0
雷鋒網(wǎng)按：本文作者冼牛，即構(gòu)科技市場(chǎng)運(yùn)營(yíng)總監(jiān)，香港大學(xué)MBA，十年研發(fā)經(jīng)驗(yàn)，音視頻云服務(wù)技術(shù)專家，專注連麥互動(dòng)直播技術(shù)應(yīng)用研究。 本文系雷鋒網(wǎng)獨(dú)家文章。
狼人殺，剛剛崛起，就陷入紅海競(jìng)爭(zhēng)。
一切發(fā)展的太快，都還來(lái)不及思考，APP排行榜上就擠滿了同質(zhì)化的狼人殺產(chǎn)品。
經(jīng)過(guò)2016年直播元年的驅(qū)動(dòng)，語(yǔ)音視頻云服務(wù)已經(jīng)相對(duì)成熟。因此，狼人殺語(yǔ)音視頻入門相對(duì)容易，集成第三方的技術(shù)方案用就可以了。
然而，狼人殺語(yǔ)音視頻要差異化卻十分困難，因?yàn)椴还苁亲匝羞€是采用第三方的技術(shù)方案， 都還存在一些關(guān)鍵的痛點(diǎn)：
噪音抑制
回聲消除
低延遲
多路連麥
語(yǔ)音視頻的技術(shù)難度在業(yè)內(nèi)被公認(rèn)是十分高的，如果能很好地解決這些技術(shù)問(wèn)題，狼人殺就能建立堅(jiān)固的技術(shù)壁壘。在語(yǔ)音連麥的基礎(chǔ)之上，再加上視頻連麥的能力，那么狼人殺就能構(gòu)筑安全的護(hù)城河，為進(jìn)一步的業(yè)務(wù)創(chuàng)新提供有力的技術(shù)支撐。
下面我們展開(kāi)討論一下狼人殺如何構(gòu)筑技術(shù)壁壘。
狼人殺最頭疼的問(wèn)題就是背景噪音，沒(méi)有之一。
拿一個(gè)十二人一局的狼人殺游戲?yàn)槔恳粋€(gè)用戶都會(huì)帶入一定程度的背景噪音。十二個(gè)人的背景噪音疊加在一起，簡(jiǎn)直是沒(méi)辦法玩了。參加過(guò)視頻會(huì)議的朋友應(yīng)該是有所體會(huì)，如果有一個(gè)參會(huì)者是在汽車上接入視頻會(huì)議的，那么這個(gè)參會(huì)者就要把麥克風(fēng)關(guān)掉，不然這會(huì)議就沒(méi)辦法開(kāi)了。在狼人殺游戲中，這個(gè)問(wèn)題會(huì)更加嚴(yán)重，你不能讓某個(gè)用戶把麥克風(fēng)關(guān)掉，你也不能要求用戶在沒(méi)有噪音的環(huán)境下加入游戲，用戶體驗(yàn)永遠(yuǎn)是擺在第一位的。
終端設(shè)備采集進(jìn)去的聲音可以分為三種：
發(fā)言人的聲音
發(fā)言人周圍的聲音
白噪音
第一種聲音是有效的，第二和第三種聲音是無(wú)效的。第二種聲音是無(wú)法抑制的，因?yàn)橄到y(tǒng)無(wú)法區(qū)分這是否是用戶有意制造的聲音。第三種聲音是白噪音，在每一個(gè)頻段的功率都是均勻的，可以類比為包含了所有顏色的白光，白噪音是可以通過(guò)算法來(lái)抑制的。
衡量噪音抑制的效果好不好，關(guān)鍵的技術(shù)指標(biāo)有兩個(gè)：
信噪比提高的幅度
語(yǔ)音音質(zhì)的保真度
一般來(lái)說(shuō)，信噪比不應(yīng)該低于70dB，高保真音箱的信噪比應(yīng)達(dá)到110dB以上。 噪音抑制的作用是要提高信噪比的同時(shí)保持語(yǔ)音音質(zhì)不失真?？紤]到狼人殺的應(yīng)用場(chǎng)景要進(jìn)行多人高頻率強(qiáng)互動(dòng)，狼人殺的語(yǔ)音方案要結(jié)合了聲學(xué)心理學(xué)模型，信噪比要能夠提高20dB以上，同時(shí)不損傷語(yǔ)音的音質(zhì)，才能獲得比較好的用戶體驗(yàn)。
