Photo by Sergey

文章由LiveVideoStack與商世東的采訪整理而成

編輯：Coco Liang

1. 選擇

離開杜比從來都不是一個(gè)困難的決定

剛剛畢業(yè)的時(shí)候，我在摩托羅拉做音頻方面的工作，一做就是將近十年的時(shí)間。2010年，我去了杜比實(shí)驗(yàn)室，算起來是國(guó)內(nèi)入職杜比研發(fā)團(tuán)隊(duì)的第二個(gè)員工。當(dāng)時(shí)負(fù)責(zé)整個(gè)杜比中國(guó)的工程團(tuán)隊(duì)，差不多有五六十個(gè)人的規(guī)模。

后來我又去了杜比澳大利亞，再后來，也就是2019年1月，我加入了騰訊多媒體實(shí)驗(yàn)室，在音頻技術(shù)中心負(fù)責(zé)整個(gè)音頻團(tuán)隊(duì)的建設(shè)、產(chǎn)品的技術(shù)路線規(guī)劃、技術(shù)的交互以及負(fù)責(zé)對(duì)多個(gè)產(chǎn)品，包括騰訊會(huì)議在內(nèi)的端到端的音頻體驗(yàn)，現(xiàn)在團(tuán)隊(duì)（音頻）大概有20個(gè)人。

對(duì)我來說，首先，在杜比這樣的業(yè)界領(lǐng)先公司工作，我學(xué)習(xí)到了很多，國(guó)際化的視野、前瞻性的技術(shù)布局、完整的思維體系、團(tuán)隊(duì)建設(shè)等等，這些都是讓我終身獲益的東西。

但離開杜比并不是一個(gè)非常困難的決定，這其中大環(huán)境、小環(huán)境的原因都有一些。我后來回顧了一下，最重要的原因還是在于杜比的主要業(yè)務(wù)是在傳統(tǒng)領(lǐng)域，成長(zhǎng)速度不盡人意。作為一家主要做技術(shù)授權(quán)業(yè)務(wù)的公司，它沒有最終面對(duì)消費(fèi)者的產(chǎn)品，相對(duì)而言公司規(guī)模也比較小，對(duì)整個(gè)生態(tài)的影響有限，很難有一個(gè)全面的把握。

換一種說法，這其中有很多的東西是個(gè)人想要但是平臺(tái)無法給與的，個(gè)人成長(zhǎng)容易碰到天花板，想要向上突破的時(shí)候，公司已經(jīng)不能給自己提供這樣的平臺(tái)了。就這方面而言的話，在騰訊，天花板幾乎不存在，在這里，只要有能力、有潛力、有愿望，個(gè)人擁有持續(xù)不斷的提升空間，并且可以在這個(gè)無限上升的空間里做到最好，這對(duì)我來說是非常重要的一點(diǎn)。

在騰訊面臨的用戶數(shù)量，以前在杜比的時(shí)候是想都不敢想的。現(xiàn)在一天會(huì)有千萬級(jí)DAU的產(chǎn)品，可以看到自己開發(fā)的產(chǎn)品在整個(gè)市場(chǎng)上遇到各種意想不到的困難、挑戰(zhàn)、問題以及機(jī)會(huì)

現(xiàn)在我們很大一部分的精力放在騰訊會(huì)議上，通過種種技術(shù)對(duì)用戶使用場(chǎng)景進(jìn)行分析并通過統(tǒng)計(jì)數(shù)據(jù)的上報(bào)、分析，了解用戶可能遇到的問題并快速加以解決。

2. 改變

需要更多的思考與更確定的答案

Photo?by?Sergey

以前我們做視頻會(huì)議，考慮會(huì)議中的語音質(zhì)量提升和評(píng)估的出發(fā)點(diǎn)都是要求對(duì)標(biāo)或者超越電話（典型的比如電話話筒終端），這個(gè)是典型的雙人通話場(chǎng)景，但是現(xiàn)在我們也發(fā)現(xiàn)視頻會(huì)議大量的場(chǎng)景都是圍繞多人的、多地的聯(lián)合辦公場(chǎng)景。以前基于電信行業(yè)終端（電話話筒為主要語音設(shè)備）定義的完整的語音質(zhì)量體系需要重新審視和演進(jìn)來滿足現(xiàn)在用戶的需求。

