OBS使用手册

原创 于 2025-04-01 09:23:29 发布 · 8.1w 阅读 · 19

一、使用前必知

1.什么是OBS？

•Open Broadcaster Software（简称OBS）是一款好用的直播流媒体内容制作软件，是实现视频画面实时上载网络的软件

•目前国际站直播仅支持Windows操作系统，满足大部分直播行为的操作需求。

OBS使用前注意事项：非windows系统现使用不了OBS对直播进行推流，OBS已经嵌入PC阿里卖家，商家自己下载的OBS是无法使用于国际站直播中的**

2.obs权限

目前针对12月评定星等级为1星及以上且金品服务中的客户已开通OBS权限

三月新贸节直播会场报名审核通过的商家会统一进行开通obs，开通时间以大促招商审核通过时间为准，预计在1月31日。

3.OBS适用于那些直播场景？

  1. 手机直播时，无线网络不稳定，电脑可以使用有线网络来直播，网络会更加稳定，有效避免直播卡顿。
  2. 在直播过程中，电脑直播软件可以增加更多趣味元素。
  3. 不满足于普通手机拍摄设备，有更好拍摄设备进行拍摄。
  4. 长时间直播，手机发烫、电源不够等造成直播卡顿、暂停，但是用电脑直播不存在这样的困扰。

4.设备要求

  1. 电脑：Windows系统，最好用台式机直播，笔记本不要用轻薄款，用游戏本。处理器intel i5及以上，最好i7，独立显卡，固态硬盘。  （注意，电脑硬件配置过低时，可能导致画面卡顿或者音画不同步）
  3. 视频采集卡：均价在300-500中间  设备具备两个HDMI接口与一个USB接口；  官方建议购买两个，一个输出视频设备，另一个用于将电脑的画面信号传接到obs中

  4. HDMI线：因为现在直播仅能通过导线实现画面传输，建议商家在切直播画面时，要考虑HDMI线设备的距离限制，目前市面上HDMI线最长在50m左右，这也意味着现场直播点的设置与商家拍摄点的距离只能限制在50m内，下面是对应的价格参考 

  1. 切换台：可以替代采集卡功能的同时，可实现多个相机机位切换/电脑画面快捷切换，价格相对贵平均在5000左右

c.拍摄设备：支持大部分视频拍摄设备，即插即用。  （注意：推荐罗技（Logitech）Pro C920，C925e，C930e 等型号摄像头，也可使用其他性能更好的产品）

