腾讯云主导，新一代语音编码标准定了！
|
语音通信行业的性能极限，再次被打破！ 刚刚，由腾讯主导的新一代实时语音编码行业标准AVS3P10完成定稿，即将正式发布。 该标准以腾讯会议Penguins AI语音引擎为原型，历经四年打磨，过去一年内经过数轮交叉验证后被AVS音频组采纳。 这也是全球首个系统性引入AI的低码率、高质量语音编码标准。相对传统标准，相同语音质量要求下，码率仅需1/3。 10kbps（码率，单位时间传送的数据位数）曾是香农定律（经典信息传输理论）的性能极限，一旦低于这个数值，语音通话质量将大大降低。 但AVS3P10成功实现了在6kbps以下，依然可以高清通话。在2G网络下，达到5G网络的通话质量！ 这也意味着，将来无论在高铁上语音开会，还是在野外语音通话……都能拥有清晰流畅的体验。 你能听出区别吗？ 网络通话就像在高速开车，车道（网络）忽然变窄，堵塞一定会发生。 要想保证良好的通话质量，除了把路修的更宽，还有一种办法，就是把车做得更小。 语音编码技术应运而生： 通过语音编码，可以对音频进行“压缩”，用较少的带宽资源尽可能多的传递信息。 在实际应用中，软硬件厂商要部署标准的编解码协议，从而为音频传输颁发各方互认的“通行证”。 但“听得清”和“压得小”一直都是一体两面： 压缩不够，音频体积太大，在弱网环境下通话仍会卡顿。压缩过度，音频质量受损，一米八的壮汉也会被卡“夹子音”。 10kbps，就是传统语音编码技术标准难以突破的天花板。行业努力多年，虽然在“实验室”摸索出了更低码率，但只要走向商用，同样的问题又会出现。 怎么破？别急，用AI。 AVS3P10标准的原型，正是腾讯会议天籁实验室携手腾讯AI Lab联手打造的“Penguins”编解码器技术。 在“听得清”和“压得小”的博弈中，Penguins提出了全新的解题思路： //抓住“重点” 传统音频编码技术是个“死脑筋”，只会按照物理规则提取音频的所有特征参数，再进行数据压缩。 一番操作下来，需要占用近20kbps才能保证高水平音频质量。 Penguins引入了深度神经网络，提前进行海量学习（语音建模）。在编码时能“抓住重点”（音频最核心特征参数），并根据重要性智能分配码率。 如此一来，既保证了音频传输质量，又降低了网络带宽需求。 //提前“对齐” 音频传输需要先编码（压缩）再解码（解压），如果只在编码时进行重点区分和码率分配，解码后的声音依然会失真。 Penguins的深度学习网络同时在编解码两端进行联合训练，并就“重点内容”提前“对齐”。 在解码时，AI也能做到心中有数，从而预测并重建音频信号的细微结构，并还原为最接近原始音频的波形。 //懂得“变通” 作为AI编码器，Penguins并非纯靠自学（数据驱动），而是懂得借助前辈（传统编码器）的成功经验（领域知识）来提高学习效率。 在选择深度神经网络时，Penguins也懂得“变通”，模型不是越大越好，知道“小个子”才更适合自己。 当大数据、大算力不再是“刚需”，便极大摆脱了对手机性能的依赖，即便在中低端手机上也能顺畅运行。 懂了，这就用能砸开核桃的诺基亚去试试。 一款技术的成熟与否，主要看它有没有走向真实的商业场景。 从2021年起，Penguins就已在腾讯会议驾驶模式、弱网模式及QQ语音通话等场景中广泛应用，支持了亿级用户的顺畅沟通。 在线上沟通无所不在的今天，AVS3P10标准的落地，将让“信号差”不再是普通人的“魔咒”。 引用AVS 标准工作组的评价： 业界最高水平，将为用户带来前所未有的性能和体验，引领行业进入一个全新的时代。 感谢认可，我们再接再厉！ |
全部评论
暂无评论
最新文章
-
1首个！华为云盘古大模型通过中国信通院医疗健康行业相关测评
-
2四项第一！华为云领跑中国工业云IaaS+PaaS市场
-
3亚太唯一！阿里云再度入选Gartner®容器管理魔力象限领导者
-
4IDC：《中国汽车云市场（2024上半年）跟踪》 阿里云连续四年稳居第一
-
5小米智能门锁 & 腾讯云“掌纹+掌静脉”——“刷掌技术”
-
6腾讯云助力~“2024全球智慧城市·中国”深圳获得最高级别“城市大奖”！
-
7百度智能云重磅发布百度智能交通引擎4.0，以大模型为核心驱动力，全面重构了交通各场景能力！
-
8百度智能云x清华大学，携手探索AI商业新未来
-
9上新！天翼云息壤智算一体机来了！
-
10央国企“严选”！天翼云夺得IaaS+PaaS市场桂冠！
有话要说