论文部分内容阅读
“什么感觉？有没有出现耳鸣？”位于深圳市南山区腾讯大厦25层的一个密闭空间里，QQ音视频实验室负责人邱建问。在这个密闭的空间静静站立30秒，期间只能听见喘气的声音和不知因何而来的耳鸣。
这是位于腾讯大厦的4个QQ音视频实验室之一的音频实验室，为了保证每次测试环境的一致，这里被设计成了一间消音实验室。全钢体框架密闭结构、六面墙体布满吸音棉、全套高保真音响输出音频，在实验室大门关闭后，这个空间的分贝数值显示为17。“人体感觉比较舒适的噪声分贝是30左右，这种过于安静的环境已经超出人类的身体极限。所以刚才你会出现耳鸣。”邱建说。
这种纯净环境下测试出来的只是实验室标准下的指标，而对于千变万化的使用环境、多样另类的用户终端，还有难以捉摸的网络状况，实时的音视频通讯就像是古灵精怪的丛林仙子，美妙，但难以掌控。
从2011年QQ音视频技术中心创建时的7人，到现在的100多人;从外购音视频解决方案，到开放自研的SPEAR音视频引擎。4年间，作为腾讯第一个前后台开发的技术，QQ音视频经历了一场裂变，更肩负着腾讯在to B端的野心。
矛与盾
1999年，随着一款叫OICQ的PC端聊天软件发布的“99b”版本，语音通话这个在当时还非常新奇的功能为人们带来了“电脑上通话”的全新体验。不久，视频聊天功能也加入到了这款软件中。
之后的十几年，纵使这款软件的名字从OICQ变换为QQ，但IM即时通讯软件腾讯QQ带来的音视频体验进化却一直在延续：从PC端的一对一到多对多音视频，再到移动互联时代移动端介入后，跨平台的音视频能力实现，甚至最新的动态视频美颜。
来自腾讯的官方数据显示，截至2015年11月，手机QQ每天通话次数突破4000万次，在智能终端上，QQ音视频通话的单日通话时长就超过了6亿分钟。
对于用户来说，使用QQ音视频只是打开软件点击好友，但对于QQ音视频团队来说，这是一次又一次矛与盾的交锋。音视频基础能力的实现、多终端跨设备互通能力、一对多或多对多场景实现、移动网络稳定网络多环境适配……
“犀利、快速，再加上‘5S’单词的元素，最终确定了SPEAR这样一个技术品牌。”刘晓宇解释说。
SPEAR在英文里是“矛”的意思，象征犀利与快速。而刘晓宇所说的“5S”是QQ自成立专项音视频技术实验室，针对音视频通话技术进行研发和优化时就已经提出的一项QQ音视频标准，即Stable（稳定）、Smooth（流畅）、Safe（安全）、Smart（智能）和Speed（高速）。基于此诞生的SPEAR音视频引擎也沿袭了这些特性。
在移动端，移动网络的不稳定性、高丢包率以及终端设备的差异化一直对音视频体验影响很大。SPEAR这只矛如何去击穿那一面面的盾？
CPU和带宽是音视频通讯最重要的资源瓶颈，一旦资源消耗过大，就会出现丢包、卡顿等现象。“QQ在中国网络环境和用户环境复杂的情况下，长时间积累了解决复杂情况的能力。”刘晓宇解释道，“SPEAR通过采用传输通道选路智能化、流控策略控制云端化、分布式混音等技术手段，为用户提供兼顾流量与质量的音视频通讯体验。”
比如，在建立音视频连接的过程中，手机QQ通过LongConn呼叫信令模块快速且稳定地建立呼叫;依靠MediaEngine音视频处理模块下的编码解码技术、音频3A技术等多方面支持保证通话质量;而Capture/Display摄像头、视频显示模块则支持多设备管理以及高质量的显示体验。QQ还利用XPlatform模块提供了跨操作系统封装适配库，以实现在不同设备上的无缝连接。
通过“5S”标准下的技术支撑，SPEAR正在试图找到一些解决办法。
蜕变
“通过视频确认从微众银行拿到贷款的卡车司机，当时用的就这个SPEAR音视频引擎。”刘晓宇说。
2015年初，国务院总理李克强在深圳前海微众银行敲下电脑回车键，卡车司机徐军就拿到了3.5万元贷款。这是微众银行作为国内首家开业的互联网民营银行完成的第一笔放贷业务，被金融业界誉为金融改革一大步。而对于科技界来说，这是音视频交互、人脸识别和大数据信用评级与传统行业的又一次融合。
微众银行开发的这套音视频远程确认系统采用的就是开放的SPEAR引擎。刘晓宇强调，“对于第三方，或者中小企业来说，他们可以通过非常简单的方式获得腾讯多年技术积累的成果。”
