3月23日，實時互動云服務(wù)商聲網(wǎng)在北京舉辦“鳳鳴AI引擎”發(fā)布會，正式發(fā)布了囊括 AI降噪、AI回聲消除、空間音頻、最佳音效在內(nèi)的聲網(wǎng)新一代音頻技術(shù)智能引擎。開發(fā)者與企業(yè)可以如搭積木般靈活調(diào)用對應(yīng)組件，并廣泛應(yīng)用在語聊社交、在線K歌、線上會議、游戲競技、虛擬活動等諸多場景，為用戶帶來更純凈、更動聽、更沉浸的語音互動體驗，探索更多營收增長空間。
RTE場景不斷豐富，高音質(zhì)互動需求急需滿足
實時音視頻技術(shù)的發(fā)展帶出大量的創(chuàng)新場景，從狼人殺、直播連麥到直播電商、在線K歌、互動播客、元宇宙，伴隨著場景的不斷擴(kuò)展，用戶對實時音視頻體驗的訴求也越來越高。
傳統(tǒng)的RTC概念，從信息傳遞的角度出發(fā)，音頻功能僅提供簡單的語音溝通，滿足單一的場景和通話標(biāo)準(zhǔn)，對于音質(zhì)并無太高的需求，也就是所謂的“能夠溝通”。聲網(wǎng)發(fā)現(xiàn)，伴隨著實時互動創(chuàng)新場景的涌現(xiàn)，用戶對于音頻體驗的需求也產(chǎn)生了從量變到質(zhì)變的進(jìn)化，比如在線K歌、線上會議等場景，用戶的需求早已從能夠溝通到希望“脫離現(xiàn)實”，屏蔽外界干擾，實現(xiàn)純凈溝通；對于元宇宙、虛擬活動、游戲競技等場景，用戶則是希望從簡單溝通實現(xiàn)“極致擬真”的沉浸式體驗。
同時聲網(wǎng)也觀察到，音頻體驗的提升能夠增強平臺用戶的核心體驗。比如，對噪音的抑制能夠提升語聊房用戶活躍度和留存，以及游戲開黑場景的通話時長；回聲消除能顯著提升用戶的在線K歌體驗；而立體、具備空間感的音頻體驗則能提升元宇宙社交、游戲競技、線上會議、虛擬活動等場景中用戶的臨場感和沉浸感。
聲網(wǎng)針對以上痛點和需求，聲網(wǎng)鳳鳴AI引擎應(yīng)勢而生。
3大音頻能力+最佳音效實踐 回歸互動本真
通過AI驅(qū)動的方式，聲網(wǎng)打通了音頻采集、前后處理、云端傳輸、編解碼等鏈路，旨在為用戶打造更純凈、更動聽、更沉浸的語音體驗，在現(xiàn)有實時互動玩法的基礎(chǔ)上錦上添花，賦能行業(yè)開發(fā)者和企業(yè)。
AI降噪強力抑制100+突發(fā)噪聲，兼顧語音無損傷與混響抑制
想要在“脫離現(xiàn)實”的環(huán)境中辦公、娛樂，屏蔽外界干擾是基礎(chǔ)。相比于傳統(tǒng)的降噪算法，鳳鳴·AI降噪的效果有顯著提升，可以一次性解決100+種突發(fā)性噪聲，比如辦公場景經(jīng)常遇到的敲鍵盤、鼠標(biāo)點擊、電話鈴聲；家庭環(huán)境中遇到的小孩哭叫、裝修、廚房做飯聲；戶外環(huán)境中的風(fēng)聲、雨聲、汽車噪聲等。
鳳鳴·AI降噪在強降噪的同時還能兼顧高保真，即使在人聲密集場景下，也能實現(xiàn)純凈通話體驗，甚至還實現(xiàn)了在不增加額外運算量的前提下，對遠(yuǎn)場語音具有明顯的混響抑制能力。如果用戶在一個房間中距離麥克風(fēng)較遠(yuǎn)，這時候?qū)Ψ铰牭降穆曇羰悄：模羰褂昧寺暰W(wǎng)的AI降噪算法，對端也能清晰地聽到該用戶的聲音。
此外，聲網(wǎng)自研的AI推理引擎還可以使得AI降噪算法在Android、iOS、Mac、Windows、Web等主流平臺以低精度損傷、高性能、低功耗方式運行，使用戶的設(shè)備不卡不燙。經(jīng)數(shù)據(jù)測算，僅開啟鳳鳴·AI降噪功能，相應(yīng)設(shè)備CPU消耗增幅平均值<1%。
2.AI 回聲消除強力抑制非線性回聲，還原本來音質(zhì)
回聲是影響音視頻通話質(zhì)量的主要因素之一，尤其在線上會議、在線K歌、多人連麥等場景中，不僅損害通話質(zhì)量，影響用戶體驗，還可能導(dǎo)致帶寬增加。鳳鳴·AI回聲消除利用算法對環(huán)境中產(chǎn)生的回聲混響進(jìn)行有效抑制，智能適應(yīng)各類環(huán)境，實現(xiàn)精準(zhǔn)音源分離，從混合的近端信號中消除不必要的遠(yuǎn)端信號，保留近端人聲發(fā)送到遠(yuǎn)端，全面消除回聲，實現(xiàn)高保真音頻體驗。比如，在雙人合唱等在線音樂場景下，AI回聲消除可以使得人聲自然流暢，增益效果顯著。
3.空間音頻極致擬真，打造“聲臨其境”互動玩法
鳳鳴·空間音頻通過純軟件算法方案，模擬頭部球面區(qū)域立體聲場，利用范圍音頻、人聲模糊、空氣衰減模擬等能力，完美模擬現(xiàn)實聽覺感受。當(dāng)用戶操作相應(yīng)角色在虛擬場景里移動，可以實現(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。
空間音頻是元宇宙和游戲這類具備3D場景玩法的最佳搭檔，如狼人殺、虛擬演唱會、虛擬活動等場景，可以有效的增強用戶在線上的互動、聽覺體驗，重構(gòu)用戶在虛擬世界的沉浸感與臨場感。同時，開發(fā)者不必?fù)?dān)心空間音頻功能對于用戶設(shè)備的影響，據(jù)數(shù)據(jù)測算，開啟鳳鳴·空間音頻功能后，相應(yīng)設(shè)備CPU消耗增幅平均值<0.7%，內(nèi)存消耗增幅平均值<2M。
那么以上音頻能力該如何組合使用?