簡(jiǎn)單地說，會(huì)議軟件是從模仿打電話的體驗(yàn)開始的，雖然從使用方式、使用場(chǎng)景、使用時(shí)間等等角度來看，多樣性已經(jīng)遠(yuǎn)遠(yuǎn)超過了電話。而且，僅僅倆人打電話是不夠的，我們要一個(gè)小組打電話，光打電話還不夠，還要分享視頻、分享屏幕、圖片和文檔。從國(guó)際標(biāo)準(zhǔn)，比如ITU-T的演進(jìn)路線圖來看，制訂的通話標(biāo)準(zhǔn)，也不斷的從雙人通話向多人、跨地區(qū)的實(shí)時(shí)、強(qiáng)交互場(chǎng)景演進(jìn)。

會(huì)議當(dāng)中關(guān)鍵的語音體驗(yàn)簡(jiǎn)單的來說，可以從三個(gè)維度來衡量，語音通信的可懂度，語音自然度/保真度和語音舒適度。從這三方面來說，在多人會(huì)議中面臨的挑戰(zhàn)明顯要多于雙人。

比如多人通話采集設(shè)備的多樣性。兩個(gè)人的時(shí)候當(dāng)然很好協(xié)調(diào)，人多了以后采集設(shè)備如何配置，以及采集的音質(zhì)、采樣率、比特率；在多人場(chǎng)景里面音頻編解碼的接入配置，到底是寬帶還是超寬帶，最簡(jiǎn)單的辦法就是所有的配置都按照最好的來，但是這樣對(duì)系統(tǒng)資源的占用是最高的。同時(shí)因?yàn)閷?duì)系統(tǒng)資源的占用最高，會(huì)帶來總體體驗(yàn)的下降。

那么如何動(dòng)態(tài)來在多種因素中平衡，保證多人語音通信的綜合體驗(yàn)在三個(gè)維度上有最優(yōu)的均衡，就變成一個(gè)很有挑戰(zhàn)性的課題。

同時(shí)，不同場(chǎng)景的網(wǎng)絡(luò)環(huán)境也不一樣。你的網(wǎng)絡(luò)、我的網(wǎng)絡(luò)，可能還有第三個(gè)、第四個(gè)人的網(wǎng)絡(luò)，有的人使用有線網(wǎng)絡(luò)、有的則是WiFi，有的是4G，帶寬差異巨大，網(wǎng)絡(luò)QoS也參差不齊，這時(shí)候如何有效的探測(cè)網(wǎng)絡(luò)實(shí)際帶寬，進(jìn)而高效的進(jìn)行流控管理，在多人場(chǎng)景下的復(fù)雜度遠(yuǎn)遠(yuǎn)高于雙人。

所以，綜上所述，一旦開始考慮多人參會(huì)的因素，你會(huì)發(fā)現(xiàn)，在兩人通話的情形下討論的音質(zhì)體驗(yàn)、QoS、QoE等等問題，現(xiàn)在要重新思考答案。這在國(guó)際上當(dāng)前也是很熱的領(lǐng)域，大家也都在探索答案。

對(duì)于整個(gè)視頻會(huì)議體驗(yàn)來說，或者對(duì)于用戶體驗(yàn)來說，這不是一個(gè)單一的因素或者指標(biāo)就可以決定的。之前我們有針對(duì)網(wǎng)絡(luò)規(guī)劃的常見QoS三個(gè)指標(biāo)，丟包，抖動(dòng)和延遲，這些東西都是必要條件，但是不是充分條件。決定一個(gè)用戶體驗(yàn)的是很多方面的因素，比如從音頻角度來說，從我們做音頻的角度來說，用的最多的就是上面說到的三個(gè)維度：語音可懂度、自然度、舒適度。