2011年，是QQ音视频技术开启的时间点。那一年，QQ音视频技术中心刚刚成立，音视频技术、云引擎都是外购的，“别人给的都是‘黑盒子’，我们没有办法自己优化。”刘晓宇说。大概半年后，腾讯做了个重大的决定——语音引擎必须自研，必须采用一套全新的可运营的架构，包括移动网络的呼叫协议在内，新的架构必须要基于全平台。
那一年，移动互联网远没有现在“动物凶猛”，QQ音视频技术中心还有时间完成这次华丽转身。
2012年，QQ音视频的全新架构发布;2014年，腾讯内外部的用户开始找上门，希望使用QQ音视频技术;2015年的5月20日，QQ音视频技术正式开放。
QQ音视频总经理刘晓宇：“QQ在中国网络环境和用户环境复杂的情况下，长时间积累了解决复杂情况的能力。”
这意味着，这项月均2亿多用户使用的消费级应用开始向企业用户开放，这是全球范围内首个前后端开放的音视频一站式服务，这一举措将降低全行业应用音视频技术的门槛。
邱建在进入腾讯之前是做安防布控解决方案的，也会接触到音视频业务，“以当时的情况，我们也要投入很大的研发精力，即使把硬件做得再好，网络传输这块仍然是有缺失的。”
而在2012年起就采用了云计算技术的QQ音视频，可以让音视频的服务质量大大改观。有音视频业务需求的第三方公司可以用租用服务的方式享受到云端化的SPEAR引擎技术，他们只需将精力放在应用层面。
面对“互联网 ”战略转型下的中国用户，真正被改变的将是思维方式和和工作模式。视频通信作为远距离沟通协作中最直接最高效的手段，已经得到了越来越多企业的认可。
IDC最新发布的《2015年上半年中国视频会议市场跟踪报告》显示，从部署模式来看，基于公有云模式部署的网络视频会议市场正在形成规模。IDC认为，随着网络视频会议厂商（服务商）的并购与整合，在垂直行业领域的应用扩展，以及新的技术推动力，基于公有云模式部署的网络视频会议市场具有巨大的市场空间，网络视频会议未来5年的年均复合增长率将超过20%。
“接下来我们会以‘场景 技术’的方式，针对几种主流的音视频使用场景去做更细致的配制或者优化，并针对这些场景去找对应的种子用户。”而对于刚刚开放的QQ音视频引擎来说，腾讯的产业链是他们最好的输出管道。
这是位于腾讯大厦的4个QQ音视频实验室之一的音频实验室，为了保证每次测试环境的一致，这里被设计成了一间消音实验室。全钢体框架密闭结构、六面墙体布满吸音棉、全套高保真音响输出音频，在实验室大门关闭后，这个空间的分贝数值显示为17。“人体感觉比较舒适的噪声分贝是30左右，这种过于安静的环境已经超出人类的身体极限。所以刚才你会出现耳鸣。”邱建说。
这种纯净环境下测试出来的只是实验室标准下的指标，而对于千变万化的使用环境、多样另类的用户终端，还有难以捉摸的网络状况，实时的音视频通讯就像是古灵精怪的丛林仙子，美妙，但难以掌控。
从2011年QQ音视频技术中心创建时的7人，到现在的100多人;从外购音视频解决方案，到开放自研的SPEAR音视频引擎。4年间，作为腾讯第一个前后台开发的技术，QQ音视频经历了一场裂变，更肩负着腾讯在to B端的野心。
矛与盾
1999年，随着一款叫OICQ的PC端聊天软件发布的“99b”版本，语音通话这个在当时还非常新奇的功能为人们带来了“电脑上通话”的全新体验。不久，视频聊天功能也加入到了这款软件中。
之后的十几年，纵使这款软件的名字从OICQ变换为QQ，但IM即时通讯软件腾讯QQ带来的音视频体验进化却一直在延续：从PC端的一对一到多对多音视频，再到移动互联时代移动端介入后，跨平台的音视频能力实现，甚至最新的动态视频美颜。
来自腾讯的官方数据显示，截至2015年11月，手机QQ每天通话次数突破4000万次，在智能终端上，QQ音视频通话的单日通话时长就超过了6亿分钟。
对于用户来说，使用QQ音视频只是打开软件点击好友，但对于QQ音视频团队来说，这是一次又一次矛与盾的交锋。音视频基础能力的实现、多终端跨设备互通能力、一对多或多对多场景实现、移动网络稳定网络多环境适配……
“犀利、快速，再加上‘5S’单词的元素，最终确定了SPEAR这样一个技术品牌。”刘晓宇解释说。