d.音频设备：支持各种音频设备（正常情况下，罗技摄像头自带的麦克风完全可以满足直播的需求，不需要额外的麦克风）

  1. 手持麦克风&外置声卡![image.png](https://cdn.nlark.com/yuque/0/2020/png/1645804/1600834272138-731ed229-6231-4e4d-a445-13be2e81b415.png#align=left&display=inline&height=224&margin=%5Bobject%20Object%5D&name=image.png&originHeight=800&originWidth=800&size=1232062&status=done&style=none&width=224)![image.png](https://cdn.nlark.com/yuque/0/2020/png/1645804/1600834201465-37cf0f87-d972-4cb5-abac-498515c17529.png#align=left&display=inline&height=291&margin=%5Bobject%20Object%5D&name=image.png&originHeight=892&originWidth=666&size=371927&status=done&style=none&width=217)
  1. 领夹式麦克风，必须购买TYPE-C接口用于直播的类型![image.png](https://cdn.nlark.com/yuque/0/2020/png/1645804/1600831638344-6072f0a4-d9ab-4cd8-aeca-a8734cf97402.png#align=left&display=inline&height=151&margin=%5Bobject%20Object%5D&name=image.png&originHeigh
标签
#实时音视频
最低0.47元/天 解锁文章
博客
RDMA 与 RoCE 深度解剖：撑起千卡大模型集群的网络基石
09-20 201
本文深度解析了支撑千卡大模型训练的网络基石——RDMA与RoCE。针对传统TCP在延迟、CPU开销和丢包重传上的瓶颈，RDMA通过内核旁路、零拷贝和CPU卸载实现微秒级低延迟通信。RoCEv2基于无损以太网，结合PFC、ECN与DCQCN机制，在成本可控前提下逼近InfiniBand性能。配合NVLink、GPUDirect RDMA与NCCL集合通信库，构建起从节点内到跨节点的高效数据通路。未来，UEC与超节点技术将进一步重塑AI网络架构，让GPU真正“不等数据”，全力投入计算。
博客
智能聚类：从海量 Trace 中理解 Agent 的行为和表现
09-20 113
尽管有指标和Trace，Agent问题仍难看清，因汇总数据无法定位波动根源。云监控2.0通过智能聚类，将请求与会话按用户意图和任务主题归类，实现从交互到场景的洞察：Trace聚类识别执行意图，Session聚类拆分用户任务，结合语义向量与自动归因，精准发现高耗时、高摩擦场景。团队可按主题分析资源消耗、交互表现，下钻异常案例，持续追踪需求变化与优化效果，推动从被动排查转向主动改进。
博客
Windows 资源管理器无限重启？一招揪出微信/企业微信“WXDrive”插件作祟
09-18 292
Windows10 1607系统中，explorer.exe无限重启致桌面崩溃，经排查锁定罪魁祸首为微信/企业微信的WeDrivePlugin64_97.dll。该DLL因堆栈溢出（异常码0xc0000409）导致资源管理器崩溃。通过命令行禁用自动重启、重命名损坏DLL并修复注册表，可临时恢复系统。建议卸载或更新微信/企业微信，并尽快升级至受支持的Windows版本，以彻底解决兼容性与安全问题。
博客
同创星图正式发布：让金融智能体实现「全链路可管可控」（THS）
09-18 482
过去20年我们学会管控代码，未来需驾驭AI。同创星图（AgentAtlas）是同花顺打造的金融智能体全链路运维平台，通过评测、观测、监测、安全四大功能，将智能体从“不敢用”变为“敢用”。它实现上线前准入、运行中实时监控、输出合规审查与全链路安全防护，沉淀可复盘的归因数据，驱动智能体持续进化。目前已有200+智能体接入，稳定观测超1.2亿次调用，真正让智能体走进真实业务生产环境。
博客
Agent 的基本任务循环：目标、计划、执行、观察、修正
09-17 319
