融云CTO任杰：强互动，RTC下一个“爆点”场景

　　前言：实时音视频 RTC(Real-Time Communication)，是新冠疫情黑天鹅事件中快速普及并崛起的技术与行业。资本加码，爆款应用，让实时音视频的想象空间被放大。安全可靠的全球互联网通信云厂商融云CTO任杰近期接受了媒体采访，对于RTC技术关键点、创新的使用场景有哪些，未来RTC将引爆什么行业，开发者的机会又在哪里，阐述了自己的看法。

　　融云CTO 任杰

　　RTC的新挑战

　　在RTC普及之前，高大上的视频会议和电视电话会议，需要用到专网和专有硬件。大概在2012年前后，随着3G、4G网络的建设和WiFi普及，RTC技术开始进入互联网。不过，任杰提到，各种手机、PC等设备都开始进入了互联网的视频通信领域，设备变得不可控。另外，从专有网络变成了广域网和互联网以及无线网络、4G网络，网络也变得不可控。

　　“PC不是为了通信这个场景进行的设计，所以在回声消除、降噪、视频采集编码层面都有不同的处理，有很多设备适配、算法的重新适配，大量细碎的功能要去做;手机在无线网络下，丢包和带宽会有瞬时变化，这些是新场景下面临的新问题，我们要重新去解决它，用新算法、新模式去处理它。”任杰说。

　　2021年初，W3C(万维网联盟)和IETF(互联网工程任务组)宣布WebRTC成为官方标准，任杰认为WebRTC被标准化组织接纳认可，但并不代表着RTC的技术已经成熟。“一个行业如果在持续爆发和持续高发展阶段，我们很难说它的技术是成熟的，因为场景越来越多，运用的设备技术也越来越多。音视频编码在不断变化，新场景下的网络对抗、机器学习、降噪技术，都在持续井喷的发展过程中。”任杰如是说。

　　新的技术、场景，也带来了新的挑战。任杰总结了四个融云在现阶段面临的RTC挑战：

　　1、高清视频：随着WiFi和5G等基础设施的升级，用户对音视频质量要求更高，融云会跟随新的编码标准去提供高质量、高码率、高帧率的视频体验。

　　2、语音还原度：传统算法已经不能满足现有高质量、高还原度的使用体验与要求，RTC将与AI结合，研发降噪、提升智能分辨率、提高整体视觉清晰度的技术，这是融云RTC技术研发的一大方向。

　　3、大量智能设备适配：除了安卓，将有大量实时操作系统RTOS设备进入RTC领域，而这些设备有些配置较低，标准参差不齐，都需要RTC厂商做好适配，保证交互体验。

　　4、全球节点部署，服务出海开发者：互联网市场的人口红利在逐渐消失，出海开发者的音视频业务需求量很大，融云在做全球节点的部署，以及更好的调度算法，确保全球任何一个地方、任何一种方式接入，都有优越的音视频体验。

　　RTC的三大创新场景

　　虽然疫情让RTC极大普及，但是任杰认为，疫情本身并未创造新的RTC场景，而是推动了音视频在各类场景和行业落地，加速了RTC发展进程。

　　他举例说明，在线教育毫无疑问是疫情中被推动与广泛落地的RTC场景。除了k12(kindergarten through twelfth grade，学前教育至高中教育的缩写，代指基础教育)的在线课程外，现在素质教育也在向线上迁移。不过与基础教育不同的是，素质教育涉及经验的传递和指导，是更加个人化的过程，例如音乐、绘画，过程要求比较高。RTC技术与使用体验感的提升，将有助于素质教育的在线化进程。

　　教育的另一个创新场景是在线考试，考试一直是严肃的事，过程控制更加严格。而因为疫情影响，考试也开始线上化，例如考场设前置摄像头、后置摄像头，并全程录像，方便监督和考试后抽查。

　　除了教育，任杰提到第二个RTC创新场景将是强互动型与娱乐应用。电商直播、共享电影、线上拍卖、3D虚拟形象的语音社交、在线合唱等等，这些强互动型应用将会越来越多，值得开发者从产品层面发挥想象力。

　　第三个创新场景在行业应用中，疫情之后需要“无接触服务”各个行业，包括政府办事、金融、保险、交通、海关等等领域，都在将办事、审批服务过程转向线上，这些也是RTC非常重要的新场景。

　　当AI遇见RTC

　　对于RTC和AI、5G等新技术的融合趋势，任杰分别介绍了AI技术对音视频领域四类问题的解决办法。

　　AI智能降噪。比如在线教育场景下，(老师/学生)敲击键盘、倒水、咳嗽的声音，过去的算法对这些非稳态噪音无能为力，而AI技术可以分辨的场景和分辨的噪声更多，将帮助RTC在降噪方面有较大提升;

　　AI超分处理。在相同带宽下传输的视频图像，利用AI技术可以使其在解码还原后较之前更加清晰;

　　利用AI技术把不同的视频场景或者音频场景分辨与分开。对于静态场景编码、清晰度和帧率的控制，对于动态场景下编码和帧率的控制，用AI技术都可以将其区分开，做不同的处理;以及用AI技术重构带宽估计的算法。

　　对于更远的未来，在全真互联网时代，任杰表示，音视频从采集到编码、传输、解码、渲染、互动的整个过程，将是全真互联网必须具备的一大块能力，而RTC有望成为全真互联网的基础设施。