中國實時音視頻行業研究報告?2022.8iResearchInc.摘要摘要來源：艾瑞咨詢研究院自主研究繪制。 來源：艾瑞咨詢研究院自主研究繪制。 2?2022.8iResearchInc.網絡基礎設施升級、音視頻傳輸技術迭代、WebRTC開源等因素，驅動音視頻服務時延逐漸降低，發展 使實時音視頻（RTC）技術成為炙手可熱的研究方向。實時音視頻業務在消費互聯網領域蓬勃發展，背景 并逐漸向產業互聯網領域加速滲透。經歷了行業第一輪的紅利爆發期，我國實時音視頻行業的場景效能逐漸深化，步入到理性增長階段。市場規模2021年中國實時音視頻（RTC）PaaS市場規模為16億元，消費互聯網領域為實時音視頻行業貢獻了核心收入來源。受到社交娛樂頭部應用的高度滲透及“雙減”政策的持續影響，預計未來三年的復合增長率為28.4%，2024年實時音視頻（RTC）PaaS市場規模將達到30億元。市場規模格局競爭 實時音視頻賽道玩家的主要競爭策略分為兩大類：（1）提供通用的PaaS層能力，包括RTCPaaS廠商、通信云PaaS廠商、綜合型IaaS廠商。其中，RTCPaaS廠商在技術研發和產品打磨上具備更格局高的行業專注度，占據市場的主導地位；（2）根植于特定行業場景，主要為垂直行業解決方案商。核心 實時音視頻行業存在較高的資源門檻與技術壁壘。主要包括：軟件定義的實時音視頻傳輸網絡技術（Real-timeNetwork,RTN），基于UDP的協議層優化，以及弱網傳輸保障策略。在實際應用中，技術RTC與CDN技術的融合，衍生出實時互動直播、超低延時直播兩大技術路徑。實時音視頻標準化工作的推進將引導行業邁向更高的服務質量，推動PaaS層廠商與垂直行業解決趨勢 方案商之間的良性競爭與協作共贏。同時，實時音視頻逐漸向實時互動領域的延展，元宇宙相關應洞察 用的出現將為消費互聯網創造更大的想象空間。此外，實時音視頻技術有望成為我國泛娛樂出海企業的差異化競爭機會，海外業務版圖的擴大也將驅動行業迎來新一輪的業務增長。概念定義概念定義來源：ITU-TRec.G.114(05/2003)；艾瑞咨詢研究院自主研究并繪制。 來源：ITU-TRec.G.114(05/2003)；艾瑞咨詢研究院自主研究并繪制。 3?2022.8iResearchInc.臨近現實的優質實時互動體驗200ms臨近現實的優質實時互動體驗200ms大部分用戶滿意的實時互動體驗300ms小部分用戶可以感覺到延遲400ms實時<400ms大部分用戶滿意的中度互動體驗，觀眾與主播有較強同步性超低延時400-800ms支持中互動800ms用戶需承受一定延時，文字/彈幕為主要互動手段低延時800-3000ms支持輕互動3000ms

LIVE實時音視頻LIVERealTimeCommunications（RTC）基本釋義：在遠程條件下，以接近實時/可忽略延遲交換信息的通信方式，包括固定通話、移動通話、音頻會議、視頻會議、網真等形式。本篇報告研究的實時音視頻（RTC）服務特指：通信方式：以音頻、視頻的形式賦能行業；服務模式：基于云計算技術理念提供，包括實時音視頻的底層通用能力，以及垂直行業的解決方案；底層技術：采用軟件定義的實時音視頻傳輸網絡（Real-timeNetworkRTN）和基于UDP的傳輸協議；時延區間：本篇報告聚焦于廣義的實時音視頻，包含時延400ms內的強互動，以及800ms內的超低延時互動。 中國實時音視頻行業發展分析1供給側：實時音視頻行業發展能力洞察2需求側：垂直行業實時音頻應用實踐分析中國實時音視頻行業發展分析1供給側：實時音視頻行業發展能力洞察2需求側：垂直行業實時音頻應用實踐分析3中國實時音視頻行業典型企業案例4中國實時音視頻行業發展趨勢54音視頻消費習慣的遷移音視頻消費習慣的遷移 PAGE6?2022.8iResearchInc. PAGE6?2022.8iResearchInc.?2022.8iResearchInc.用戶音視頻習慣養成，并逐漸向強實時性、強互動性場景延伸富媒體信息時代，音視頻已成為人們獲取、發布、交換信息的重要方式。截至2020年底，中國網絡視聽用戶占整體網民規模的比例已高達95.4%。高飽和的滲透率水平，使用戶更加關注音視頻服務的體驗感。得益于底座能力與關鍵技術的持續突破，音視頻服務體系實現了從點播、直播到實時音視頻的深化發展。實時性與互動性的長足優化，逐步激活了更多場景下的音視頻互動模式，驅動用戶的音視頻消費習慣向更加還原真實、更加沉浸式的實時音視頻服務遷移。同時，伴隨疫情的常態化發展，人們遠程辦理業務的習慣已逐漸養成。實時音視頻作為一種通用型能力，撬動了傳統行業中眾多強實時、強互動場景的數字化升級，也使得實時音視頻的消費趨勢進一步從消費互聯網向產業互聯網延伸發展。2018-2020年中國網絡視聽用戶規模及使用情況91.3%88.3%9.449.0191.3%88.3%9.449.018.577.87.32