本文拆解Agent的核心任务循环：目标澄清→计划拆解→执行动作→观察反馈→修正路线→验证结果。强调Agent不是一次性回答，而是通过持续迭代推进任务，将模糊目标转化为可验收成果。关键在于每一步都依赖真实反馈，动态调整，最终实现从“看起来完成”到“真正完成”的验证。人类应在目标、权限、高风险操作和最终验收等关键节点介入，确保安全与责任边界。真正的智能不在于生成答案，而在于构建可靠的任务推进系统。
博客
deepseek-v3-moe-mla
09-17 262
DeepSeek-V3 以 671B 总参数实现仅 37B/token 激活，通过 MoE 稀疏架构与 MLA 低秩注意力，大幅降低训练与推理成本。其无辅助损失负载均衡保障专家均衡，MLA 将 KV Cache 压缩至原体积的 1.8%，显存占用下降超 90%。结合 FP8 训练、DualPipe 流水线与 MTP 多 token 预测，278.8 万 H800 小时完成训练，8 卡 H800 即可部署，实现高性能与低成本的平衡。
博客
大模型管理中台模型探活设计方案（THS）
09-16 451
本文提出大模型管理中台的“探活”设计方案，解决Gateway对下游模型副本健康状态“盲知”问题。通过管理面主动探测、状态机动态维护、Nacos快照同步与数据面过滤，实现健康副本自动摘除与恢复。核心创新包括：基于config_hash的状态重置、四态健康机（HEALTHY/UNHEALTHY/CONFIG_ERROR/UNKNOWN）、动态配置支持及可视化聚合状态。方案确保高可用、低延迟，从“瞎猜”走向“精准摘除”，显著提升大模型服务稳定性。
博客
K8s云原生-GPU 虚拟化切分与算力调度实战
09-16 584
本文记录了在K8s 1.35.6环境下实现GPU资源池化的完整实践，针对T4显卡不支持MIG的限制，选用开源方案HAMi v2.10.0实现显存与算力双维度隔离。通过关闭GPUOperator的驱动和DevicePlugin组件，结合HAMi的调度扩展与运行时拦截机制，将一张物理卡虚拟为10个可调度单位，支持多Pod共享并严格控制资源使用。验证表明，超额申请会被真实拦截，且互不影响。关键经验包括：前置检查、版本对齐、运行时诊断与分层验证。最终实现从“一卡一Pod”到“按需分配”的高效利用，显著提升GPU利用
博客
GPT Image 2.5 发布：AI 生图开始真正进入生产力时代
09-15 192
OpenAI 在 9 月 8 日正式发布 ChatGPT Images 2.5。相比 Images 2.0，官方重点其实就四个：生成速度最高提升 50%、参考图人物/主体保持更好、局部编辑更精准、多轮编辑一致性明显增强。同时新增了 Sketch 草图输入、图片局部评论修改、Poster / Merch 等模板。
博客
Agent 到底是什么？它不是人格，而是任务执行系统
09-15 345
Agent 不是一个更像人的 AI 角色，而是一套围绕目标运转的任务执行系统。
博客
Workspace 与 Sandbox：代码在哪里改，命令在哪里跑
09-15 268
本文通过一个Node.js项目示例，演示了Agent在修改代码、运行测试时的权限控制机制。核心在于工作区（Workspace）与沙箱（Sandbox）的分离：Agent仅能访问指定目录，系统通过Runtime根据配置规则（如denyRead）限制文件和网络访问。以修复slugify()函数为例，沙箱确保其无法读取~/Private等敏感目录，即使命令被允许执行。权限检查在启动前完成，失败则直接拒绝，不依赖运行时错误。实现依赖操作系统级沙箱（如macOS Seatbelt、Linux bubblewrap），
博客
MCP 的基本结构：Host、Client、Server、Tools、Resources、Prompts
09-14 596
本文厘清MCP基础结构：用户通过Host（AI应用）接入，由Host内部的Client连接外部Server，Server则提供Tools（行动）、Resources（上下文）和Prompts（流程模板）三类能力。关键在于理解角色分工——模型不直连外部系统，而是由Host统筹管理能力接入与上下文组织。强调先建立“Host-Client-Server”关系图，再深入协议细节，避免将MCP误解为简单工具调用。
博客
K8S GPU调度——DRA动态资源分配
09-14 254