如果說(shuō)噪音抑制是狼人殺的基礎(chǔ)痛點(diǎn)，那么回聲消除就是狼人殺差異化的殺手锏。為什么那么說(shuō)？狼人殺首先是個(gè)游戲平臺(tái)，然后才是社交平臺(tái)。作為游戲平臺(tái)，要在輪流發(fā)言的殺人游戲環(huán)節(jié)解決噪音抑制問(wèn)題，游戲平臺(tái)的用戶體驗(yàn)才能做好；作為社交平臺(tái)，要在復(fù)盤討論的社交環(huán)節(jié)解決回聲消除問(wèn)題，社交平臺(tái)的用戶體驗(yàn)才能差異化。然而，回聲消除的技術(shù)難度十分高。因此，回聲消除是狼人殺從游戲走向社交必須要打的硬仗。解決了，就是社交平臺(tái)；解決不掉，就只是一款游戲。在資本市場(chǎng)上，游戲和社交產(chǎn)品的估值可是天壤之別的。
回聲消除可以分為硬件層次的和軟件層次的。一般來(lái)說(shuō)，在硬件層次，硬件會(huì)做一些基礎(chǔ)的回聲消除工作。目前的音頻終端硬件主要包括PC（Intel+Windows）、安卓手機(jī)、和蘋果手機(jī)。PC端沒(méi)有做回聲消除；安卓手機(jī)對(duì)回聲消除做得不好，而且效果參出不齊；蘋果手機(jī)的回聲消除做得相對(duì)效果比較好。在軟件層次，軟件要抹平這些硬件平臺(tái)的區(qū)別，確保在不同平臺(tái)上回聲消除的效果都要良好，都要保持一致。
這里只會(huì)簡(jiǎn)單介紹回聲消除的原理，有詳細(xì)學(xué)習(xí)需要的同學(xué)請(qǐng)自行百度之。從麥克風(fēng)采集到的聲音包括用戶近端的有效聲音加上近端回聲（NE, Near Echo）?；芈曄哪康木褪且呀嘶匾粝?。如果沒(méi)有任何參考信號(hào)，要把近端回音消除掉是不可能完成的任務(wù)，軟件算法無(wú)法區(qū)分哪些是有效聲音信號(hào)，哪些是近端回音信號(hào)。
軟件算法采用遠(yuǎn)端回聲（FE, Far Echo）作為參考信號(hào)來(lái)消除回聲。雖然近端回聲和遠(yuǎn)端回聲不完全相同，但是高度相關(guān)，可以通過(guò)一個(gè)函數(shù)來(lái)表示：NE=f(FE)。這個(gè)函數(shù)f(x)就是回聲路徑，表達(dá)了遠(yuǎn)端回聲在空氣中經(jīng)過(guò)多次反射等環(huán)境影響以后如何變成近端回聲的。從技術(shù)的角度看，回聲消除就是要從麥克風(fēng)采集到的聲音中，把FE經(jīng)過(guò)回聲路徑后變成的NE消除掉，本質(zhì)上是對(duì)回聲路徑函數(shù)進(jìn)行求解。
圖1 回音消除的基本原理
回音消除的效果好不好，該如何衡量？有兩個(gè)指標(biāo)可以衡量：1）回聲有沒(méi)有消除掉；2）在雙講條件下效果好不好。比較拓?fù)涞恼f(shuō)法是，回音消除要么沒(méi)有消除完全，要么消除過(guò)度。如果沒(méi)有消除完全，就會(huì)有回音漏掉；如果消除過(guò)度，就會(huì)帶來(lái)失真。