互動性

音視頻消費習慣遷移趨勢及典型應用場景實時音視頻多向互動多向互動雙向互動直播 ? 雙向互動點播 ? 播2018.12 2019.6 2020.3 2020.6 2020.12網絡視聽用戶規模（億人） 網民使用率（%）注釋：網絡視聽用戶為綜合視頻、短視頻、網絡音頻、網絡直播用戶的并集；網民使用率指網絡視聽用戶占網民規模的比例。單向分發單向分發非實時

秒級時延 毫秒級時

實時性來源：CNNIC；中國?絡視聽節?服務協會；艾瑞咨詢研究院自主研究及繪制。 來源：艾瑞咨詢研究院自主研究及繪制。網絡基礎設施持續升級網絡基礎設施持續升級高速泛在的骨干網絡，為實時音視頻傳輸提供堅實保障實時音視頻行業的高速發展離不開國家骨干網絡的建設。以千兆光網和5G為代表的“雙千兆”網絡，近年來取得突破性進展。2021年，我國光纖接入（FTTH/O）端口已達到對互聯網寬帶端口的高度覆蓋，光纖接入能力已普遍超過百兆，并向千兆以上速率不斷升級；5G網絡已覆蓋國內所有地級以上城市，5G基站數累計高達142.5萬，用戶數占全球的89%。網絡基礎設施的廣泛滲透，使更多用戶可以受益于終端設備與骨干網絡之間的快速連接，享受到無感接入、觸手可及的高質量網絡服務。同時，“雙千兆”網絡在帶寬能力上的顯著提升，可大幅降低音視頻信息的延遲和緩沖時間，提高端到端毫秒級傳輸時延的滿足率，為實時音視頻的數據傳輸與落地應用提供良好的底層網絡支撐。年中國光纖端口數量及占比情況65749779618361787977959976574977961836178797795997FTTH/O端口數量（萬個） FTTH/O端口網寬帶占比2020-2021年中國5G基站數量及占比情況142.5

國內某省會城市運營商4G/5G下視頻通話達標率41.0 4.7%

77.1 96.18.3%8.3%

14.3%4G網絡5G網絡14.3%4G網絡5G網絡相對增益無卡頓樣本541.81ms412.60ms23.8%200ms時延滿足度0.54%10.40%1827.6%300ms時延滿足度24.49%66.72%172.5%400ms時延滿足度51.89%78.06%50.4%音頻卡頓達標率70.37%85.05%20.9%10.1%20.12 21.1210.1%5G基站數（萬站） 5G基站數在移動基站中占比（%）來源：工信部；中國信通院；艾瑞咨詢研究院自主研究及繪制。