DRA（Dynamic Resource Allocation）是Kubernetes中用于管理专用硬件资源（如GPU、TPU等）的原生API框架，通过声明式方式实现设备按属性精确调度。相比传统的DevicePlugin+ExtendedResources模型，DRA支持细粒度匹配（如显存大小、型号、拓扑结构）、资源共享与动态分配，并解耦设备初始化与Pod生命周期。其核心机制类比于存储的CSI，采用DeviceClass定义资源类型，ResourceSlice描述可用资源，ResourceClaim申请资源
博客
MCP 已死？不，它正在进化：三个关键变化
09-14 229
新版MCP协议实现三大关键升级：一是协议级无状态化，取消会话ID与握手流程，简化部署与扩容；二是引入MRTR（多轮交互），通过独立请求完成信息补充，提升交互灵活性；三是正式支持Tasks扩展，实现长时任务的异步执行、状态查询与实时订阅。相比A2A，MCP+Tasks更适配企业系统集成，简洁高效；而A2A则更适合复杂多轮协作。两者可协同使用，共同构建稳定的企业级Agent连接体系。
博客
RAG for Agent：Agent 什么时候需要查知识库？
09-11 312
本文系统阐述了RAG（检索增强生成）在Agent中的核心作用：当模型需依赖外部事实时，通过“按需取证”机制，从权威知识源精准检索并验证证据。强调检索非固定流程，而应结合上下文判断是否需查、何时查、查何处，并确保数据源可信、切分合理、元数据完整、权限过滤前置。提出“结构化证据返回”与分层评估体系，避免盲目依赖向量相似度或模型记忆。最终实现可追溯、可验证的决策闭环，真正达成“基于知识的回答”。
博客
MoE架构原理与算力基础设施重估
09-11 243
MoE架构通过稀疏激活实现“参数量大、计算量小”的突破，使模型在保持高性能的同时降低算力开销。然而，其代价是显存全量驻留与跨节点all-to-all通信激增，导致成本重心从算力转向HBM容量与网络带宽。真实案例如Mixtral、Grok、DeepSeek-V3表明，训练与推理的瓶颈已由FLOPs转移至负载均衡、专家并行与高速互联（如NVLink、InfiniBand）。因此，真正决定MoE系统成败的，是其对显存、通信与调度的精细化工程能力。
博客
Tool Schema 设计：为什么你的 Agent 总是调用错工具？
09-10 444
本文系统阐述了如何将模糊的工具能力转化为可信赖的ToolSchema，强调命名应清晰表达动作、描述需界定使用边界、参数应结构化且约束明确。通过实例展示如何设计高效、可校验、可授权的工具接口，并指出避免模型误用的关键：合理拆分工具、关闭额外字段、依赖上下文而非模型传参。最终，Schema不仅是类型定义，更是模型决策、运行时校验与权限控制的契约。
博客
QwIndustry 如何用知识图谱给 LoRA 专家分科，做一个工业 AI 副驾驶
09-10 137
这篇论文不是再做一个“轴承模型”或“表面缺陷模型”，而是用一个7B级多模态大模型统一处理振动/声学、时频图像和文本，再让任务知识图谱决定应该激活哪组  LoRA 专家；同时用 GPT-4o 生成的显式推理样本做蒸馏，使模型既能跨任务、跨机器迁移，又能给工程师输出可读的诊断理由。
博客
把FDE招成一个人，是企业最容易踩的坑
09-09 651
懂业务、懂产品、懂技术、懂 AI，能写代码、能做方案、能驻场、能交付，最好还能直接和业务负责人对话。发出去才发现这种人根本招不到。就算招到了，你也得想清楚一件事：你想招的可能不是 FDE，而是一个什么都会的超级工程师。这是现在企业理解 FDE 时最容易犯的错误：把一种团队作战方式，当成了一个岗位。结果就是，FDE 没建起来先累垮了一个人。
博客
QLoRA 原理与实战：4-bit 量化如何让单卡微调 70B 大模型
09-09 297
全参微调 7B 模型需要约 66GB 显存，QLoRA 却能用约 7GB 显存微调 7B、用单张 48GB 显卡微调 65B。本文拆解 QLoRA 的三大创新（NF4 量化、Double Quantization、Paged Optimizers），给出显存账本对比，并附一段可直接运行的生产级微调代码。
博客
AI领域英文缩写知多少
09-08 440
AI领域英文缩写以简洁字母组合精准指代底层硬件到上层应用的关键技术。本文按算力芯片、存储内存、网络通信、模型架构、训练优化、推理部署及应用Agent七层链路系统梳理常用缩写，涵盖GPU、HBM、Transformer、LoRA、RAG等核心术语，助力高效理解AI技术栈。
博客
OpenClaw 2.0：欠下的技术债，这次连本带利还清
09-08 479