多年來，聲網(wǎng)匯總梳理語聊領(lǐng)域各類頭部App的音效配置，綜合聲網(wǎng)超過萬億分鐘的用戶音效偏好的數(shù)據(jù)模型，并結(jié)合聲網(wǎng)音頻專家的多年沉淀與研究，能夠為平臺提供針對各種語音場景的最佳音效配置，助力平臺用戶享受行業(yè)頂尖的音效體驗。目前已上線的最佳音效包括語聊社交、K歌、游戲陪玩、專業(yè)主播等場景。國內(nèi)某頭部語音社交平臺就是通過聲網(wǎng)提供的最佳音效配置方案，將空間音頻、美聲、電音等豐富的聲音玩法融入互動中，增強平臺留存和變現(xiàn)能力。
據(jù)聲網(wǎng)音頻娛樂產(chǎn)品負(fù)責(zé)人楊帆介紹，鳳鳴AI引擎目前正在開發(fā)變聲這一功能，用戶將可以體驗20+變聲風(fēng)格，多樣角色扮演花式玩轉(zhuǎn)語聊場景。聲網(wǎng)算法專家許冉指出，鳳鳴AI引擎代表聲網(wǎng)在 RTC音頻領(lǐng)域針對核心技術(shù)的長期投入和產(chǎn)出，以及聲網(wǎng)基于音頻核心能力衍生出各種復(fù)雜功能和高端效果的決心，未來聲網(wǎng)將基于鳳鳴AI引擎形成新一代RTC音頻解決方案，比如探索更個性化的語音方案、語音超分、co-experiencing場景等。
圓桌討論：音頻社交的下一站
本次發(fā)布會也邀請了仙巴科技創(chuàng)始人兼CEO薛達(dá)、揚帆出海創(chuàng)始人兼CEO劉武華、科大訊飛海外解決方案產(chǎn)品部產(chǎn)品總監(jiān)吳浩亮、聲網(wǎng)產(chǎn)品市場負(fù)責(zé)人朱超華及聲網(wǎng)音頻娛樂產(chǎn)品負(fù)責(zé)人楊帆，圍繞“音頻社交行業(yè)現(xiàn)狀及海內(nèi)外趨勢展望、“音頻技術(shù)與行業(yè)發(fā)展”等話題展開圓桌討論。
談到當(dāng)前的音頻社交行業(yè)，楊帆指出，音頻社交近幾年的市場規(guī)模仍在持續(xù)增長，依舊有廣闊的發(fā)展空間，總體來說，音頻社交的主要玩法集中在多人語聊房、1V1語聊、語音播客、游戲開黑等場景。薛達(dá)認(rèn)為，作為用戶之間情感的遞進(jìn)紐帶，語音結(jié)合虛擬人以及類似ChatGPT這樣的大模型，可能未來會帶來一波新的社交熱潮。
在市場火熱的前景下，音頻技術(shù)的提升對行業(yè)來說可謂如虎添翼。正如薛達(dá)提到，降噪技術(shù)是實現(xiàn)元宇宙空間中用戶體驗的一個必不可少因素，因為一般娛樂場景中都會播放背景音樂，加上人聲和互動音效，如果沒有空間音頻和降噪，那用戶體驗會非常差。吳浩亮認(rèn)為，聲音是打造差異化社交玩法的一個重要能力，在社交音頻這個賽道上，大致分為音視頻直播、音頻內(nèi)容生態(tài)，以及泛娛樂音頻三個類型，音頻技術(shù)能力的提升可以有效助力業(yè)務(wù)端提升用戶體驗。
不僅國內(nèi)市場火熱，大量出海企業(yè)也押注音頻社交這一賽道且扎堆中東、東南亞市場，劉武華認(rèn)為中東市場這種大R市場天然契合音頻社交的商業(yè)變現(xiàn)形態(tài)，而東南亞市場年輕用戶多，社交需求旺盛又熱衷于嘗試新鮮事物，且這兩個市場已有成熟的產(chǎn)品形態(tài)和產(chǎn)業(yè)鏈。此外，吳浩亮提到，東南亞和中東市場目前還處在快速發(fā)展階段，市場機遇大、用戶基數(shù)大，但還沒有絕對的寡頭形成，較之前傳統(tǒng)社交類型來講，音頻社交的留存能力也較高，企業(yè)需要在用戶感興趣的窗口期盡快實現(xiàn)轉(zhuǎn)化。
談到音頻社交的未來趨勢，劉武華表示，社交+游戲、社交+元宇宙、社交+ AIGC 這幾種玩法有不錯的發(fā)展空間和前景。楊帆也認(rèn)為，元宇宙方向的場景會更受年輕人青睞，另外 AIGC 配合語音轉(zhuǎn)文字等應(yīng)用，應(yīng)該也會帶來一波新AI音頻社交熱潮。
