音视频新纪元：AIGC如何颠覆传统?

　　本文来自于微信公众号 科技新知(ID：kejixinzhi)，作者丨樟稻编辑丨伊页。

　　AIGC改写音视频规则。

　　在过去的三年中，我们见证了人类日常生活和工作方式的颠覆性变革。从短视频、互动直播到在线教育和云上会议，音视频技术不仅渗透到各个角落，而且已经深入地影响了各行各业的运作方式。

　　得益于此，音视频领域正向着超高清、低延时和强互动的方向飞速进化。这恰恰与腾讯“全真互联”理念方向不谋而合——即借助各种终端和交互方式，实现对真实世界的深入感知、紧密连接，并与其进行有效交互，旨在创造一个数字与现实相融合的全新模式。

　　不难看出，音视频行业正在为全真互联时代的到来做着充分的技术准备。

　　AIGC恰恰成为这一进程中的核心驱动力。近两年，AI大模型在生成式AI和互动式AI的应用上呈现出爆炸性增长，特别是在音视频领域。随着这种增长，用户对于音视频的体验期望也随之升高，这无疑促进了技术的快速进步。

　　2023年9月7日，腾讯举办了全球数字生态大会。腾讯云副总裁李郁韬分享道:“随着AI大模型的加速应用，越来越多企业在数字化转型过程中对音视频通信技术产生极大需求，音视频行业呈现出智能化、全球化、数实融合的发展趋势。”

　　为了积极响应这一趋势，腾讯云音视频正全力以赴推动音视频融合AI技术的创新突破，深入挖掘行业大模型应用的潜能，并与合作伙伴紧密联手，共同确保音视频技术加速智能蝶变。

　　01

　　音视频进入AIGC时代

　　1872年的某一天，斯坦福与其友人科恩为了赛马奔跑是否四蹄同时悬空展开了激烈的讨论。为了解开这一谜题，斯坦福找到了一位科学家通过连续摄影技术进行验证，并由此创造了人类历史上第一个“视频”。

　　此后，1877年，爱迪生在其“圆筒留声机”上录制了《玛丽有只小羊羔》的几秒钟歌词，标志着人类历史上的第一条音频记录。从此，人类步入了音视频的新纪元。

　　在音视频技术初创时期，受限于胶片和磁带的存储能力，这样的方式既不经久又不便携。但到了20世纪70-80年代，随着数字化录音和摄像技术逐步完善，音乐和电影产业都开始拥抱这一新技术，这引领了一场音视频技术的创新潮流。

　　随后90年代的个人计算机出现，21世纪的3G/4G，乃至5G和通信技术发展，都使音视频技术得到了空前的推动。

　　特别是5G的快速商业化和疫情期间线上线下结合的生活模式，中国的音视频行业正向更广泛的产业化趋势发展，为各种场景提供内容展示、互动通信和实时音视频的综合解决方案。

　　基于此，沙利文对中国音视频行业的分析显示，看向未来，这一行业将主要集中在实时渲染、智能协作、企业媒体应用等新的应用领域。预计这将为行业带来新的数字化音视频应用的增长潜力。据估算，到2026年，中国音视频行业的市场规模将达到2，321.4亿元。

　　观察上述音视频技术的连续进化，基本可以断言，音视频的进一步发展与创新，将紧密依赖于音视频技术的前沿突破。

　　眼下呼声最高的是人工智能技术。实际上，从早期开始，音视频行业便逐渐融合了AI技术，这不只是提升了内容制作的效率，更引领了一系列创新的互动体验与玩法。

　　以视频剪辑为例，与传统的人工剪辑相比，通过算法和学习，AI能够为视频素材实现“智能增强”。这种“智能增强”是利用AI技术对视频图像进行降噪、色彩优化和细节改进，从而提升观众的观看体验。

　　在这个方面，腾讯云媒体处理 MPS有着独特的技术优势， 从转码方面来看，腾讯云音视频是最早一批尝试 AI 智能编码的团队。极速高清转码通过深度学习的方法，对视频的场景进行智能分类，之后会根据场景分类实时识别结果，结合视频源码率、帧率、分辨率、纹理和运动变化幅度等情况，以及综合机器负载和画质效果等维度，选择最优编码参数，做到实时动态的选择最合适的编码参数，在不影响画质的情况下达到最优的压缩效果。

　　同时针对源视频质量不佳的场景，腾讯云媒体处理还支持音视频修复增强等相关能力，通过对视频进行自适应质量分析、多退化数据生成方案和多帧特征对齐融合的算法模型，大幅提升视频清晰度和色彩丰富度，致力于为用户打造超高清、沉浸式的音视频体验。

