0
雷峰网(公众号：雷峰网)讯 近日，实时互动云服务商声网发布了囊括 AI降噪、AI回声消除、空间音频、最佳音效在内的新一代音频技术智能引擎——凤鸣AI引擎。
通过该引擎，开发者与企业可以如搭积木般灵活调用对应组件，并广泛应用在语聊社交、在线K歌、线上会议、游戏竞技、虚拟活动等诸多场景，为用户带来更纯净、更动听、更沉浸的语音互动体验，探索更多营收增长空间。
RTE场景不断丰富，高音质互动需求急需满足
众所周知，实时音视频技术的发展带出了大量的创新场景，从最初的狼人杀、直播连麦到直播电商、在线K歌、互动播客再到现在火热的元宇宙，在场景的不断扩展情况下，用户对实时音视频体验的诉求也越来越高。
传统的RTC概念，从信息传递的角度出发，音频功能仅提供简单的语音沟通，满足单一的场景和通话标准，对于音质并无太高的需求，也就是所谓的“能够沟通”。
但是伴随着实时互动创新场景的涌现，用户对于音频体验的需求也产生了量变到质变的进化。比如在线K歌、线上会议等场景，用户的需求早已从能够沟通到希望“脱离现实”，屏蔽外界干扰，实现纯净沟通；对于元宇宙、虚拟活动、游戏竞技等场景，用户则是希望从简单沟通实现“极致拟真”的沉浸式体验。
同时诸如声网这类音视频厂商还观察到，音频体验的提升能够增强平台用户的核心体验。比如，对噪音的抑制能够提升语聊房用户活跃度和留存，以及游戏开黑场景的通话时长；回声消除能显著提升用户的在线K歌体验；而立体、具备空间感的音频体验则能提升元宇宙社交、游戏竞技、线上会议、虚拟活动等场景中用户的临场感和沉浸感。
针对以上痛点和需求，声网的凤鸣AI引擎可谓顺势而生。在新一代引擎中，通过AI驱动的方式，声网打通了音频采集、前后处理、云端传输、编解码等链路，旨在为用户打造更纯净、更动听、更沉浸的语音体验，在现有实时互动玩法的基础上锦上添花，赋能行业开发者和企业。
凤鸣AI引擎的AI能力主要体现在三方面：
AI降噪强力抑制100+突发噪声，兼顾语音无损伤与混响抑制
想要在“脱离现实”的环境中办公、娱乐，屏蔽外界干扰是基础。相比于传统的降噪算法，凤鸣·AI降噪的效果有显著提升，可以一次性解决100+种突发性噪声，比如办公场景经常遇到的敲键盘、鼠标点击、电话铃声；家庭环境中遇到的小孩哭叫、装修、厨房做饭声；户外环境中的风声、雨声、汽车噪声等。
凤鸣·AI降噪在强降噪的同时还能兼顾高保真，即使在人声密集场景下，也能实现纯净通话体验，甚至还实现了在不增加额外运算量的前提下，对远场语音具有明显的混响抑制能力。如果用户在一个房间中距离麦克风较远，这时候对方听到的声音是模糊的，若使用了声网的AI降噪算法，对端也能清晰地听到该用户的声音。
此外，声网自研的AI推理引擎可以使AI降噪算法在Android、iOS、Mac、Windows、Web等主流平台以低精度损伤、高性能、低功耗方式运行，使用户的设备不卡不烫。经数据测算，仅开启凤鸣·AI降噪功能，相应设备CPU消耗增幅平均值<1%。
AI 回声消除强力抑制非线性回声，还原本来音质
回声是影响音视频通话质量的主要因素之一，尤其在线上会议、在线K歌、多人连麦等场景中，不仅损害通话质量，影响用户体验，还可能导致带宽增加。凤鸣·AI回声消除利用算法对环境中产生的回声混响进行有效抑制，智能适应各类环境，实现精准音源分离，从混合的近端信号中消除不必要的远端信号，保留近端人声发送到远端，全面消除回声，实现高保真音频体验。比如，在双人合唱等在线音乐场景下，AI回声消除可以使得人声自然流畅，增益效果显著。
空间音频极致拟真，打造“声临其境”互动玩法
凤鸣·空间音频通过纯软件算法方案，模拟头部球面区域立体声场，利用范围音频、人声模糊、空气衰减模拟等能力，完美模拟现实听觉感受。当用户操作相应角色在虚拟场景里移动，可以实现根据虚拟人物的面部朝向、音源朝向、远近距离与上下高度，呈现不同声音效果。
空间音频是元宇宙和游戏这类具备3D场景玩法的最佳搭档，如狼人杀、虚拟演唱会、虚拟活动等场景，可以有效的增强用户在线上的互动、听觉体验，重构用户在虚拟世界的沉浸感与临场感。同时，开发者不必担心空间音频功能对于用户设备的影响，据数据测算，开启凤鸣·空间音频功能后，相应设备CPU消耗增幅平均值<0.7%，内存消耗增幅平均值<2M。
那么以上音频能力该如何组合使用?