30fps，傳輸協議是UDP+FEC，編碼方式為H.264，編碼后分辨率為1280*720，幀率為15fps，編碼目標碼率為2Mbps；2、音頻卡頓率參照聲網“體驗等級協議XLA”，單位時間（1分鐘）內200ms音頻卡頓率大于3%時，記為不達標。來源：中國信通院；艾瑞咨詢研究院自主研究及繪制。音視頻傳輸技術更新迭代音視頻傳輸技術更新迭代 PAGE7?2022.8iResearchInc.技術驅動音視頻走向實時，流媒體協議邁入毫秒級傳輸階段流媒體技術可將壓縮處理后的音頻、影像連續性地上傳到網站服務器，使文件無需完全下載到本地即可觀看。在編解碼方面，H.265、國產作為全球首個面向5G產業應用的音視頻信源編碼標準，已被成功納入DVB（數字視頻廣播組織）標準體系，可以在同等畫面質量下比H.265節省40.09％的碼率。在協議方面，基于TCP的RTMP、HLS、DASH等協議的優化方案仍存在2-3秒左右的延遲，而基于UDP的則突破性地將延遲降低至毫秒級別。與其他協議不同，作為流媒體通信框架，覆蓋音視頻采集、編解碼、傳輸和渲染的全部環節，可以為實時音視頻提供全流程的理論依據與技術支持。流媒體傳輸協議/框架的適用場景及時延對比優化時延優化時延OTT內容提供商，直播游戲流傳輸，電子競技RTSP/RTP近乎實時實時音視頻通話、直播實時設備控制SRTRTMPRTMPTunedHLSTunedLow-LatencyCMAFforDASHDASHTunedLow-LatencyHLSWebRTC常見的基于HTTP協議的時延支持單向的高并發直播，線性直播Apple-HLSMPEG-DASH45+seconds

18seconds

05seconds

01second

<01second來源：WOWZA官網；艾瑞咨詢研究院自主研究及繪制。商用方案成為行業主流商用方案成為行業主流 PAGE PAGE8?2022.8iResearchInc.?2022.8iResearchInc.WebRTC奠定技術框架，在基礎上演化出第三方服務商是目前實時音視頻領域最流行的開源框架。2010年Google收購GIPS引擎后，將其納入Chrome體系且開源后，命名為“”。獲得各大瀏覽器廠商的支持并納入W3C標準，促進了實時音視頻在移動互聯網應用中的普及。2021年1月，W3C和IETF兩大標準制定組織宣布成為官方標準，用戶無需下載額外組件或單獨的應用程序，便可以支持在網絡上的實時音視頻通信。盡管具有免費開源的特性，但其龐大、繁雜，學習門檻高，又缺乏服務器方案的設計和部署，為基于搭建的商用方案留下了發展空間。第三方的廠商憑借規模效應和技Yourwebapp#3Yourwebapp#1術優勢成為開發者的首選，推動實時音視頻行業進入發展的快車道。Yourwebapp#3Yourwebapp#1APIfordevelopers

VP8CodecVideojitterbufferImageenhancements…WebAPI(EditbyW3CWG)WebRTC SessionManagement/AbstractSignaling…WebAPI(EditbyW3CWG)WebRTC SessionManagement/AbstractSignaling(Session) TransportVideoEngineVoiceEngineNetworkI/OVideoCaptureAudioCaptureRenderWebRTCC++API(PeerConnection)Yourwebapp#2iSAC/iLBCCodecNetEQforvoiceEchoCanceler/NoiseReduction

SRTPMultiplexingP2PSTUN+TURN+ICEOverrideablebybrowsermakers

WebRTC開源服務器存在的主要缺陷1終端1終端接入2并發支持需要考慮服務器集群之間的級聯，以及多地部署的分布式服務器方案，但2并發支持3網絡3網絡優化4信令解耦在WebRTC開源服務器中，流媒體服務和信令服4信令解耦為實時音視頻技術的商用方案留出發展空間為實時音視頻技術的商用方案留出發展空間來源：公開信息；艾瑞咨詢研究院自主研究及繪制。 來源：艾瑞咨詢研究院自主研究及繪制。中國實時音視頻行業發展階段中國實時音視頻行業發展階段 PAGE14?2022.8iResearchInc.行業潛力逐漸釋放，目前處于場景深化階段的發展中期開源以及移動互聯網的快速發展，使實時音視頻技術成為炙手可熱的探索方向。順應用戶音視頻消費習慣，市場參與者在消費互聯網場景的積極實踐，拉動了實時音視頻行業的第一輪快速增長。當前，我國實時音視頻行業正處于場景未來，伴隨著行業標準的不斷完善，實時互動場景的沉浸式提升，以及海外業務版圖的持續擴張，我國實時音視頻的行業行業效能2020年行業效能2020年聲網上市，同年發布實時互動行業首個體驗質量標準XLA2017年W3CWebRTC1.0草案定稿2021年WebRTC成為W3C與2019年 IETF正式標準5G商用WebRTC開源4G商用2011年2013年2015年亞太區首屆WebRTC大會召開探索擴張時間