SPEAR在英文里是“矛”的意思，象征犀利与快速。而刘晓宇所说的“5S”是QQ自成立专项音视频技术实验室，针对音视频通话技术进行研发和优化时就已经提出的一项QQ音视频标准，即Stable（稳定）、Smooth（流畅）、Safe（安全）、Smart（智能）和Speed（高速）。基于此诞生的SPEAR音视频引擎也沿袭了这些特性。
在移动端，移动网络的不稳定性、高丢包率以及终端设备的差异化一直对音视频体验影响很大。SPEAR这只矛如何去击穿那一面面的盾？
CPU和带宽是音视频通讯最重要的资源瓶颈，一旦资源消耗过大，就会出现丢包、卡顿等现象。“QQ在中国网络环境和用户环境复杂的情况下，长时间积累了解决复杂情况的能力。”刘晓宇解释道，“SPEAR通过采用传输通道选路智能化、流控策略控制云端化、分布式混音等技术手段，为用户提供兼顾流量与质量的音视频通讯体验。”
比如，在建立音视频连接的过程中，手机QQ通过LongConn呼叫信令模块快速且稳定地建立呼叫;依靠MediaEngine音视频处理模块下的编码解码技术、音频3A技术等多方面支持保证通话质量;而Capture/Display摄像头、视频显示模块则支持多设备管理以及高质量的显示体验。QQ还利用XPlatform模块提供了跨操作系统封装适配库，以实现在不同设备上的无缝连接。
通过“5S”标准下的技术支撑，SPEAR正在试图找到一些解决办法。
蜕变
“通过视频确认从微众银行拿到贷款的卡车司机，当时用的就这个SPEAR音视频引擎。”刘晓宇说。
2015年初，国务院总理李克强在深圳前海微众银行敲下电脑回车键，卡车司机徐军就拿到了3.5万元贷款。这是微众银行作为国内首家开业的互联网民营银行完成的第一笔放贷业务，被金融业界誉为金融改革一大步。而对于科技界来说，这是音视频交互、人脸识别和大数据信用评级与传统行业的又一次融合。
微众银行开发的这套音视频远程确认系统采用的就是开放的SPEAR引擎。刘晓宇强调，“对于第三方，或者中小企业来说，他们可以通过非常简单的方式获得腾讯多年技术积累的成果。”
2011年，是QQ音视频技术开启的时间点。那一年，QQ音视频技术中心刚刚成立，音视频技术、云引擎都是外购的，“别人给的都是‘黑盒子’，我们没有办法自己优化。”刘晓宇说。大概半年后，腾讯做了个重大的决定——语音引擎必须自研，必须采用一套全新的可运营的架构，包括移动网络的呼叫协议在内，新的架构必须要基于全平台。
那一年，移动互联网远没有现在“动物凶猛”，QQ音视频技术中心还有时间完成这次华丽转身。
2012年，QQ音视频的全新架构发布;2014年，腾讯内外部的用户开始找上门，希望使用QQ音视频技术;2015年的5月20日，QQ音视频技术正式开放。
这意味着，这项月均2亿多用户使用的消费级应用开始向企业用户开放，这是全球范围内首个前后端开放的音视频一站式服务，这一举措将降低全行业应用音视频技术的门槛。
邱建在进入腾讯之前是做安防布控解决方案的，也会接触到音视频业务，“以当时的情况，我们也要投入很大的研发精力，即使把硬件做得再好，网络传输这块仍然是有缺失的。”
而在2012年起就采用了云计算技术的QQ音视频，可以让音视频的服务质量大大改观。有音视频业务需求的第三方公司可以用租用服务的方式享受到云端化的SPEAR引擎技术，他们只需将精力放在应用层面。
面对“互联网 ”战略转型下的中国用户，真正被改变的将是思维方式和和工作模式。视频通信作为远距离沟通协作中最直接最高效的手段，已经得到了越来越多企业的认可。
IDC最新发布的《2015年上半年中国视频会议市场跟踪报告》显示，从部署模式来看，基于公有云模式部署的网络视频会议市场正在形成规模。IDC认为，随着网络视频会议厂商（服务商）的并购与整合，在垂直行业领域的应用扩展，以及新的技术推动力，基于公有云模式部署的网络视频会议市场具有巨大的市场空间，网络视频会议未来5年的年均复合增长率将超过20%。
“接下来我们会以‘场景 技术’的方式，针对几种主流的音视频使用场景去做更细致的配制或者优化，并针对这些场景去找对应的种子用户。”而对于刚刚开放的QQ音视频引擎来说，腾讯的产业链是他们最好的输出管道。