多年来，声网汇总梳理语聊领域各类头部App的音效配置，综合声网超过万亿分钟的用户音效偏好的数据模型，并结合声网音频专家的多年沉淀与研究，能够为平台提供针对各种语音场景的最佳音效配置，助力平台用户享受行业顶尖的音效体验。
目前，已上线的最佳音效包括语聊社交、K歌、游戏陪玩、专业主播等场景。国内某头部语音社交平台通过声网提供的最佳音效配置方案，将空间音频、美声、电音等丰富的声音玩法融入互动中，增强平台留存和变现能力。
雷峰网了解到，凤鸣AI引擎目前正在开发变声这一功能，用户将可以体验20+变声风格，多样角色扮演花式玩转语聊场景。
声网算法专家许冉指出，凤鸣AI引擎代表声网在 RTC音频领域针对核心技术的长期投入和产出，以及声网基于音频核心能力衍生出各种复杂功能和高端效果的决心，未来声网将基于凤鸣AI引擎形成新一代RTC音频解决方案，比如探索更个性化的语音方案、语音超分、co-experiencing场景等。
回看近几年音频社交行业的发展，仍呈现持续增长的态势，依旧有广阔的发展空间。总体来说，音频社交的主要玩法集中在多人语聊房、1V1语聊、语音播客、游戏开黑等场景。薛达认为，作为用户之间情感的递进纽带，语音结合虚拟人以及类似ChatGPT这样的大模型，可能未来会带来一波新的社交热潮。
在市场火热的前景下，音频技术的提升对行业来说可谓如虎添翼。正如薛达提到的，降噪技术是实现元宇宙空间中用户体验的一个必不可少因素，因为一般娱乐场景中都会播放背景音乐，加上人声和互动音效，如果没有空间音频和降噪，那用户体验会非常差。
从另一个角度出发，声音是打造差异化社交玩法的一个重要能力，在社交音频这个赛道上，大致分为音视频直播、音频内容生态，以及泛娱乐音频三个类型，音频技术能力的提升可以有效助力业务端提升用户体验。
不仅国内市场火热，大量出海企业也押注音频社交这一赛道且扎堆中东、东南亚市场。缘何会出现这样的情况？刘武华认为，中东市场这种大R市场天然契合音频社交的商业变现形态，而东南亚市场年轻用户多，社交需求旺盛又热衷于尝试新鲜事物，且这两个市场已有成熟的产品形态和产业链。
但是从目前来看，东南亚和中东市场目前还处在快速发展阶段，市场机遇大、用户基数大，但还没有绝对的寡头形成，较之前传统社交类型来讲，音频社交的留存能力也较高，企业需要在用户感兴趣的窗口期尽快实现转化。
谈到音频社交的未来趋势，刘武华表示，社交+游戏、社交+元宇宙、社交+ AIGC 这几种玩法有不错的发展空间和前景。杨帆也认为，元宇宙方向的场景会更受年轻人青睐，另外 AIGC 配合语音转文字等应用，应该也会带来一波新AI音频社交热潮。
（雷峰网雷峰网雷峰网）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