中國實時音視頻行業發展階段（2008-2014）消費習慣音視頻產品以語音通話為主，且存在較大延遲；

（2014-2019）消費習慣時發展；

（2019-2025e）市場格局：市場格局趨于穩定，頭部效應明顯，實時音視頻逐漸成為音視頻服務標配；

（2025e及以后）行業標準建立：推動行業規范發展，更多玩家涌入，規模效應擴大；互動應用深化：實時互動技術矩陣技術鋪墊好鋪墊；WebRTC術及應用難題逐步攻克。

市場格局：實時音視頻廠商相繼涌現，?疫情催化：遠程交流、協作習慣培相關產品陸續發布，實時音視頻成為養，企業數字化與工業數字化場景發展趨勢； 的探索與滲透加速；行業覆蓋?概念升級：5G與AI、IoT技術深度

逐漸完善，沉浸式體驗升級，向元宇宙進階；海外業務增長：實時音視頻業務借力泛娛樂出海東風，在全球范圍內泛娛樂賽道快速拉動行業規模。來源：中國信通院；艾瑞咨詢研究院綜合公開資料自主研究及繪制。

融合，驅動實時互動概念深化發展。

加速滲透。中國實時音視頻市場競爭分析中國實時音視頻市場競爭分析RTCPaaS廠商憑借產品和技術實力占據市場主導地位根據廠商聚焦的業務重心和發展實時音視頻業務的主要邏輯，可將實時音視頻賽道的玩家分為PaaS廠商、通信云廠商、綜合型IaaS廠商及垂直行業解決方案商四類。其中前三者以提供通用的層能力為主，第四類根植于特定行業場景，更傾向于輸出PaaS+SaaS的一站式解決方案。就廠商的業務專注度最高，在技術研發和產品打磨上能夠投入足夠的精力，相比其他類型的玩家也具有一定的先發優勢，占據了目前市場的主要地位。實時音視頻行業主要玩家類型及競爭策略分析實時音視頻業務發展邏輯競爭優勢場景應用開發行業場景理解垂直行業解決方案商專注于特定行業領域，以實時音視頻完善行業解決方案能力場景應用開發行業場景理解垂直行業解決方案商產品和技術實力RTC業務專注度RTCPaaS廠商以為核心業務，并逐步拓展構建音視頻產品矩陣產品和技術實力RTC業務專注度RTCPaaS廠商通信云服務協同通信云技術協同通信云PaaS廠商提供包括IM、RTC、信令、短信等在內的PaaS層通信能力通信云服務協同通信云技術協同通信云PaaS廠商音視頻技術能力基礎設施資源綜合型IaaS廠商以IaaS服務為核心，在其上提供包括RTC在內的音視頻服務音視頻技術能力基礎設施資源綜合型IaaS廠商

實時音視頻業務競爭策略層CR3>70%深挖特定行業場景的層CR3>70%鞏固技術優勢，提供開發者友好的產品和服務，并順應場景拓展趨勢向模塊化、組件化發展充分發揮IM與在技術和服務上的協同效應，圍繞通信云構建場景解決方案，進行差異化競爭依托音視頻產品拉動底層資源消耗，不斷精進包括在內的音視頻技術能力，把握市場機遇來源：綜合上市公司年報等公開信息；企業及專家訪談；根據艾瑞統計預測模型估算；艾瑞咨詢研究院自主研究及繪制。中國實時音視頻產業圖譜中國實時音視頻產業圖譜2022年中國實時音視頻行業產業圖譜行業解決方案PaaS+SaaS解決方案教育 協同辦公 金融 醫療… … … …PaaS解決方案為主社交娛樂 IoT…… …通用能力 綜合型IaaS廠商 廠商 … … 通信云廠商 …注釋：1、僅作部分典型企業展示，圖譜中所展示公司LOGO順序及大小無實際意義；2、通用能力層按照廠商的整體業務情況進行劃分，同一廠商僅出現一次。來源：艾瑞咨詢研究院自主研究及繪制。中國實時音視頻商業模式中國實時音視頻商業模式以基礎服務+增值服務，搭建完整互動體驗，賦能業務增長以RTC私有協議推流和拉流的實時音視頻服務采用按時長計費模式。實時音視頻廠商在選用不同計費方式之上，還會疊加月度免費時長、套餐包、梯度折扣等組合優惠方式。伴隨著應用場景的延伸發展，實時音視頻廠商也會采取自主研發或與第三方合作的方式，不斷充實自身產品能力矩陣。三網融合類、安全監測類、體驗增強類增值服務的拓展，保障了實時音視頻服務可用性、可靠性、可玩性，賦予用戶更加完整豐富的實時互動體驗。實時音視頻商業模式及基礎服務計費方式計費邏輯實時音視頻音頻服務視頻服務 實時音視頻音頻服務視頻服務計時方式