狼人殺的應(yīng)用場(chǎng)景對(duì)回聲消除的要求十分的高。在復(fù)盤討論環(huán)節(jié)，十來(lái)個(gè)用戶同時(shí)開(kāi)著麥克風(fēng)和揚(yáng)聲器七嘴八舌進(jìn)行攤牌對(duì)講，十來(lái)路的回聲，十幾個(gè)人在搶話。在這種極端的語(yǔ)音環(huán)境中，即使在線下進(jìn)行都有聽(tīng)不清的時(shí)候，更何況在線上進(jìn)行。因此，回聲消除是對(duì)狼人殺十分有挑戰(zhàn)的技術(shù)。
關(guān)于語(yǔ)音視頻通訊如何做到低延遲，筆者已經(jīng)在雷鋒網(wǎng)發(fā)表過(guò)的一篇技術(shù)專欄文章中做了詳盡的探討。請(qǐng)參照雷鋒網(wǎng)的文章，這里就不再展開(kāi)論述了：
“為了互動(dòng)直播，如何讓直播技術(shù)實(shí)現(xiàn)低延遲？”
狼人殺語(yǔ)音視頻云的系統(tǒng)架構(gòu)和直播云的系統(tǒng)架構(gòu)比較接近，可以通過(guò)下圖來(lái)展現(xiàn)。
圖2 即構(gòu)科技狼人殺音視頻多路連麥系統(tǒng)架構(gòu)
要降低語(yǔ)音視頻通訊的延遲，要從三個(gè)方面入手：
選擇最優(yōu)的傳輸路徑；
選擇最優(yōu)質(zhì)的網(wǎng)絡(luò)資源；
在各個(gè)傳輸環(huán)節(jié)做到最優(yōu)。
語(yǔ)音視頻處理和傳輸?shù)逆湕l比較長(zhǎng)，從推流端開(kāi)始到拉流端總共至少經(jīng)過(guò)九個(gè)環(huán)節(jié)。
圖3 語(yǔ)音視頻處理和傳輸?shù)沫h(huán)節(jié)
一個(gè)語(yǔ)音視頻通訊系統(tǒng)除了要有實(shí)時(shí)的系統(tǒng)架構(gòu)，還要在每個(gè)環(huán)節(jié)上做到最優(yōu)，每個(gè)環(huán)節(jié)能節(jié)省一點(diǎn)點(diǎn)時(shí)間，整體節(jié)省的時(shí)間就會(huì)相當(dāng)可觀。
直播的語(yǔ)音視頻通訊包括了語(yǔ)音和視頻的傳輸和處理，而狼人殺的語(yǔ)音視頻通訊目前大部分以語(yǔ)音為基礎(chǔ)，視頻作為差異化點(diǎn)。視頻碼率一般會(huì)達(dá)到幾百kbps，音頻的碼率一般會(huì)達(dá)到幾十kbps。
語(yǔ)音視頻通訊的延遲要多低才算是好？可以拿一線的直播產(chǎn)品作為標(biāo)桿，比如說(shuō)，花椒直播的延遲一般可以達(dá)到400毫秒。一般來(lái)說(shuō)，語(yǔ)音視頻的延遲低于800毫秒，就可以做連麥互動(dòng)了；如果能達(dá)到400毫秒，那是相當(dāng)優(yōu)秀的，可以進(jìn)行連麥合唱了。
在狼人殺的殺人游戲環(huán)節(jié)，用戶需要通過(guò)語(yǔ)音進(jìn)行互動(dòng)。筆者體驗(yàn)過(guò)市面上有代表性的十來(lái)款狼人殺產(chǎn)品，發(fā)現(xiàn)有的產(chǎn)品允許用戶多個(gè)人在同一時(shí)間發(fā)言，有的產(chǎn)品只允許輪到的用戶發(fā)言。前者的應(yīng)用場(chǎng)景使用了多路語(yǔ)音連麥，后者的應(yīng)用場(chǎng)景使用了單向的語(yǔ)音通話。
