 $$ 美元符号 例如，把 "2,3,5"，变成 "5=2+3"： var result = "2,3,5".replace(/(\d+),(\d+) RegExp.lastMatch 最近一次匹配的文本 RegExp["$&"] RegExp.lastParen 最近一次捕获的文本 RegExp["$+"] RegExp.leftContext 目标字符串中lastMatch之前的文本 RegExp["$`"] RegExp.rightContext 目标字符串中lastMatch之后的文本 RegExp["$'"] 测试代码如下： JavaScript

index: 0, input: "2017-06-12"] NOTE match 返回的一个数组，第一个元素是整体匹配结果，然后是各个分组（括号里）匹配的 内容，然后是匹配下标，最后是输入的文本。另外，正则表达式是否有修饰符 g，match 返回的数组格式是不一样的。 另外也可以使用正则实例对象的 exec 方法： var regex = /(\d{4})-(\d{2})-(\d{2})/; 可以是字符串，也可以是函数。 当第二个参数是字符串时，如下的字符有特殊的含义： 属性 描述 $1,$2,…,$99 匹配第 1-99个 分组里捕获的文本 $& 匹配到的子串文本 $ 匹配到的子串的左边文本 $' 匹配到的子串的右边文本 $$ 美元符号 例如，把 "2,3,5"，变成 "5=2+3"： var result = "2,3,5".replace(/(\d+),(\d+) RegExp.lastMatch 最近一次匹配的文本 RegExp["$&"] RegExp.lastParen 最近一次捕获的文本 RegExp["$+"] RegExp.leftContext 目标字符串中lastMatch之前的文本 RegExp["$`"] RegExp.rightContext 目标字符串中lastMatch之后的文本 RegExp["$'"] 测试代码如下： JavaScript

...................................................................................... 29 9.2 心跳处理 .................................................................................................. ............................................................................... 40 13.2 消息収送失败如何处理 .................................................................................................. ... 42 14.2 消费失败处理方式 ......................................................................................................................................... 43 14.3 消费速度慢处理方式 .................

基于 KUBERNETES 的 容器器 + AI 平台 如何助⼒力力企业数字化和智能化转型 xiaoqin@caicloud.io VP of R&D 提纲 构建集群与管理理资源 - 73s 视频演示 多集群和镜像仓库 多租户和旧系统的集成 运⾏行行和构建应⽤用 Rudder - 应⽤用编排技术框架 Cyclone - 持续集成与交付引擎 运⾏行行 AI 应⽤用（机器器学习）

............. 51 5 processRequestCommand 接收请求处理 .................................................................. 51 6 processResponseCommand 接收响应处理 ............................................... 2）2） 2) LocalTransactionExecuter ， 处 理 本 地 事 物 逻 辑 返 回 处 理 的 事 物 状 态 LocalTransactionState 3) 二阶段，处理完本地事物中业务得到事物状态， 根据 offset 查找到 commitLog 中 的 prepared 消息，设置消息状态 commitType 或者 rollbackType ， 让后将信息添加到 MessageExtBrokerInner 调 DefaultMessageStore 加消息写入 commitlog 2.2 分布式事物消息落地 2.2.1 消息落地 commitLog 针对事物消息的处理，消息的第 20 位开始的八位记录是的消息在逻辑队列 中的 queueoffset， 但是针对事物消息为 preparedType 和 rollbackType 的存储的是事物状态 表的索引偏移量