首先是聽得懂你說的話，這是可懂度。如果音量很低，卡頓很嚴(yán)重，或者回聲，或者很嘈雜，或者嘯叫發(fā)生，那我基本就無法聽了，那視頻會(huì)議通話中反應(yīng)比較多的卡頓來說，我們通過深度學(xué)習(xí)技術(shù)來解決網(wǎng)絡(luò)丟包的問題。

IP網(wǎng)絡(luò)上面?zhèn)鬏數(shù)臅r(shí)候常常會(huì)發(fā)生丟包的現(xiàn)象，以前處理丟包的技術(shù)比較簡(jiǎn)單粗暴，比如直接拿后面一幀填補(bǔ)一下或者前一幀內(nèi)容直接復(fù)制。但是現(xiàn)在我們通過機(jī)器學(xué)習(xí)的方法，可以很準(zhǔn)確的預(yù)測(cè)丟掉的那個(gè)音節(jié)的部分內(nèi)容，在用戶體驗(yàn)上則并沒有感知。

但是光聽得懂肯定不行，你肯定不可能只滿足于聽得懂。

比如聽機(jī)器人說話，那聽得懂是沒有問題的，但自然度方面就不會(huì)太好，這里面就涉及很多音質(zhì)的東西，不僅是延遲、卡頓，抖動(dòng)，這些是網(wǎng)絡(luò)的指標(biāo)。自然度對(duì)于用戶來說更多是一個(gè)感知問題，我們用音色是否明亮、是否均衡、是否豐滿，等等多項(xiàng)指標(biāo)來衡量。當(dāng)我們?cè)谡Z音處理中不可避免需要非線性處理的時(shí)候，我們就可以通過上述的指標(biāo)來保證語音的感知自然度。

在語音舒適度維度方面，我們的終極目標(biāo)是視頻會(huì)議語音通話的體驗(yàn)要盡可能的接近真實(shí)場(chǎng)景下的人和人間距1米時(shí)的通話體驗(yàn)，要達(dá)到這樣的目標(biāo)，我們還有很長(zhǎng)的一段路要走。

目前可以想象到哪些困難我們需要克服，除了網(wǎng)絡(luò)QoS三要素外，如何盡可能真實(shí)的仿真出所處的聲學(xué)場(chǎng)景和對(duì)話形式，對(duì)于目標(biāo)的達(dá)成至關(guān)重要，我們的技術(shù)演進(jìn)路線圖也是朝著這個(gè)方向在努力。

3. 趕車

咖啡與信念缺一不可

Photo?by?Sergey

今年的需求（疫情）爆發(fā)了以后，我們整個(gè)團(tuán)隊(duì)一直加班加點(diǎn)，針對(duì)以前很多沒有覆蓋到的場(chǎng)景、沒有碰到過的用戶需求，陸陸續(xù)續(xù)開發(fā)了更多的技術(shù)和功能。

比如，我們發(fā)現(xiàn)很多老師給學(xué)生上課時(shí)需要聲音共享，而且這是一個(gè)非常剛性的需求。以前我們?cè)谵k公室很少有聲音共享，屏幕共享就可以了，所以我們?cè)赪indows（大部分老師都是用電腦進(jìn)行教學(xué)直播互動(dòng)）上提供了很多音頻共享的功能。

比如我們可以在學(xué)生把麥克風(fēng)禁麥后還講話的時(shí)候提醒學(xué)生，我們通過信號(hào)處理的技術(shù)，可以把學(xué)生講話的聲音有效的從環(huán)境背景聲分離處理，從而實(shí)現(xiàn)關(guān)麥講話提醒這個(gè)功能。

另外，用戶激增后，我們也看到了不同用戶的終端設(shè)備差異性導(dǎo)致的產(chǎn)品行為的不一致。舉個(gè)例子，用戶開關(guān)麥克風(fēng)的過程當(dāng)中需要整個(gè)設(shè)備驅(qū)動(dòng)進(jìn)行重啟。設(shè)備驅(qū)動(dòng)重啟的過程中，大部分設(shè)備都沒有問題，但是某些設(shè)備確會(huì)導(dǎo)致關(guān)麥的時(shí)候揚(yáng)聲器無聲，一秒兩秒的無聲用傳統(tǒng)的質(zhì)量評(píng)估手段是看不出來的，但對(duì)用戶體驗(yàn)有很大的影響。所有這樣的問題被發(fā)現(xiàn)后，快速迭代的能力就非常關(guān)鍵。

