BASE64 jar包 压缩文件中有：encoder和decoder两个jar文件

介绍了智能聊天机器人的分类 和研究背景 ， 对国内外 研究 现状进行比较，对生成和检索两种主流的实现技术进行优缺点分析，并 分别列举 了几项使用该技。 术手段实现的聊天机器人。 然后 ，介绍了 目前 较为常用的生成 型聊天机器人 的 模型， 以及评估方法， 其中 ， 对 作为 很多模型基础 的Encoder-decoder 模型做了详细介绍和分析， 以及 在 此 基础上完成的 几个优化模型系统

官网上已经找不到中文版的安装包了，此包安装后包含sdk，4.0sp2的英文版本，许多录屏示例需要该库，为了方便使用上传。

ADPCM encoder and decoder.zip，这是一份不错的文件

core-values.js 核心价值观的另一种编码，灵感来自 sym233/core-values-encoder

AE 2020中文版从入门到精通视频教程AE 2020入门到精通视频教程

百度网盘链接: https://pan.baidu.com/s/17J5F70zWBnZiL-QY7XX9Bw 提取码: k542 官方安装说明地址：https://github.com/CineEncoder/cine-encoder#--centos-78-1 CentOS 7.8: - ffmpeg>=3.4.8 - mkvtoolnix>=46.0.0 - qt5-qtbase-devel>=5.9.7 - qt5-qtmultimedia-devel>=5.9.7 - libmediainfo-devel>=21.03 Buld package: mkdir build cd build git clone https://github.com/CineEncoder/cine-encoder.git cd cine-encoder qmake-qt5 -o builddir/Makefile app/cine_encoder.pro -spec linux-g++ CONFIG+=qtquickcompiler make

Windows Media Encoder及相关二次开发SDK, 完整的资料，可以结合我的博客看，支持AVi到wmv3 编解码等操作，

神经机器翻译 这是使用Encoder-Decoder机制以及Attention机制（（ ）于2016年引入的神经机器翻译的一种实现。Encoder-decoder体系结构通常使用一种编码器，该编码器对将源句子转换成固定长度的向量，解码器根据该向量生成翻译。 本文推测使用固定长度向量是提高此基本编码器-解码器体系结构性能的瓶颈，并建议通过允许模型自动（软）搜索源语句的一部分来扩展此范围。与预测目标词相关，而不必明确地将这些部分形成为一个困难的部分。 编码器： seq2seq网络的编码器是RNN，它为输入句子中的每个单词输出一些值。 对于每个输入字，编码器输出一个向量和一个隐藏状态，并将隐藏状态用于下一个输入字。 解码器： 在最简单的seq2seq解码器中，我们仅使用编码器的最后一个输出。 最后的输出有时称为上下文向量，因为它对整个序列中的上下文进行编码。 该上下文向量用作解码器的初始隐

VP9相比VP8有着很多的提升。在比特率方面，VP9比VP8提高2倍图像画质，H265的画质也比H264高2倍。VP9一大的优势是没有版税。和H.264和H.265不同，它免费进行使用。