RTE 2022声网赵斌：行业共识逐步形成 RTE边界逐渐清晰

在刚刚结束不久的RTE 2022第八届实时 互联网 大会上，赵斌就RTE行业的发展带来了一系列的分享，他指出，RTE是一个独立行业已经逐渐成为共识。过去一年，不仅有许多中国的厂商和开发者共同参与了这个领域的创新，也有许多海外的厂商开始采用RTE的概念。

随着行业共识的逐步形成，RTE的概念以及边界逐步清晰。RTC从Communication的视角，更多是在强调对语义信息进行高质量和高效率的传递。而RTE更聚焦用户所需要的共享时空（场景），并且能够达到或者超越线下场景的互动体验和效果，这是RTE真正聚焦的部分，其内涵和外延的范围远远超过了RTC的领域。从RTC到RTE，是基础能力到场景化能力的快速进化，这也呼唤新一代SDK为RTE场景构建做好准备。

关于新一代SDK，声网推出了Native NG SDK 4.0.0，Native NG SDK 4.0.0在模块化设计上提供了更加灵活、易于解耦和组合的能力。还提供了强大的插件平台，让各种场景的构建、以及插件开发更加易用、方便。同时，还可以很容易构建各种应用场景的aPaaS，这种场景工具库的完备，为下一代场景的诞生做好了充分的准备。

在行业共识的驱动下，虚拟网也逐渐成为行业标配。从2015年声网发布首个软件定义虚拟实时网SD-RTN™以来，越来越多的厂商也开始提出自己的虚拟网计划。这一现象也是对赵斌最早设想的实践，且如今已经逐渐成为行业共识。赵斌表示很荣幸带动了客户和开发者的整体服务体验提升。

未来，虚拟网的发展还有巨大的提升和创新空间。以QoS保障为例，如果不能达到99.999%，就很难以一个高质量的体验来保证客户的质量体验需求。微延迟场景就是一个高质量的虚拟网能够赋能的一部分，微延迟场景的支持也进一步提高RTE服务的门槛。微延迟在150毫秒左右就能达到人所不能够感知质量差异的体验，但在平行驾驶、远程K歌等实际场景下，150毫秒是远远不够的，这些场景一般都需要小于100毫秒的延迟，这就需要传输技术以及端上低延迟技术的进一步优化来保障。

实时信令能力也逐渐成为RTE服务的新基建。声网RTM 2.0无论是从延迟大小、并发限制以及高可靠上都了达到更高的指标，同时在能力上也更能适应场景构建的诉求。

赵斌指出，声网将AI算法首个全面引入到RTC领域之后，发现了音频方向其实有很多进化空间。过去一年里，声网利用AI降噪+AI回声消除+空间音频的组合，给各种场景带来了更加纯净与沉浸的听觉体验。在AI降噪领域，声网已经取得了突破性的进展，和传统的DSP算法相比，AI降噪能够有效降低各种突发式或不持续的噪声。因为传统的DSP很难把音乐的外放回声消净，以至于用户在K歌的时候，声音受损严重。但AI回声消除可以精准地把伴奏回声消除掉，并精确地保证不损伤歌手的回声。用户在不戴耳机、外放音乐的情况下仍然可以有非常好的效果，这就是AI回声消除能够创造的魔术般效果。

元宇宙是空间音频的重要应用领域，空间音频并不是只要有左右声道，就立刻有空间感了。人的耳朵是一个超级敏感的器官，对任何声音的变化都是有感知和分辨能力的，左右方位、空间大小、距离远近、空间塞满物体还是比较空旷等，都会对空间音频在元宇宙场景下的现场感、沉浸感和真实感产生影响。

过去一年，元宇宙的热度仍然在持续飙升，屡次有App冲到App Store榜首，但宣传效果距离现实仍然尚远。经过一年多的行业实践，声网对元宇宙也有了进一步新的认知。

BeReal应用的爆火让声网看到，真人形象远比虚拟形象更能够在陌生人 社交 中满足需求。用户在使用陌生人社交应用时，虚拟形象的丰富度和真实度远远不如真人形象更能够让你感受克服了孤独感。非陌生人社交领域，虚拟形象也是偏小众的弱需求。在兴趣社交应用下，个人身份识别上的形象补充，也是非常弱的诉求和价值点。

语聊房场景下，很多人认为在声音社交下补充虚拟形象可以让玩法更丰富、更好玩、趣味性更强，同时人也是一种视觉动物，当你放了一个虚拟形象时，人的注意力立刻会被吸引过去。关于说话人的想象，很大程度上就被视觉形象定义了。

鉴于此，声网首发了Meta系列方案，并把自己元宇宙方面的能力和API的进化聚焦在了基础能力模块上，并且是以组合的方式来提供，从而方便合作伙伴灵活选用其中的组件，自行创造不同方式的组合和互动玩法。这些基础能力模块可以和声网广泛的合作伙伴一起持续打造新的玩法和场景，从而发现高价值、高黏性与能够普及的玩法，创造社交泛娱乐实时互动领域的新空间。

随着传统直播模式的进化，电商直播进入中腰部主播竞争时代，直播保障对象逐渐从大主播“重保”转变为“普保”。另外，电商直播融合了社交新模式之后，更受行业青睐，电商用户的社交互动需求也开始受到重视。

越来越多的直播场景和应用在尝试采用更低延时的互动直播能力，从而创造更强的黏性、体验和销售结果。据统计，声网低延时场景用量增长了4倍，经过技术的改进和提升，低延时直播的卡顿率低于HLS、易用性对齐CDN、画质突破现有条件限制，为直播平台提供了更高质量、全面超越过去的全新玩法和体验空间。结合声网最新一代的视频技术ARTnT，在同样的带宽下面，可以系统性持续实现更高画质.比如在360p分辨率下可以实现480p的画质，480p可以感受到540p甚至是720p的画质，画质提升也间接带来业务增长。

在IoT行业，实时互动能力为IoT产品提供了更大的增值空间以及产品溢价。比如门铃门锁、宠物类设备、IP摄像头等，在拥有实时互动能力之后，产品定价可以得到很大程度的提升。

从赵斌的分享中，我们可以看到实时互动领域无论是在技术、服务还是场景应用上，都在逐渐发生变革，我们也相信，RTE在未来的发展过程中必将迎来更多的机遇。