作者 | 楊麗

你真得了解視頻會議嗎？

過去，很多醫(yī)療單位、科研院所在苦惱一件事：盡管院方接入或自主開發(fā)了一套遠程會診系統(tǒng)，以滿足對外遠程病患會診，對內(nèi)實現(xiàn)醫(yī)護人員的日常學術交流、專家培訓等方面的需要。但他們越來越發(fā)現(xiàn)，傳統(tǒng)的遠程會診系統(tǒng)往往缺乏多屏互動的協(xié)作性，且成本高、不便捷。相比之下，云視頻會議軟硬一體化解決方案的出現(xiàn)，正悄悄改變著這些曾經(jīng)讓他們所苦惱的事情。

不久前，騰訊會議Rooms產(chǎn)品參與了一個醫(yī)療行業(yè)展的方案展示。方案中，通過視頻會議，我們看到醫(yī)生與醫(yī)生之間，患者與醫(yī)生之間，有了一段非常高質(zhì)量的線上溝通。

普遍來講，想要完成一場高質(zhì)量的云視頻會議，多數(shù)產(chǎn)品會在網(wǎng)絡丟包率上下足功夫，因為丟包往往會直接影響接收端解碼出卡頓、不連續(xù)的聲音或圖像。常見的手段，除了優(yōu)化編解碼算法的比拼，還可以利用AI算法還原出圖像、聲音的本來面貌。目前大量的科研工作投放在這個模塊上，并取得了很多階段性成效。

這一次，騰訊會議旗下騰訊天籟實驗室推出的天籟語音模組，則嘗試從另一個維度解決問題。

在聲音傳輸之前的一步重要環(huán)節(jié)，即信源的編碼階段，往往會遇到各種噪音、混響、雞尾酒環(huán)境等聲音傳播的影響，是否能對信源音頻進行更好地“預處理”？

經(jīng)雷鋒網(wǎng)一番探究得知，天籟團隊通過技術創(chuàng)新，將多個MEMS麥克風板嵌入到會議大屏等硬件設備上，可實現(xiàn)180度廣角、12米超長距離拾音，在雙講、噪聲回聲消除等方面均有顯而易見的突破。

只不過，這款語音模組目前主要應用于騰訊會議Rooms專款機型上，并通過技術授權的方式開放給Rooms專款硬件合作伙伴，已經(jīng)實現(xiàn)初步量產(chǎn)。

是不是挺香？

量產(chǎn)前的努力

媒體溝通中，騰訊天籟實驗室總經(jīng)理商世東指出，“天籟語音模組希望解決的是，能夠在比較復雜、惡劣的聲學場景下也能提供一個清晰、流暢、安靜的音頻體驗?！?/p>

我們知道，在一般的工程環(huán)境中，在相似的問題、場景下使用相似的處理方法，盡管有可能也是來自學界給出的一些非常有效的模型或技術手段，但如果沒有能力非常強的開發(fā)人員，針對特定問題或場景設計新的模塊和環(huán)節(jié)，很難會得到非常好的效果。

有時候，現(xiàn)實生活中的聲學場景遠比實驗室里的復雜的多。以此次天籟語音模組重點優(yōu)化的一個聲學問題——遠場拾音為例。

騰訊會議天籟實驗室技術研發(fā)專家余濤告訴雷鋒網(wǎng)：

“僅靠一個純粹的語音或音頻算法，即便是具備了訓練得很強的深度學習模型，想要比較好地解決遠場語音的問題還是比較難的?！?/p>

在他看來，物理世界中的聲音信號受到干擾、衰減的因素是非常多的，因而帶來的技術挑戰(zhàn)也是成百倍增加的。

“比如噪聲問題。通常聲音的傳播距離增加一倍，能量會衰減6個dB，也就是幅度衰減一半，這導致信噪比的惡劣程度會達到-10、-20的程度，噪聲的特性也會發(fā)生變化。比如說話人通常所處的會議室空間里，有空調(diào)噪聲、鍵盤噪聲，是充滿整個拾音頻帶的。不同于具有稀疏性的非平穩(wěn)噪聲，這對遠場噪音處理會有非常多的挑戰(zhàn)。

