聲網(wǎng)極速直播開(kāi)創(chuàng)了低延時(shí)、強(qiáng)同步的"輕互動(dòng)"直播場(chǎng)景，并支持連麥。極速直播主要面向?qū)ξ淖帧装宓认⒒?dòng)的延時(shí)要求較高，或有低頻音視頻互動(dòng)需求的直播場(chǎng)景，主播與觀(guān)眾端延時(shí)在 1.5s-2s 之間，相比傳統(tǒng) CDN 直播方案延時(shí)降低 80% 以上，同時(shí)直播間內(nèi) 90% 的觀(guān)眾與觀(guān)眾間延時(shí)差異小于500ms，可滿(mǎn)足電商直播、教育大班課、秀場(chǎng)直播、賽事直播、直播答題、一起看等觀(guān)眾需要強(qiáng)同步場(chǎng)景的需求。

隨后唐瀚還從觀(guān)眾端同步性、視頻分辨率提升、暗光增強(qiáng)、極速出圖、低卡頓率、弱網(wǎng)對(duì)抗能力、實(shí)時(shí)質(zhì)量監(jiān)控等多個(gè)角度介紹了聲網(wǎng)極速直播方案的技術(shù)優(yōu)勢(shì)。

本次大會(huì)，聲網(wǎng)憑借在實(shí)時(shí)音視頻行業(yè)的技術(shù)領(lǐng)導(dǎo)力與創(chuàng)新力還榮獲了大會(huì)頒發(fā)的“音視頻技術(shù)領(lǐng)航獎(jiǎng)”，作為全球?qū)崟r(shí)云行業(yè)的開(kāi)創(chuàng)者與引領(lǐng)者，聲網(wǎng)持續(xù)專(zhuān)注于打磨新的產(chǎn)品與技術(shù)，保持研發(fā)投入，不斷精進(jìn)自身的專(zhuān)業(yè)，以提升實(shí)時(shí)音視頻的技術(shù)硬實(shí)力，同時(shí)也可以滿(mǎn)足不同企業(yè)的場(chǎng)景創(chuàng)新需求。

1、技術(shù)創(chuàng)新賦能豐富場(chǎng)景玩法與體驗(yàn)：聲網(wǎng)今年推出“3D 空間音頻”和“Lipsync（唇音同步）”兩項(xiàng)分別應(yīng)用于元宇宙等虛擬場(chǎng)景和語(yǔ)音社交場(chǎng)景中的前沿技術(shù)。3D 空間音頻通過(guò)純軟件算法方案，模擬頭部球面區(qū)域立體聲場(chǎng)，使用戶(hù)在音頻聽(tīng)感上具有空間感。當(dāng)用戶(hù)操作虛擬人物在虛擬場(chǎng)景里移動(dòng)，可實(shí)現(xiàn)根據(jù)虛擬人物的面部朝向、音源朝向、遠(yuǎn)近距離與上下高度，呈現(xiàn)不同聲音效果，完美模擬現(xiàn)實(shí)聽(tīng)覺(jué)感受。

聲網(wǎng) Lipsync 無(wú)需攝像頭、無(wú)需面部表情捕捉技術(shù)，通過(guò)深度學(xué)習(xí)算法中的生成對(duì)抗網(wǎng)絡(luò)，將中英文（或其他語(yǔ)種）發(fā)音的嘴型、面部表情智能關(guān)聯(lián)起來(lái)，驅(qū)動(dòng)人像模擬真人說(shuō)話(huà)嘴型，支持 2D 人像圖片和 3D 人像模型，在語(yǔ)聊房、互動(dòng)播客、視頻會(huì)議等場(chǎng)景中具有巨大的應(yīng)用潛力。

此外，在今年火熱的虛擬活動(dòng)上，聲網(wǎng)也實(shí)現(xiàn)了單頻道高并發(fā)人數(shù)的技術(shù)突破。針對(duì)虛擬活動(dòng)諸如大型會(huì)議、會(huì)展、演唱會(huì)等場(chǎng)景，聲網(wǎng)推出 128 人超級(jí)互動(dòng)頻道，單個(gè)頻道可支持多達(dá) 128 位用戶(hù)同時(shí)發(fā)送音視頻流，觀(guān)眾人數(shù)無(wú)限制，讓房間內(nèi)任何用戶(hù)都可以隨時(shí)開(kāi)麥進(jìn)行發(fā)言交流。