在這個(gè)過程中，對(duì)產(chǎn)品的思考更多時(shí)候是一個(gè)信念問題，當(dāng)有這么多人使用這款產(chǎn)品時(shí)，我們是帶有使命感在工作的。我們更多是希望早一點(diǎn)把需求解決、把功能做出來，早一點(diǎn)優(yōu)化用戶的體驗(yàn)。

所以大家常常是咬著牙，加班加點(diǎn)，周末也不休息。在聲音共享這個(gè)功能上線的時(shí)候，我記得我們有一個(gè)同學(xué)一晚上調(diào)bug調(diào)到了兩三點(diǎn)，我們當(dāng)時(shí)想到底還要不要跟著這次產(chǎn)品更新一起發(fā)布新功能，還是說再挺一下，堅(jiān)持把這最后一個(gè)問題解決掉。

因?yàn)楫a(chǎn)品的發(fā)布時(shí)間已經(jīng)確定，如果這次趕不上，那意味著老師和學(xué)生們第二天上課時(shí)又沒有聲音，上課的效率和體驗(yàn)都會(huì)受到比很大的影響， 所以我們的同學(xué)那天就趕了一整個(gè)晚上，在這期間咖啡就沒停過。

最后，終于在凌晨5點(diǎn)多鐘的時(shí)候，問題解決了，最后還做了全面的自測(cè)，確保沒有問題，第二天我們真的就硬是趕上了新版本發(fā)布的這趟車。

這個(gè)聲音共享功能發(fā)布了以后，我們非常非常開心，就是那種很單純的喜悅，希望上網(wǎng)課的老師們都趕緊升級(jí)到新版本，這樣他們?cè)俳o學(xué)生分享視頻的時(shí)候，聲音的分享就再也不成問題了。

聲音是傳遞信息非常重要的媒介，所以我們的想法很簡(jiǎn)單，就是這個(gè)東西能夠越早做出來越好。

4.? 出海

VooV Meeting的師、敵、友

Photo?by?Sergey

最近，Zoom是一個(gè)非常值得關(guān)注的對(duì)象。Zoom對(duì)我們來說，是云視頻會(huì)議的先行者。因?yàn)樗鼈冊(cè)谶@個(gè)行業(yè)進(jìn)入比較早，做得比較久，對(duì)用戶需求、行為的理解也比較深刻，有很多值得我們學(xué)習(xí)的地方。

其實(shí)我也蠻喜歡微軟Teams的產(chǎn)品，它也有一些自己獨(dú)到的地方。它從Skype時(shí)代開始演進(jìn)，有比較多的積累。而且微軟對(duì)底層技術(shù)有長(zhǎng)期的投入，很多先進(jìn)的思想一直在引領(lǐng)這個(gè)行業(yè)的進(jìn)步。

因?yàn)槲覀冏鲆曨l會(huì)議的時(shí)間相對(duì)比較短，有這樣一些先行者給我們先進(jìn)的思路，包括用戶的支持、合作伙伴、硬件合作伙伴合作模式等等，都是值得借鑒的。

騰訊會(huì)議海外版本VooV Meeting也同樣是我們?cè)谥С?#xff0c;畢竟底層技術(shù)都是一樣的。

從音頻角度來說，海外用戶跟國(guó)內(nèi)用戶的訴求大體上一樣，但也有一些不一樣的地方。比如國(guó)內(nèi)開會(huì)的時(shí)候，整個(gè)網(wǎng)絡(luò)架構(gòu)都是比較均勻的，尤其是我們看到北上廣這些城市，他們本身的網(wǎng)絡(luò)條件是不錯(cuò)的，延遲也處于比較好的狀況。

