peter2022-08-29 来自北京请教老师几个问题： Q1：图像的“频率”是指什么？ 文中提到“它利用图像在低频部分的能量分布比较多，在高频比较少这一特点”， 提到了低频、高频，图像的“频率”是指什么？ Q2：startCode 部分替换为 NALULength后的效果是什么？ 文中的Annex-B部分，有这样一句“如果需要逆方向的格式转换，你也可以自己将 startCode 部分替换为 NALULength”， 替换以后的效果是什么呢？ Q3：修改歌词，然后唱出完整的音乐，有这样的软件吗？ 比如《可可托海的牧羊人》这首歌，修改歌词以后，还能完整唱出来，有这样的软件吗？（用原声唱，或者用其他声音唱，都可以）。作者回复: A1: 高频指的是：图像强度变化剧烈的地方，也就是我们常说的边缘部分；低频值的是：图像强度变换平缓的地方，也就是大片色块的地方；非常经典的一个场景就是磨皮效果器，也叫保边滤波； A2：就是mp4格式的了；如果要写入到mp4文件中去，需要mp4封装格式的H264而不是Annexb格式的H264； A3：目前没有这样的软件吧，因为歌曲生成的歌词是需要详细标注的，标注之后才能有音素的模版，最终才可能按照这个模版结合你的语音模型去生成一个音乐。