時長 ×按訂閱視頻流計時×按訂閱視頻流計時

對應檔位單價 實際訂閱的分辨率實際訂閱的分辨率基礎服務時長=累加用戶訂閱的多路視頻流時長檔位單價=每路流各自對應的分辨率基礎服務集合分辨率按訂閱人數計時×集合分辨率按訂閱人數計時時長=用戶進入頻道/房間的時長，不累加訂閱多路視頻流的時長檔位單價=用戶訂閱的所有視頻流的分辨率之和云端混流轉碼云端實時錄制旁路推流CDNIM云端混流轉碼云端實時錄制旁路推流CDNIM體驗增強安全監測三網融合增值服務高級權限控制質量監測體驗增強安全監測三網融合增值服務高級權限控制質量監測媒體流加密內容安全審核互動白板頻道/房間管理美顏/人聲效果在線媒體流輸入…互動白板頻道/房間管理美顏/人聲效果在線媒體流輸入注釋：通話、直播、轉碼費用，如果既訂閱了視頻流又訂閱了音頻流，則只對視頻流計費。來源：騰訊云、聲網、即構、阿里云、網易云信產品計費說明；專家訪談；艾瑞咨詢研究院綜合公開資料自主研究及繪制。中國實時音視頻廠商盈利能力分析中國實時音視頻廠商盈利能力分析資源成本及研發投入水平較高，PaaS廠商毛利率均值約30%實時音視頻行業存在較高的資源門檻與技術門檻：PaaS廠商不僅需要在底層網絡建設上投入一定的資源成本，還需要在策略算法優化和產品矩陣打磨上投入大量的研發成本。正是因為行業門檻的存在，實時音視頻行業的市場格局較為集中，頭部PaaS廠商對于產品價格具備較強的話語權，尚未存在“價格戰”。同時，高水平的成本引入，也使實時音視頻的產品價格遠高于傳統音視頻產品。整體看來，實時音視頻（RTC）PaaS廠商的毛利率均值約在30%左右，受資源稟賦及研發能力的不同的影響，不同廠商的成本結構及毛利率水平會存在一定差異。2021年中國實時音視頻（RTC）PaaS廠商的盈利能力分析1、資源稟賦自有/自建基礎設施>外采/租用基礎設施基礎設施可復用>基礎設施不可復用（基礎設施是否可以同時承擔實時音視頻服務及其他云服務，以提高資源利用率）2、研發能力自研產品/技術>外采產品/技術有衍生產品對接>無衍生產品對接（是否具備與實時音視頻衍生配套的三網融合類安全類、體驗類產品，共同賦能多場景解決方案入 100% ≈33%≈≈37%毛利潤≈30%）注釋：1、資源成本包括帶寬成本與基礎設施成本兩部分。其中，基礎設施成本主要包括服務器等硬件采購費用，及RTN網絡節點的建設費用；2、研發成本為人工費用之外的產品開發、測試等費用；3、基礎層廠商毛利潤=實時音視頻收入-資源成本-研發成本。來源：綜合上市公司年報等公開信息；企業及專家訪談；艾瑞統計預測模型估算；艾瑞咨詢研究院自主研究及繪制。中國實時音視頻行業市場規模中國實時音視頻行業市場規模預計到2024年，實時音視頻PaaS市場規模將達到30億元盡管實時音視頻服務已經開始呈現出向多行業領域滲透的趨勢，但就現階段而言，以PaaS為主要服務模式的消費互聯網領域仍然貢獻了最核心的收入來源。