多路語(yǔ)音連麥?zhǔn)侵甘请p工模式，多個(gè)用戶可以同時(shí)講話，可以聽(tīng)到所有人講話。單向的語(yǔ)音通話指的是單工模式，雖然多個(gè)用戶可以輪流說(shuō)話，但是每次只有一個(gè)用戶被允許說(shuō)話，其它用戶處于聆聽(tīng)的模式。多路語(yǔ)音連麥要求延遲極低，一般要達(dá)到500毫秒以下才能取得比較好的語(yǔ)音對(duì)講效果。單向語(yǔ)音通話的延遲一般比較大，一般都達(dá)到1秒到3秒，甚至更大。這種技術(shù)條件下，要進(jìn)行互動(dòng)對(duì)講的話，用戶體驗(yàn)是比較差的。
不管目前狼人殺的產(chǎn)品形態(tài)如何，可以肯定的是多路語(yǔ)音連麥的用戶體驗(yàn)是要比單向語(yǔ)音通話體驗(yàn)要優(yōu)越的。不管狼人殺的產(chǎn)品如何演進(jìn)，可以肯定的是，整個(gè)狼人殺的技術(shù)都會(huì)向多路語(yǔ)音連麥進(jìn)行對(duì)齊。畢竟，多路語(yǔ)音連麥不但能夠支持更多的玩法和業(yè)務(wù)創(chuàng)新，而且能夠讓狼人殺從游戲升級(jí)為社交變?yōu)榭赡?。目前，很多狼人殺產(chǎn)品還停留在單向語(yǔ)音通話的階段，這不是因?yàn)閼?yīng)用場(chǎng)景的需要，而是因?yàn)榧夹g(shù)條件的限制。
多路語(yǔ)音連麥雖然在狼人殺行業(yè)還沒(méi)有普及，但是在直播行業(yè)已經(jīng)成為標(biāo)配。直播行業(yè)在技術(shù)上是比狼人殺行業(yè)先走了一步，不管是連麥互動(dòng)的玩法創(chuàng)新，還是多路音視頻連麥，都要比狼人殺行業(yè)在技術(shù)上有更多的探索和驗(yàn)證。然而，狼人殺的應(yīng)用場(chǎng)景比直播的應(yīng)用場(chǎng)景要有更多的互動(dòng)性。比如說(shuō)，在直播的應(yīng)用場(chǎng)景中，一般三個(gè)主播連麥互動(dòng)比較合適，四個(gè)就有點(diǎn)嫌多，手機(jī)的小屏幕放不下了；然而，在狼人殺的應(yīng)用場(chǎng)景中，人數(shù)最少的六人局就已經(jīng)是對(duì)平民的單邊屠殺了，十二人局才稍微比較平衡。
圖4 多路語(yǔ)音連麥將成為狼人殺標(biāo)配
相信隨著狼人殺在2017年的蓬勃發(fā)展，用戶和廠商會(huì)共同探索出更多新鮮的玩法。連麥互動(dòng)已經(jīng)成為直播行業(yè)的標(biāo)配，多路連麥的產(chǎn)品形態(tài)也在不斷的嘗試中。用戶的口味只會(huì)提高不會(huì)降低，多路語(yǔ)音連麥也將會(huì)成為狼人殺行業(yè)的標(biāo)配。
在2017年的年中，多路語(yǔ)音連麥將會(huì)成為狼人殺行業(yè)的標(biāo)配。筆者敢于做這樣推斷的理由有兩個(gè)：
可以多路語(yǔ)音視頻連麥的云服務(wù)已經(jīng)在2016年中被直播行業(yè)驗(yàn)證過(guò)，無(wú)論是技術(shù)還是服務(wù)都是被直播行業(yè)認(rèn)可的。
自行研發(fā)多路語(yǔ)音連麥技術(shù)，在短期甚至中期都不現(xiàn)實(shí)。而對(duì)狼人殺產(chǎn)品來(lái)說(shuō)速度就是存活的關(guān)鍵。因此將會(huì)采用語(yǔ)音視頻云服務(wù)的第三方方案迅速進(jìn)行能力對(duì)齊。
多路語(yǔ)音連麥?zhǔn)遣皇抢侨藲⒌淖罱K產(chǎn)品形態(tài)? 還言之過(guò)早，至少，語(yǔ)音升級(jí)的下一站是視頻。筆者如此推斷的理由也有兩個(gè)：
