融云CTO 任杰
RTC的新挑戰(zhàn)
在RTC普及之前，高大上的視頻會議和電視電話會議，需要用到專網(wǎng)和專有硬件。大概在2012年前后，隨著3G、4G網(wǎng)絡的建設和WiFi普及，RTC技術(shù)開始進入互聯(lián)網(wǎng)。不過，任杰提到，各種手機、PC等設備都開始進入了互聯(lián)網(wǎng)的視頻通信領(lǐng)域，設備變得不可控。另外，從專有網(wǎng)絡變成了廣域網(wǎng)和互聯(lián)網(wǎng)以及無線網(wǎng)絡、4G網(wǎng)絡，網(wǎng)絡也變得不可控。
“PC不是為了通信這個場景進行的設計，所以在回聲消除、降噪、視頻采集編碼層面都有不同的處理，有很多設備適配、算法的重新適配，大量細碎的功能要去做；手機在無線網(wǎng)絡下，丟包和帶寬會有瞬時變化，這些是新場景下面臨的新問題，我們要重新去解決它，用新算法、新模式去處理它。”任杰說。
2021年初，W3C（萬維網(wǎng)聯(lián)盟）和IETF（互聯(lián)網(wǎng)工程任務組）宣布WebRTC成為官方標準，任杰認為WebRTC被標準化組織接納認可，但并不代表著RTC的技術(shù)已經(jīng)成熟。“一個行業(yè)如果在持續(xù)爆發(fā)和持續(xù)高發(fā)展階段，我們很難說它的技術(shù)是成熟的，因為場景越來越多，運用的設備技術(shù)也越來越多。音視頻編碼在不斷變化，新場景下的網(wǎng)絡對抗、機器學習、降噪技術(shù)，都在持續(xù)井噴的發(fā)展過程中。”任杰如是說。
新的技術(shù)、場景，也帶來了新的挑戰(zhàn)。任杰總結(jié)了四個融云在現(xiàn)階段面臨的RTC挑戰(zhàn)：
- 高清視頻：隨著WiFi和5G等基礎設施的升級，用戶對音視頻質(zhì)量要求更高，融云會跟隨新的編碼標準去提供高質(zhì)量、高碼率、高幀率的視頻體驗。
- 語音還原度：傳統(tǒng)算法已經(jīng)不能滿足現(xiàn)有高質(zhì)量、高還原度的使用體驗與要求，RTC將與AI結(jié)合，研發(fā)降噪、提升智能分辨率、提高整體視覺清晰度的技術(shù)，這是融云RTC技術(shù)研發(fā)的一大方向。
- 大量智能設備適配：除了安卓，將有大量實時操作系統(tǒng)RTOS設備進入RTC領(lǐng)域，而這些設備有些配置較低，標準參差不齊，都需要RTC廠商做好適配，保證交互體驗。
- 全球節(jié)點部署，服務出海開發(fā)者：互聯(lián)網(wǎng)市場的人口紅利在逐漸消失，出海開發(fā)者的音視頻業(yè)務需求量很大，融云在做全球節(jié)點的部署，以及更好的調(diào)度算法，確保全球任何一個地方、任何一種方式接入，都有優(yōu)越的音視頻體驗。
RTC的三大創(chuàng)新場景
雖然疫情讓RTC極大普及，但是任杰認為，疫情本身并未創(chuàng)造新的RTC場景，而是推動了音視頻在各類場景和行業(yè)落地，加速了RTC發(fā)展進程。
他舉例說明，在線教育毫無疑問是疫情中被推動與廣泛落地的RTC場景。除了k12（kindergarten through twelfth grade，學前教育至高中教育的縮寫，代指基礎教育）的在線課程外，現(xiàn)在素質(zhì)教育也在向線上遷移。不過與基礎教育不同的是，素質(zhì)教育涉及經(jīng)驗的傳遞和指導，是更加個人化的過程，例如音樂、繪畫，過程要求比較高。RTC技術(shù)與使用體驗感的提升，將有助于素質(zhì)教育的在線化進程。
教育的另一個創(chuàng)新場景是在線考試，考試一直是嚴肅的事，過程控制更加嚴格。而因為疫情影響，考試也開始線上化，例如考場設前置攝像頭、后置攝像頭，并全程錄像，方便監(jiān)督和考試后抽查。
除了教育，任杰提到第二個RTC創(chuàng)新場景將是強互動型與娛樂應用。電商直播、共享電影、線上拍賣、3D虛擬形象的語音社交、在線合唱等等，這些強互動型應用將會越來越多，值得開發(fā)者從產(chǎn)品層面發(fā)揮想象力。
第三個創(chuàng)新場景在行業(yè)應用中，疫情之后需要“無接觸服務”各個行業(yè)，包括政府辦事、金融、保險、交通、海關(guān)等等領(lǐng)域，都在將辦事、審批服務過程轉(zhuǎn)向線上，這些也是RTC非常重要的新場景。
當AI遇見RTC
對于RTC和AI、5G等新技術(shù)的融合趨勢，任杰分別介紹了AI技術(shù)對音視頻領(lǐng)域四類問題的解決辦法。
- AI智能降噪。比如在線教育場景下，（老師/學生）敲擊鍵盤、倒水、咳嗽的聲音，過去的算法對這些非穩(wěn)態(tài)噪音無能為力，而AI技術(shù)可以分辨的場景和分辨的噪聲更多，將幫助RTC在降噪方面有較大提升；
- AI超分處理。在相同帶寬下傳輸?shù)囊曨l圖像，利用AI技術(shù)可以使其在解碼還原后較之前更加清晰；
利用AI技術(shù)把不同的視頻場景或者音頻場景分辨與分開。對于靜態(tài)場景編碼、清晰度和幀率的控制，對于動態(tài)場景下編碼和幀率的控制，用AI技術(shù)都可以將其區(qū)分開，做不同的處理；以及用AI技術(shù)重構(gòu)帶寬估計的算法。
對于更遠的未來，在全真互聯(lián)網(wǎng)時代，任杰表示，音視頻從采集到編碼、傳輸、解碼、渲染、互動的整個過程，將是全真互聯(lián)網(wǎng)必須具備的一大塊能力，而RTC有望成為全真互聯(lián)網(wǎng)的基礎設施。