根據艾瑞咨詢測算，2021年中國實時音視頻市場規模為16億元，同比增長10.3%。相較過去幾年的高速增長，2021年增速回落的原因主要有兩個方面：1）受“雙減”政策影響，在線教育領域的收入驟降，2）社交娛樂場景中，實時音視頻在頭部互聯網應用的滲透率已經較高，由高速增長階段進入平穩增長階段。疫情于實時音視頻無疑起到了重要的市場教育作用，預計未來宏觀經濟形勢轉好后，實時音視頻將有望在越來越多的產業互聯網領域實現落地，同時元宇宙相關應用的出現也將為消費互聯網創造更大的想象空間。年中國實時音視頻市場規模及預測CAGR=77.6% CAGR=28.4%136.6% 101.1% 89.4%10.3% 12.0% 23.7% 33.4%1516151618222482017 2018 2019 2020 2021 中國實時音視頻（RTC）PaaS市場規模（億元） 中國實時音視頻（RTC）PaaS市場規模增長率注釋：中國實時音視頻（RTC）PaaS市場規模以實時音視頻（RTC）PaaS收入口徑核算，統計范圍為推流、拉流均使用RTC技術且在中國大陸產生的服務收入。來源：綜合上市公司年報等公開信息；企業及專家訪談；根據艾瑞統計預測模型估算；艾瑞咨詢研究院自主研究及繪制。 中國實時音視頻行業發展分析1供給側：實時音視頻行業發展能力洞察2需求側：垂直行業實時音頻應用實踐分析中國實時音視頻行業發展分析1供給側：實時音視頻行業發展能力洞察2需求側：垂直行業實時音頻應用實踐分析3中國實時音視頻行業典型企業案例4中國實時音視頻行業發展趨勢515實時音視頻核心價值及關鍵技術總覽實時音視頻核心價值及關鍵技術總覽 PAGE25?2022.8iResearchInc.傳輸網絡保障低延時、高可靠傳輸，專業組件提升媒體質量CDN分發和下行拉流環高可靠的音視頻傳輸。在音視頻引擎方面，典型的實時音視頻場景以溝通交流為核心訴求，對音頻的質量關注度較高；而隨著實時音視頻向實時互動場景拓展，其對降噪、超分等視頻畫質修復增強的要求也不斷提升。視頻引擎音頻引擎視頻編碼器視頻解碼器……視頻降噪視頻引擎音頻引擎視頻編碼器視頻解碼器……視頻降噪視頻增強超分辨率HDR視頻采集視頻渲染音頻編碼器音頻解碼器……回聲消除噪聲抑制自動增益控制空間音頻音頻采集音頻渲染直播時延的來源鏈路時延抖動、協議棧的優化情況以及CDN資源的覆蓋情況，是造成CDN分發和下行拉流的時延的主要原因，也是降低音視頻傳輸端到端時延的關鍵10~50ms10~10000ms時延優化10~50ms10~10000ms時延優化10~1000ms下行拉流CDN分發上行推流采集+編碼解碼+渲染~40ms解碼+渲染