狼人殺的殺人環(huán)節(jié)中，用戶需要對(duì)其它用戶進(jìn)行表情觀察，這是進(jìn)行分析判斷的剛需，也可以增加游戲的趣味性。筆者曾試玩過(guò)一款前十名的狼人殺產(chǎn)品，輪到發(fā)言的用戶的視頻會(huì)全屏顯示，當(dāng)看到他的全屏視頻顯示的時(shí)候，筆者的個(gè)人體會(huì)就是眼前一亮，游戲就變得更加有社交意味。
圖5 即構(gòu)科技的狼人殺12路語(yǔ)音視頻連麥互動(dòng)
狼人殺的下一站是社交，社交最自然的溝通方式就是語(yǔ)音加視頻，全面還原線下面對(duì)面的場(chǎng)景。狼人殺社交的第一個(gè)突破口就是復(fù)盤討論環(huán)節(jié)。在復(fù)盤討論環(huán)節(jié)中，用戶不需要表演和假裝，語(yǔ)音視頻連麥互動(dòng)聊天將會(huì)變成最簡(jiǎn)單直接的需求。復(fù)盤討論環(huán)節(jié)的社交對(duì)狼人殺廠商來(lái)說(shuō)只是起點(diǎn)，如何把用戶的社交互動(dòng)做起來(lái)是他們的手段，如何把用戶的關(guān)系鏈沉淀下來(lái)才是他們的目的。目前在國(guó)外爆發(fā)的多人語(yǔ)音視頻線上Party產(chǎn)品也許對(duì)狼人殺會(huì)有更多的啟發(fā)。不管如何，狼人殺的目的是社交，社交的最終形態(tài)就是要盡量還原線下場(chǎng)景。畢竟，看得見(jiàn)聽(tīng)得到的語(yǔ)音視頻連麥才是最自然的溝通方式。
圖6 現(xiàn)象級(jí)視頻群聊產(chǎn)品Houseparty對(duì)狼人殺的社交嘗試有啟發(fā)意義
狼人殺是一個(gè)成熟的游戲，互聯(lián)網(wǎng)是個(gè)開(kāi)放的市場(chǎng)，這意味著任何好的玩法一經(jīng)推出都很快被競(jìng)品復(fù)制，最終狼人殺會(huì)陷入同質(zhì)化的競(jìng)爭(zhēng)泥沼。這個(gè)時(shí)候，如果要差異化競(jìng)爭(zhēng)，就必須要不斷對(duì)運(yùn)營(yíng)和產(chǎn)品升級(jí)，而運(yùn)營(yíng)和產(chǎn)品升級(jí)必須要底層技術(shù)的強(qiáng)勁支撐。于是，技術(shù)必然會(huì)從單向語(yǔ)音通話，到多路音頻連麥，然后再到多路語(yǔ)音視頻連麥。
2016年直播行業(yè)已經(jīng)為狼人殺催熟了語(yǔ)音視頻技術(shù)和培育好了語(yǔ)音視頻用戶，2017年狼人殺行業(yè)會(huì)加速走完技術(shù)升級(jí)的歷程。能迅速走完技術(shù)升級(jí)歷程的狼人殺廠商將會(huì)進(jìn)入下一輪競(jìng)爭(zhēng)，比拼社交平臺(tái)的產(chǎn)品和運(yùn)營(yíng)能力，一如現(xiàn)在的直播行業(yè)；不能迅速走完技術(shù)升級(jí)歷程的狼人殺廠商就會(huì)逐漸退出或者轉(zhuǎn)型。
狼人殺語(yǔ)音視頻，入門容易差異化難。困難不僅在于關(guān)鍵的痛點(diǎn)，而且在于速度。慢半拍產(chǎn)品只會(huì)被丟入長(zhǎng)尾的紅塵中，被下一波的浪潮淹沒(méi)。
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