到了海外，我們的服務(wù)器部署不像在國(guó)內(nèi)這么完善，我們需要知道哪些地方的服務(wù)器部署是不足的。海外也不需要像國(guó)內(nèi)這樣面面俱到的部署，很多地域人口密度很低，比如美國(guó)的用戶可能比較集中在東西海岸，那么就需要針對(duì)東西海岸加強(qiáng)部署，在后臺(tái)的調(diào)度也要加以注意。

國(guó)內(nèi)的話，我們的信息獲得比較全面，流量高發(fā)的城市地區(qū)我們都有掌握，但海外這些需求和信息要如何獲得，這就是一個(gè)問題。你怎么知道到底哪些城市在哪些時(shí)候會(huì)有一個(gè)峰值的需求？這必須要有一個(gè)對(duì)全網(wǎng)質(zhì)量的評(píng)估和監(jiān)控，這樣才能近乎實(shí)時(shí)地知道用戶的需求出現(xiàn)在什么地方，從而可以有針對(duì)性的、非常靈活快捷地進(jìn)行相應(yīng)的部署。

從具體使用技術(shù)的角度來說，國(guó)內(nèi)外的用戶使用視頻會(huì)議的習(xí)慣也有些區(qū)別，國(guó)外可能習(xí)慣用PSTN電話的接入方式，國(guó)內(nèi)則是IP來接入。國(guó)外很多用戶傾向于使用固定電話或者移動(dòng)電話接入體驗(yàn)，因?yàn)閭鹘y(tǒng)電話網(wǎng)絡(luò)PSTN跟我們的IP網(wǎng)絡(luò)是屬于不同的運(yùn)營(yíng)商網(wǎng)絡(luò)，他們的運(yùn)營(yíng)商網(wǎng)絡(luò)到我們的網(wǎng)絡(luò)里面要經(jīng)過很多網(wǎng)關(guān)、路由，針對(duì)這種情況怎么優(yōu)化體驗(yàn)是我們要加以考慮的，這方面的開發(fā)技術(shù)比如說頻譜擴(kuò)展，比如PSTN專門的降噪，諸如此類的需求可以有針對(duì)性的加以開發(fā)。

5.? 硬件

1+1>2

Photo?by?Sergey

國(guó)內(nèi)有非常不錯(cuò)的硬件制造商，深圳就有很多了。我們和這些硬件制造商合作的時(shí)候，怎么互相之間博采眾長(zhǎng)，產(chǎn)生一加一大于二的效果，這里面其實(shí)有很多合作的空間。

騰訊會(huì)議在很多場(chǎng)景里面是要跟不同的合作伙伴聯(lián)合打造一個(gè)比較好的會(huì)議體驗(yàn)的，而這些合作伙伴在他們的相關(guān)領(lǐng)域里面，像硬件領(lǐng)域、網(wǎng)絡(luò)領(lǐng)域的未來發(fā)展是怎樣的，有什么有前景的趨勢(shì)，哪些變化在醞釀當(dāng)中、又會(huì)什么時(shí)候發(fā)生，都是我們要持續(xù)關(guān)注的問題。

比如，我們看到麥克風(fēng)不斷有新技術(shù)材料出來，那相關(guān)制造商的路線規(guī)劃是什么，某些技術(shù)難點(diǎn)突破了以后會(huì)對(duì)視頻會(huì)議云通信的產(chǎn)品有怎樣的影響，這些都需要你擁有很好的前瞻性。

另外，我們一直比較關(guān)注相關(guān)的領(lǐng)域。比如，5G時(shí)代整個(gè)接入網(wǎng)絡(luò)帶寬上去了，那我們就思考當(dāng)接入帶寬不再成為瓶頸以后，可以在哪些用戶體驗(yàn)上做進(jìn)一步的優(yōu)化。

像之前提到的教學(xué)場(chǎng)景，老師們可能有些高品質(zhì)的音頻需要傳輸，不僅僅是語音，還有基于音樂的特定場(chǎng)景。比如老師給學(xué)生放一段視頻，視頻里面可能不僅僅有對(duì)話，還會(huì)有高品質(zhì)的音樂。那么對(duì)于音樂來講，面臨的挑戰(zhàn)是不一樣的。音樂的內(nèi)容特征、頻譜、碼率需求，從音質(zhì)體驗(yàn)的角度來說比語音要求要高。