　　除此之外，腾讯云媒体处理还提供的智能识别、智能分析、智能质检、智能审核等相关处理能力，能够借助 AI 算法对视频内容进行分析，并自动提取出视频标签、分类、语音、文字、等信息，自动检测视频内容客观质量及内容安全特征，相较于传统媒资管理及运营方式来说，能够极大提升媒体运营管理效率，在保证内容质量及安全的前提下对内容进行更好的推荐及分发。

　　可以说，AI在音视频领域已经是一个长久并持续受到关注的话题。然而，最近AIGC——也就是AI生成内容，再次引起了公众的广泛关注。AIGC利用人工智能技术自动生成各种内容，代表了一种新的内容创作方式。

　　在内容类型上，AIGC涵盖了文本、音频、图像、视频、代码以及多模态等多种内容形式。据红杉资本去年9月的估计，AIGC的实际应用推进顺序为:文本和代码领先，其次是图像，然后是视频、3D和游戏。

　　但技术进步的步伐通常令人震惊。在短短几个月时间里，除了文字应用，图像和视频等应用已经取得了惊人的成果。譬如，通过生成式AI技术创建数字人视频、使用多种AI模型来创作和编辑图片、视频等等，这种应用已经变得日益普及，并获得了众多投资者的关注。

　　业界专家预测，AIGC可能会成为音视频行业的关键技术。通过对音视频数据的智能分析和加工，它有望实现更高的效率和优化用户体验，随着AIGC技术的不断完善，音视频领域有望迎来一次深刻的革命。

　　02

　　腾讯云音视频的智能演绎法

　　观察技术演进的历程，明显可见每一次技术创新都伴随着产业的投资潜力。那些能够预见未来的企业往往能从中获得丰厚的回报，而那些迟来的企业往往只能被时代的浪潮所推动。

　　腾讯云音视频，作为音视频技术行业的佼佼者，在今年IDC发布的《中国视频云市场跟踪》报告中，连续五年稳坐市场份额的首位，这不仅展示了其在行业中的卓越实力，同时也彰显了腾讯云音视频对技术趋势的敏锐洞察和掌控力。

　　在AIGC时代，腾讯云音视频通过对大模型和行业模型的深入理解与应用，正带领音视频产品走向更高层次的智能化，为多个行业场景提供强大的音视频技术支持。

　　作为拥有音视频领域最全产品解决方案的服务商，腾讯云音视频在本次腾讯数字生态大会对旗下产品进行了全面的智能化升级，包括即时通信IM、腾讯云联络中心TCCC、腾讯云媒体处理MPS以及腾讯云音视频终端开发套件等，这些更新将为用户提供了更加智能化的音视频体验。

　　先看即时通信IM，其设计初衷是帮助企业的APP或网站轻松集成聊天、会话、群组以及关系链管理功能。这种通信方式在社交、直播、客服和电商等多种场景中都已被广泛应用。眼下，新一代的大语言模型，凭借其卓越的对话交流功能，与即时通信场景形成了天然的融合，为IM与AI的结合创造了无尽的可能性。

　　腾讯云即时通信IM作为全球领先的通信云服务，也看到了AI在即时通信场景的巨大潜力，快速发布了相关AI能力调用接口，推出了Chatbot聊天机器人和人工客服插件。这些插件能帮助企业轻松实现机器人初步的寒暄、FAQ问答以及后续的人工客服转接。而且，腾讯云IM还提供了即开即用的客服工作台，使得企业可以无需开发就直接使用，进而在其网站、APP、公众号以及小程序等各种平台上快速集成客服功能。

　　此外，开发者还可以基于腾讯云IM所提供的通信基础设施，灵活地调用业界领先的大模型功能，从而依托AI的强大能力来实现场景创新，提高效率。

　　另一个更新是兼容IM的腾讯云联络中心TCCC，作为一个协助各企业迅速构建整合了电话、在线交流和音视频通话的全面通讯客户接触平台。通过引入AI大模型的卓越计算力，该产品提高了智能客服的整体效能:直接响应率由15%跃升至35%，而准确性也由5%上升到了15%。这种技术进步直接导致了人工运营的成本降低，节省了超过90%的人力资源投入。

　　更为重要的是，TCCC不仅提供基于腾讯独家研发的混元大模型，为企业快速部署高效的大模型智能方案，还允许企业接入自主研发，针对特定业务需求的大模型机器人，以满足个性化的需求。

　　而在超高清和沉浸式体验方面，腾讯云媒体处理MPS也在此次大会发布了面向智能化的进一步升级。结合当前的AI大模型，腾讯云媒体处理MPS对视频和音频增强方面都进行了提升，旨在为用户带来最佳的音视频体验。