2、加大研發(fā)投入，持續(xù)提升音視頻體驗(yàn)質(zhì)量：今年聲網(wǎng)持續(xù)加大研發(fā)投入，推出了 AI 降噪、VQA、多倍實(shí)時(shí)超分等技術(shù)，進(jìn)一步提升了實(shí)時(shí)音視頻的體驗(yàn)質(zhì)量。例如 AI 降噪技術(shù)，兼顧了強(qiáng)降噪與高保真，可以在保證人聲無(wú)損傷的前提下，更好地抑制噪聲和混響，同時(shí)避免了丟字及多人講話(huà)時(shí)語(yǔ)音被抑制的情況。在視頻會(huì)議、語(yǔ)聊房、遠(yuǎn)程問(wèn)診、游戲語(yǔ)音等伴有復(fù)雜噪聲的實(shí)時(shí)音視頻互動(dòng)場(chǎng)景中，AI 降噪可以消除上百種突發(fā)性的背景噪聲，帶來(lái)更純凈的通話(huà)體驗(yàn)。

在實(shí)時(shí)互動(dòng)場(chǎng)景中，視頻畫(huà)質(zhì)是影響觀(guān)眾體驗(yàn)的關(guān)鍵指標(biāo)，如何實(shí)時(shí)評(píng)價(jià)視頻的畫(huà)質(zhì)一直是個(gè)行業(yè)難題。經(jīng)過(guò)聲網(wǎng)視頻算法專(zhuān)家的持續(xù)鉆研，今年正式推出了業(yè)內(nèi)首個(gè)可運(yùn)行于移動(dòng)設(shè)備端的視頻畫(huà)質(zhì)主觀(guān)體驗(yàn) MOS 分評(píng)估模型—聲網(wǎng) VQA (Video Quality Assessment)。VQA 是一套“評(píng)價(jià)主觀(guān)視頻質(zhì)量體驗(yàn)”的客觀(guān)指標(biāo)，聲網(wǎng)構(gòu)建了大規(guī)模的視頻畫(huà)質(zhì)主觀(guān)評(píng)估數(shù)據(jù)庫(kù)，并在此基礎(chǔ)上訓(xùn)練了業(yè)內(nèi)首個(gè)可直接在移動(dòng)端運(yùn)行的 VQA 模型，它利用深度學(xué)習(xí)算法實(shí)現(xiàn)對(duì)實(shí)時(shí)互動(dòng)場(chǎng)景接收端視頻畫(huà)質(zhì)主觀(guān)體驗(yàn) MOS 分的評(píng)估，解除了傳統(tǒng)主觀(guān)畫(huà)質(zhì)評(píng)估對(duì)人力評(píng)分的高度依賴(lài)，極大提高視頻畫(huà)質(zhì)評(píng)估效率，使實(shí)時(shí)的視頻質(zhì)量評(píng)估成為可能。

另外，在視頻畫(huà)面質(zhì)量的提升上，聲網(wǎng)也推出了業(yè)內(nèi)首個(gè)運(yùn)行于移動(dòng)端的多倍實(shí)時(shí)超分算法，以較小的算法計(jì)算量實(shí)現(xiàn)視頻分辨率的三倍超分，有效增強(qiáng)視頻畫(huà)質(zhì)，降低視頻傳輸成本。多倍實(shí)時(shí)超分覆蓋機(jī)型廣，中低端機(jī)型也能實(shí)時(shí)處理，對(duì) CPU 以及 SDK 內(nèi)存的消耗也很低，可以很好的運(yùn)用在 IoT 平臺(tái)的實(shí)時(shí)互動(dòng)場(chǎng)景、帶寬受限以及視頻首幀需要快速清晰出圖的實(shí)時(shí)互動(dòng)場(chǎng)景。

目前聲網(wǎng)已服務(wù)泛娛樂(lè)、IoT、教育、金融、醫(yī)療、企業(yè)協(xié)作等 20+ 行業(yè)賽道，200+ 場(chǎng)景，而在全球 RTE 領(lǐng)域仍然在不斷誕生更多的實(shí)時(shí)互動(dòng)創(chuàng)新場(chǎng)景，作為全球領(lǐng)先的實(shí)時(shí)互動(dòng)技術(shù)服務(wù)商，也需要保持對(duì)創(chuàng)新場(chǎng)景的洞察力，并不斷精進(jìn)自身的技術(shù)，在提升技術(shù)質(zhì)量的同時(shí)也為開(kāi)發(fā)者與客戶(hù)提供更契合市場(chǎng)發(fā)展,更穩(wěn)定、更高質(zhì)的實(shí)時(shí)互動(dòng)解決方案。