這樣的訴求在3G、4G網(wǎng)絡(luò)視頻會(huì)議下由于帶寬的限制、網(wǎng)絡(luò)的擁塞可能不得不放棄，但在5G的時(shí)候就會(huì)提上日程，要研究如何在新的場(chǎng)景下滿足用戶更多的需求，從而去優(yōu)化他們的體驗(yàn)。

另外，基于AI的技術(shù)，我們也看到音頻視頻兩者多模態(tài)可以更好的結(jié)合起來，能夠大大往前走一步，給用戶更好的綜合體驗(yàn)。同時(shí)，計(jì)算能力上來以后，你會(huì)發(fā)現(xiàn)很多事情做起來受限于當(dāng)時(shí)的設(shè)備，而現(xiàn)在慢慢都成為了可能，我們?cè)谒伎荚趺窗堰@些事情一步一步做起來。

我們現(xiàn)在和硬件廠商的很多合作，已經(jīng)在緊鑼密鼓地開展了。騰訊會(huì)議本身可以提供很好的音視頻處理、傳輸、編解碼技術(shù)，我們的硬件合作伙伴也有一些他們專有的硬件上面的特色功能。

第一步，我們之間要先相互打通。直接打通第一步以后，我們要思考怎么把自己的技術(shù)和對(duì)方的優(yōu)勢(shì)結(jié)合，這里面有很多工作可以做。

舉個(gè)例子，用戶的設(shè)備跟我們騰訊會(huì)議軟件，不管是通過有線網(wǎng)絡(luò)還是USB進(jìn)行連接，以前在用戶設(shè)備上受限于運(yùn)算能力做不到的事情，現(xiàn)在就可以做到了。因?yàn)橥ǔＮ覀冎v的會(huì)議電話這樣的產(chǎn)品，它的運(yùn)算能力、內(nèi)存總是受限的，很多基于AI的算法做不到。

但是騰訊會(huì)議的APP跑在我們通用的、運(yùn)算能力強(qiáng)大的設(shè)備里面（像電腦）就不存在這樣的限制，尤其是和云結(jié)合起來后。一旦和硬件廠商打通以后，雙方找到彼此之間的配合點(diǎn)，以前做不到的事情現(xiàn)在都成為可能，典型的例子比如會(huì)議內(nèi)容轉(zhuǎn)錄、整理會(huì)議紀(jì)要等等。

像一些傳統(tǒng)的視頻會(huì)議方案提供商，它本身是一個(gè)閉環(huán)，它的解決方案里，軟件硬件全都是它自己的，不存在運(yùn)營(yíng)多樣化的挑戰(zhàn)問題，因?yàn)槊總€(gè)鏈條它都自己把握，這樣質(zhì)量有保證。但是相對(duì)而言，他們的完整解決方案的價(jià)位也比較高，兼容性也會(huì)是很大的問題。

騰訊會(huì)議的話，要跟所有設(shè)備商都可以接入，面臨著保證可靠性、穩(wěn)定性、安全性的挑戰(zhàn)，因?yàn)椴煌膹S商的產(chǎn)品要在它的性能范圍之內(nèi)互相協(xié)同，無縫連接。。

在安全性方面，我不是專家，但從開發(fā)SDK的角度來說，我們對(duì)于用戶本身的信息肯定是不做收集的。對(duì)于用戶談話，比如交流的具體內(nèi)容，我們也不會(huì)做任何收集，只是用算法對(duì)這些內(nèi)容的統(tǒng)計(jì)信息進(jìn)行收集，包括通話過程當(dāng)中的質(zhì)量，比如是否失真、嘈雜、有卡頓等等，這些都是從技術(shù)方面統(tǒng)計(jì)的信息。