　　为了给直播场景带来更有趣味的AI互动体验，腾讯云媒体处理MPS深度融合了云渲染与AIGC，为企业提供更加便捷的云端渲染互动及AIGC的相关能力，比如，现在可以基于AIGC支持直播间生成礼物和弹幕特效，这无疑为直播互动添加了更多新的玩法。

　　腾讯云视立方终端开发套件此次也面向全行业推出TUICallKit和TUIRoomKit两款音视频低代码TUIKits方案，升级后的智能开发套件能帮助企缩减高达90%的开发时间。同时，腾讯云视立方终端开发套件还集成了互动直播、短视频制作、视频播放、美颜特效等多种终端能力于一体，开发者仅需一次集成SDK即可实现所有音视频终端能力，更加便捷与智能。

　　03

　　AI之触:技术温度，人性纽带

　　在科技领域，技术本身往往显得冷冰冰、苍白无力，但当它与真实的应用案例相结合，充分发挥其潜在价值时，便具有了强大的说服力和影响力。

　　在日前举办的蒙牛全球合作伙伴答谢会上，蒙牛健康营养师「蒙蒙」作为行业内首个可交互AI「智能营养健康专家」，将基于蒙牛「WOW 健康 +」小程序为消费者带来多场景、多功能的健康服务，实现更立体、更有温度的情感交互体验。

　　在蒙牛「WOW 健康 +」小程序上，腾讯云音视频基于自身在通信CPaaS领域的多年积淀，通过即时通信IM与云联络中心TCCC联合打造的 IM 客服插件，采用业界领先的即时通信IM+在线客服+用户自建AI模型模式，充分整合营养健康领域模型MENGNIU.GPT与腾讯云音视频优质的IM+在线客服的组合能力，助力蒙牛打造智能营养健康服务体系，以场景式健康顾问更好地连接消费者。也让人工智能技术与行业场景实现深度融合，推动乳制品行业数字化创新。

　　除了在消费领域提供音视频服务外，腾讯云音视频已经为医疗、金融、教育、娱乐、工业等诸多领域提供了超低延时、超高清、沉浸式的音视频解决方案。

　　以医疗领域为例，以往该行业存在一些客观的核心痛点。

　　譬如，问诊的资源分配问题，一个显著的现象:医疗资源的供应与需求之间存在巨大鸿沟。特别是在一些边缘和下沉地区，优质的医疗资源几乎成了稀缺商品。同时，大型或知名的医院经常面临患者过多的困境，这对于突发疾病的患者来说可能是致命的，因为长时间的路途和等待可能导致病情进一步加重。

　　此外，会诊的效率亦是挑战，跨区域的会诊除了物理距离导致的时间成本之外，还存在与会诊相关的其他难题。比如，多位医学专家想要同步进行现场会诊，如何进行日程匹配和有效排期就成为了一大考验。

　　这些挑战需要行业的共同努力和创新思维来解决，以期为所有患者和医疗工作者提供更为优质和高效的服务体验。针对这些，腾讯云音视频解决方案为医疗行业的数字化升级注入新的活力。

　　在医患问诊的场景下，多家互联网医院正借助腾讯推出的先进技术工具——腾讯云视立方终端开发套件TUICallkit，迅速实现了线上问诊服务的开展。这种技术应用为患者提供了安全、便捷的医疗咨询方式。

　　与此同时，针对多科室会诊中经常面临的异地沟通问题，全国众多顶级三甲医院已经开始采纳腾讯云视立方终端开发套件TUIRoomkit。通过此套件，医院能够更加便捷地实现多科室、异地之间的专家会诊，大大提高医疗团队的协同效率。

　　基于终端开发套件及底层实时音视频TRTC超低延迟网络的完美配合，让每一次医疗问诊都真实展现在眼前，细到患者的每一根血管都可以放大检查，让从前高质量稀缺的医疗资源也流动进了边远基层地带，享受科技发展带来的温暖和善意。

　　腾讯云音视频，通过AI展现了技术的魅力，更进一步体现了技术与人性之间的紧密联系，让人感受到技术背后的温度。

　　04

　　写在最后

　　从QQ的初代时光起，腾讯已经在网络及音视频通信领域深耕了20多年。至今，其覆盖了国内音视频领域中的90%客户，其视频云解决方案的市场份额更是无可争议地领跑于行业之首。

　　而现在，随着AIGC技术的不断迭代，腾讯云音视频正在进一步扩展其产品和服务系列，目标是满足广大用户更为丰富的应用需求。未来，腾讯云音视频矢志于为客户打造低延迟、清晰度极高的音视频体验，旨在推动一个真正互联互通的未来，并助力实体经济持续创新和蓬勃成长。