同樣，很多情況下很多近場語音很多，這就造成了房間的傳輸函數(shù)帶來了混響效應；而語音傳輸?shù)禁溈孙L，直達波也會有變化，比如說話人是側(cè)著說話，或者面對地板說話，沒有直達波的觸達等等這種情況。”

圖：騰訊天籟實驗室資深研究員劉成 現(xiàn)場演示

不難發(fā)現(xiàn)，天籟團隊采用的策略，是從聲學層面、硬件設計層面，跟強大的算法能力相結(jié)合，綜合性提升遠場拾音能力。

在面向量產(chǎn)和推進商業(yè)化之前，天籟團隊已經(jīng)進行了內(nèi)外部各種實際場景的測試。

余濤表示，“確實，從實驗室里搬出來的黑科技產(chǎn)品，第一次做灰度測試確實面臨著很多挑戰(zhàn)，隨著挑戰(zhàn)被持續(xù)攻克，最終我們發(fā)現(xiàn)至少90%的場景可以做到一個非常好的體驗?！?/p>

當然，這剩下的10%的場景可能會非常極端。比如有些場景中，尤其是教室、培訓室等某些更加開放空間里，一個房間里坐了四、五十個人，技術挑戰(zhàn)的量級會呈指數(shù)增加。

不做硬件，但重視硬件生態(tài)

據(jù)余濤向雷鋒網(wǎng)透露，“現(xiàn)在與騰訊會議合作的硬件伙伴，已經(jīng)量產(chǎn)的大屏包括86寸、65寸。其中，65寸是面向中小型會議室，86寸大屏是面向中大型會議室。可以說天籟語音模組已經(jīng)達到了量產(chǎn)機型的這樣一個技術指標。”

2020年9月，騰訊會議從個人版向企業(yè)版拓展的同時，就甩出了一張牌——智能會議室解決方案“騰訊會議Rooms”。簡單來講，騰訊會議Rooms是專為會議室打造的軟件系統(tǒng)，提供音視頻會議、無線投屏、觸屏式白板的集成會議體驗，同時提供軟硬一體的完整視頻會議解決方案。通過無縫銜接，以提升整場視頻會議的沉浸式體驗。

不難看出，騰訊會議自己不做硬件，不做大屏，但對硬件伙伴生態(tài)越來越重視了。

據(jù)了解，騰訊天籟目前已經(jīng)通過開放音視頻認證標準，吸引到一批硬件設備廠商騰訊會議的硬件生態(tài)中，包括連接器、一體機、智能大屏、揚聲器麥克風、攝像頭等等。

余濤表示，“對于硬件伙伴而言，它們在音視頻上的能力是參差不齊的。我們推出這種類似于交鑰匙的音視頻解決方案，其實是希望能夠提高它們的音視頻質(zhì)量，能夠讓硬件廠商直接低門檻地集成解決方案，快速形成產(chǎn)品能力。這也是天籟語音模組推出最希望達到的商業(yè)目的?！?/p>

后記

還記得騰訊會議在2019年末剛剛發(fā)布時，有一家視頻會議硬件服務商曾說，“大概只有騰訊才能將他們過去經(jīng)常相互PK的對手請到一起，讓大家坐在一起，相談甚歡?！?/p>

這或許也是騰訊會議需要承擔的一種角色：基于互聯(lián)網(wǎng)平臺上包括云基礎設施的能力、實時音視頻通信的能力、機器學習多模態(tài)的能力，促成軟硬件會議產(chǎn)品更好的交互。

而除了擺在眼前的種種技術攻關外，天籟團隊本身隸屬于騰訊會議，這意味著盡管它不是產(chǎn)品部門，但卻與產(chǎn)品部門有著非常緊密的配合和支撐：需要給產(chǎn)品做貢獻，同時又能基于大量場景、數(shù)據(jù)進行前沿技術相關的工作。

這也大概是為什么初出兩年的騰訊會議，依然有底氣和本事成立專門的實驗室，對視頻會議交互中存在的高難度技術挑戰(zhàn)進行長期的研究和攻克。

站在待解決的問題上，騰訊會議還有很多的想象空間。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。