因?yàn)槲覀冃枰獙?duì)這些技術(shù)指標(biāo)進(jìn)行評(píng)估，比如我發(fā)現(xiàn)你那邊頻繁出現(xiàn)卡頓現(xiàn)象，那么我希望能夠知道你在什么時(shí)候、為什么發(fā)生了卡頓，如果發(fā)生卡頓的原因是技術(shù)網(wǎng)絡(luò)架構(gòu)，或者是應(yīng)用本身消耗了太多的CPU導(dǎo)致的，我們就可以更有針對(duì)性地進(jìn)行優(yōu)化，從而給予用戶更好的體驗(yàn)。

6.? 問題

Everything matters

Photo?by?Sergey

接下來我們要解決的問題，更多的會(huì)是更具挑戰(zhàn)性的多方會(huì)議場(chǎng)景下面的問題。因?yàn)楝F(xiàn)在的用戶場(chǎng)景非常多，多樣化場(chǎng)景下，不同的場(chǎng)景里面用戶對(duì)聲音的需求是不一樣的。

這就說回到用戶場(chǎng)景的問題，當(dāng)下的場(chǎng)景相對(duì)以前確實(shí)有很大的變化。以前騰訊會(huì)議的用戶場(chǎng)景沒有（也沒有想到）現(xiàn)在這么多。現(xiàn)在你可以在家里面、在辦公室里面、小型會(huì)議室里面、大型會(huì)議室里面開會(huì)，甚至各種直播場(chǎng)景都是以前沒有想過的。在各種場(chǎng)景里面，你的架構(gòu)、相應(yīng)的技術(shù)應(yīng)該如何規(guī)劃、配合，在不同的場(chǎng)景里側(cè)重點(diǎn)又是什么，不同的人都有不一樣的理解。

我們這方面做得比較細(xì)，要根據(jù)用戶不同的場(chǎng)景去考量。比如開信息傳達(dá)的大會(huì)的場(chǎng)景，對(duì)于這種絕大部分時(shí)間都是信息單向傳輸?shù)那闆r，延遲可能就不是那么重要了，重要的是聲音的可懂度和自然度，要保證用戶在長(zhǎng)時(shí)間傾聽的條件下，避免聽覺疲勞和注意力分散。

而在小規(guī)模小組討論的場(chǎng)景下，大家都是是熟人，交互非常激烈，你一句我一句，這時(shí)候?qū)?shí)時(shí)交互的需求會(huì)非常強(qiáng)，需要很低的延時(shí)，除了對(duì)于可懂度和語音自然度的正常要求外，對(duì)于聲音的舒適度要求盡可能模仿面對(duì)面的溝通，要求很高。我們會(huì)考慮在這樣的場(chǎng)景下，需要哪些新技術(shù)，如何在多種限定條件下權(quán)衡，來達(dá)到一個(gè)最好的綜合體驗(yàn)和容忍度，。

另外就是基于視頻會(huì)議的主場(chǎng)景，還有哪些衍生的需求，比如會(huì)議內(nèi)容轉(zhuǎn)錄、同聲傳譯，以及和智能音箱的結(jié)合、如何通過語音助手來喚醒和交互……這些以前在傳統(tǒng)的視頻會(huì)議產(chǎn)品中見不到的功能，現(xiàn)在隨著相關(guān)市場(chǎng)產(chǎn)品、技術(shù)的成熟，都可以進(jìn)一步融合起來，在協(xié)同辦公這樣的一個(gè)大背景下，共同來提升效率。

諸如此類,在當(dāng)下和未來，我們都會(huì)碰到不一樣的挑戰(zhàn)，你要問哪個(gè)最重要，我沒有辦法回答，因?yàn)橛脩鬉和用戶B的需求對(duì)我來說同樣重要。同時(shí)，我們也會(huì)用數(shù)據(jù)來說話，數(shù)據(jù)告訴我們用戶的需求在哪里，我們就去開發(fā)哪里；如果目前還沒能滿足這部分的需求，那我們就把它丟到map里，以后的每一天都要想辦法去滿足它。

超強(qiáng)干貨來襲 云風(fēng)專訪：近40年碼齡，通宵達(dá)旦的技術(shù)人生

總結(jié)

以上是生活随笔為你收集整理的专访腾讯多媒体实验室商世东：咬咬牙也要跟上新版本的发布的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。