由于世界各地迥异的风土人情，文化偏好与基础设施建设水平，音视频业务在全球化的推广进程中遇到了诸多困难，这也使得元宇宙在未来的布局中会面临多种挑战。为了更好的服务不同地区的用户，传音基于终端平台做出了一系列针对音视频、影像、游戏等业务的优化解决方案，提升了用户在不同场景下的视听体验。
本次分享将分为三个部分，第一部分介绍全球用户在音视频业务中的痛点，包括弱网环境，环温差异，文化差异，个性偏好差异等；第二部分主要阐述传音针对不同用户所研发的网络优化，音视频影像，游戏体验优化等技术。为了提前布局元宇宙，并在AIGC时代迎来新的机遇，传音针对不同地区的人群研发了AI语音，虚拟人等技术；在未来也将在终端平台搭建异构计算，交互体验预测等新的技术平台，这些内容将在第三部分详细介绍。
文/赵玉东
整理/LiveVideoStack
大家好，首先简单介绍一下传音，它是面向非洲、东南亚、拉美的手机终端制造商，在十多年间积累了很多全球化经验。今天分享的题目是《建设高性能终端平台——传音元宇宙的基础设施探索》，元宇宙是一个综合了各种音视频交互（游戏、体验等）的全方位框架，在这个场景下，有很多可以展开的内容。
接下来做个自我介绍，我叫赵玉东，博士毕业于伦敦玛丽女王大学，研究方向主要是音频相关，包括音乐风格建模等。在传音，我主要负责游戏端音频探索、性能优化等。
这张图是Jon Radoff提出的元宇宙构成要素。底层是基础设施，接下来是人机交互，包括交互体验和方式等；再往上是去中心化，如边缘计算、AI代理、区块链等，其相当于元宇宙的机制；空间计算即如何把元宇宙中的虚拟空间和现实进行映射结合，以获得沉浸感体验；传作者经济和探索发现关乎元宇宙具体如何运作；最上层是在综合了视觉、听觉、触觉等之后，给用户带来最终的沉浸体验。本次分享主要分为三部分：1、全球化当中的挑战与痛点；2、针对挑战和痛点的终端解决方案；3、未来技术探索。
上图是元宇宙相关技术的分类，包括应用场景、算力、算法、通信、交互技术、产权规则。对应的，每一类别都面临相应的挑战，比如算力会有性能瓶颈，算法模拟的真实世界需要考虑人文文化，在通信层面需要应对不同国家地区的网络情况等等。
上图是各国互联网用户在本国家的数量占比情况。可以看到，从2005年到2021年，各国的互联网用户有明显的增长，但例如非洲等地的入网人数还是比较有限的，这也一定程度反映了各国网络基础设施是参差不齐的，同时也会给用户服务带来一些问题和挑战。
此外，在日常生活中，例如在高铁和地下车库、商场等环境中，都会遇到网络不佳、信号屏蔽的情况，这样用户使用网络时延迟就会变高。
然后是性能瓶颈，在游戏、直播等场景会遇到终端算力问题，面临全球不同用户的需求，如何满足不同机型的使用体验。
面临各地不同的气候环境，终端体验的差别也是非常大的。
人文文化有时是被忽略的一点。例如某些小语种、音乐偏好、宗教习惯等可能在设备中不被支持，同样会影响用户体验。
在偏好与习惯上，不同地区的用户会对色彩感知、声音类型和仿生学定制有不用的偏好和习惯差异。
最后就是需要兼顾全球各地对于隐私数据安全、法律和社会道德的要求。
例如针对算力，会提供温升控制和智能算力分配；在算法层面配备色彩增强引擎；通信层面增加本地化网络治理策略；交互层面涵盖小语种语音交互；遵守本地的政策法规；根据地区的应用场景做本地化虚拟形象。
首先是弱网优化LinkPlus，它是为解决弱网环境下游戏时延高卡顿、视频难以加载、网页打开缓慢、视频电话卡顿、手机在上网场景中发热严重等应用问题二设计的网络优化引擎。
LinkPlus v1.0基于前端反馈机制+AI预测模型的应用单链路分流，保持链接不断的情况下实现网络智能切换和功耗调节；LinkPlus v2.0基于AI预测模型的多链路数据补充解决单链路数据弱网问题；LinkPlus v3.0使用自学习的AI算法打造符合个人使用习惯的网络生态（AI联合学习框架）；LinkPlus v4.0是构建端、云、边全链路网络解决方案。
这是弱网治理的技术架构图
前端有三个感知模块，分别是用户喜好、网络环境和应用反馈的感知。接着，把对应的感知结果传到LinkPlus智能调度，以分配不同的网络。
上图是LinkPlus功能开启和关闭情况下在不同弱网环境中的时延对比数据。经过实验对比发现，LinkPlus可以快速预测网络变化并寻找切换最优网络。
上图是一个实际应用场景的示例
一个用户的前台app正在进行游戏，后台运行着其他app，LinkPlus会感知用户的使用情况，同时判断当前的网络状态，结合二者把前台应用分流到状况较好的网络，另外网络QoS处于动态监控，A引擎映射会根据QoS预测QoE。
色彩增强引擎（PQE）通过调整画面的清晰度、饱和度、亮度、对比度等参数优化画面质量，用户可以针对某个特定App使用参数优化视觉体验。
首先是智能超分算法。GPU渲染低分辨率图像（720p），通过AI-SR超分算法提升其分辨率并智能恢复细节（1080p），以减少GPU算量，降低整理功耗。
智能可变渲染是通过AI识别场景关键点位置，降低非焦点区域渲染质量，以达到节约GPU功耗的目的。
智能帧回救系统通过AI算法预测游戏每帧的算量需求，动态调整CPU工作频率，实现帧内预测与回救，减少掉帧，平衡游戏功耗。
智能环温预测是通过获取到的原始特征如主板温度、CPU温度、使用率等，进行数据预处理，结合分类模型进行环境温度的预测，为手机温升提供策略支持。
在游戏内可通过悬浮窗快速开启温升控制，在开启温控策略的情况下，可以根据实时使用情况预测到温度变化，控制发热情况，减少限频卡顿现象。
我们推出面向新兴市场本地小语种的AI语音助手，针对非洲网络基础设施特点进行了离线语音交互方案，适配本地口音、场景和领域。
接下来是针对个性化场景的音频降噪。需要根据当地的噪音场景进行数据收集，建立数据库，以应对当地个性化需求。降噪效果演示：
传音拥有亿量级的深肤色影像大数据库平台，以及相应的图像算法、国际标准、定制芯片等。
图为针对印度市场的虚拟人解决方案，和传音取得的数字人系统基础能力评测证书。
未来技术的探索包括算力增强、网络深度优化、VR+内容借口、玩法体验优化等。
首先是网络深度优化。在预测机制方面，根据QoE和QoS映射关系，进行主动和被动探测，通过决策层然后做出相应的策略。
如图是未来在算力增强方面需要做的一些探索方向。
传音除了是终端制造商，目前也有移动互联的业务，希望结合人因工程和大数据，打造生态化的应用场景。
最后是希望打造全方位玩法的感知优化，包括视觉、听觉、触觉和玩法的体验感知优化。
▲扫描图中二维码或点击“阅读原文” ▲
查看更多LiveVideoStackCon 2023上海站精彩话题