OpenClaw v2026.8.1（16,000+PR）以此版本兑现“可托付”：会话由进程状态变为可迁移资源；UI退化为Gateway客户端；provider外置并配修复闭环；安全设计明确“不做什么”，以机械约束取代模型自律；记忆默认开启但可追溯、可定点删除。升级需先建可恢复备份，重负载Gateway建议先在staging验证。
博客
Agent 做了这么多轮重构，企业到底该留下什么？
09-08 545
当模型、框架和 Runtime 还会继续变化，Agent 建设究竟应该留下什么？第一，通用智能要持续跟进，但真正值得长期沉淀的是企业自己的业务上下文。模型越强，这些上下文的价值越大。第二，消息服务已经是一条成熟的实时数据管道。下一步不只是把数据接通，而是让 Schema、语义、血缘和实时性随数据一起到达。第三，链路需要收拢，能力必须开放。企业需要一站式的服务为全链路负责，减少交接和重复建设，同时保留对外加工、开放存储、联合查询和对接多种 Agent 接入能力。
博客
Kubernetes 里的 GPU 到底怎么分？Device Plugin、时间片切分与 MIG 完整实践
09-07 256
Kubernetes GPU分配：设备插件、时间片、MIG。摘要应简洁概括核心要点。</think>K8s中GPU通过扩展资源与Device Plugin实现分配，但整卡利用率低。切分方案有三：整卡简单浪费；时间片共享计算但显存无隔离；MIG提供硬件级隔离，适合生产多租户。调度需结合bin-packing与拓扑感知优化。
博客
从 HPA 到 KEDA：Kubernetes 弹性伸缩的进阶实践
09-07 368
本文从 HPA 的扩缩容算法与抑制策略讲起，再到自定义指标与 Metrics API，最后引入事件驱动的 KEDA，把「应用层 HPA/KEDA → 指标层 Metrics API → 事件层 Scaler → 节点层 Cluster Autoscaler」四层协同的生产弹性体系完整串起来。
博客
从 ReAct 到 Agent Teams：一个工程师视角的 Agent 协作机制思考
09-07 212
ReAct模式是Agent的本质抽象，Agent团队设计是关键，用户从第一性原理拆分ReAct三环节，指出工程发力点在行动和观察，分析了上下文即记忆的本质，然后重点论述了Agent团队协作机制，指出当前Leader-Worker架构不足，提出了七个关键机制改进，最后提到分级和人类组织类比。
博客
01-vLLM-PagedAttention与连续批处理技术拆解
09-05 407
PagedAttention与Continuous Batching是vLLM双引擎：前者以分页机制管理KV Cache，消除碎片并支持前缀共享；后者迭代级调度填满GPU气泡，配合抢占策略提升吞吐。生产调优需聚焦显存利用率、批量参数、前缀缓存及FP8量化，使推理成本显著降低。
博客
模型后训练视角：DeepSeek Harness 把企业进化做进了架构
09-05 235
DeepSeek Harness 是一个模型厂商对两个问题的工程回答：Agent 如何在运行时被约束，如何随时间变强。它的回答浓缩成三句话：1. 一致性靠结构保证，不靠纪律维持——日志即状态，一切皆派生。2. 护栏与进化共享同一套事件底座——每一次安全决策都是训练数据。3. 敏捷试验，谨慎固化——爆炸半径越大，门槛越高。
博客
AI Infra 系列：一万张 GPU 怎么排班，调度器才是训练场的隐形老板
09-04 516
单机调优解决"一台机器怎么跑得快"，集群调度解决"一万台机器怎么不浪费"。训练集群的调度器每天面对的问题：有的作业要 512 张卡，有的只要 4 张；有的必须整组一起上，有的晚 5 分钟也无所谓；GPU 放错机柜，性能能差 3-8 倍。这篇讲清楚从设备插件到 DRA 的调度演进、Gang 调度、拓扑感知、SLURM 与 K8s 的分工，以及万卡集群怎么容错、怎么用 AI 来运营。
博客
Claude Fable 5.1 来了：Agent 暴涨、缓存降价，还有新的反蒸馏机制
09-04 326
目前Fable 5.1 是全面 GA（正式发布），Mythos 5.1 并没有全面开放。两者其实是同一个底层模型，Fable 5.1 面向普通用户和企业开放；Mythos 5.1 则使用更宽松的安全策略，目前主要通过 Project Glasswing 向经过审核的网络安全和生命科学机构开放。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值