專業組件傳輸網絡傳輸網絡弱網傳輸保障策略抖動對抗、碼率自適應保障弱網環境下的傳輸網絡傳輸協議對UDP協議在協議層與算法層進行優化，提高傳輸的可靠性與邏輯性實時音視頻傳輸網絡構建軟件定義的去中心化傳輸網絡，可實現智能路由、智能調度基礎設施邊緣計算云原生云基礎設施來源：艾瑞咨詢研究院自主研究及繪制。邊緣計算云原生云基礎設施實時音視頻傳輸網絡實時音視頻傳輸網絡軟件定義的去中心化網絡，依托智能路由算法選擇最佳路徑實時音視頻傳輸網絡（Real-timeNetwork,RTN）是專為實時通信設計的穩定、高質量的傳輸網絡。通常而言，實時音視頻傳輸網絡架構在公共互聯網之上，采用軟件定義網絡的方式進行網絡虛擬化，專注于通信路由的計算和鏈路異常的故障恢復。其控制面主要負責網絡質量探測、路徑規劃和規則配置管理，數據面負責數據傳輸和轉發，承擔邊緣和中轉的角色。基于去中心化的架構設計，實時音視頻傳輸網絡允許終端用戶從邊緣節點就近接入，并利用智能路由算法實時計算最優的路徑傳輸，有效解決路由鏈路和帶寬成本的問題。軟件定義①實時音視頻邊緣節點 傳輸網絡RTN 軟件定義①實時音視頻邊緣節點 傳輸網絡RTN 邊緣節點邊緣節點邊緣節點 邊緣節點邊緣節點控制面 控制面 控制面推流負責數據傳輸和轉發實時音視頻傳輸網絡RTN拉流②媒體邊緣服務媒體邊緣服務邊緣數據面中轉數據面邊緣數據面去中心化依靠分布廣泛的邊緣節點，采取就近接入的策略，支持不同區域內任意兩個流媒體服務器間的級聯、網內傳輸基于智能路由算法進行最優的路徑規劃，自動切換故障線路，保障音視頻數據的穩定、高質量傳輸智能調度來源：艾瑞咨詢研究院自主研究及繪制。智能調度網絡傳輸協議的選擇網絡傳輸協議的選擇基于UDP協議的可靠性優化，為弱網對抗策略提供依據是犧牲傳輸實時性來換取數據完整性的可靠傳輸協議。弱網環境下，其在數據傳輸前的“三次握手”連接會帶來較大延時。而UDP作為不可靠的傳輸協議，其最大的優點為高實時性，但不保證數據的到達和排序。實時音視頻產品往往采用UDP協議，并在此之上進行協議層與算法層的優化，來提高傳輸的可靠性與邏輯性。UDP協議的優化：UDP協議往往和協議一起在實際應用中出現。RTP負責數據傳輸，其協議頭中的序列號、端口類型、時間戳等字段，可為數據包的分組、組裝、排序提供邏輯依據；RTCP作為RTP的控制協議，負責對RTP的傳輸質量進行統計反饋，并為弱網對抗策略提供控制參數。UDP協議與RTP/RTCP協議的傳輸路徑發送端接收端RTP封裝RTCP反饋RTCP反饋RTP封裝RTP數據包SR數據包RR數據包RR數據包SR數據包RTP數據包UDP數據包UDP數據包發送端接收端RTP封裝RTCP反饋RTCP反饋RTP封裝RTP數據包SR數據包RR數據包RR數據包SR數據包RTP數據包UDP數據包UDP數據包IP數據包IP數據包RTCP協議支持多種報文消息，其中，網絡質量評估與控制的大量參數都是從SR與RR報文中獲得：發送信息報文—SR（SenderReportpacket)向接收端報告一段時間內，發送的數據包情況。接收信息報文—RR（ReceiverReportpacket）向發送端反饋接收情況，包括丟包率、延時區間等信息。通信網絡IP數據包IP數據包RTCP協議支持多種報文消息，其中，網絡質量評估與控制的大量參數都是從SR與RR報文中獲得：發送信息報文—SR（SenderReportpacket)向接收端報告一段時間內，發送的數據包情況。接收信息報文—RR（ReceiverReportpacket）向發送端反饋接收情況，包括丟包率、延時區間等信息。注釋：RTP（實時傳輸協議/Real-timeTransportProtocol）是承載媒體的協議；RTCP（RTP控制協議/RTPControlProtocol）是用于傳達有關呼叫的元數據的協議。來源：《WebRTC音視頻實時互動技術》；艾瑞咨詢研究院綜合公開資料自主研究及繪制。弱網傳輸保障策略（1/3）弱網傳輸保障策略（1/3）丟包恢復：聯動接收端與發送端的“重傳+編碼”配合策略弱網環境下，實時音視頻在網絡傳輸側的丟包恢復技術主要包括：自動重傳請求（ARQ-NACK）、冗余編碼（FEC/RED）、I幀申請（PLI/FIR）等。實際應用中通常采用ARQ-NACK技術先行，FEC技術兜底的配合策略。并根據NACK成功率、NACK響應時長和FEC恢復率，對整體的抗丟包策略進行實時、動態的調整。具體的技術原理及應用的優缺點如下：

實時音視頻：丟包恢復的主要優化策略5 435 432 13 X12455 4 3 2 1X5 4 3 2 1基于接收端-自動重傳請求ARQ（AutomaticRepeat-reQuest）（ForwardErrorCorrection）TCPACK TCPACK 已收到重傳網絡RTP/UDP:NACK 未收到3 重傳3技術原理： 優點：不同于TCP協議下ACK的“通知到達”機制，實時音視頻傳輸采用RTP/UDP協議下NACK的“通知未達”機制。在接收端檢查數據包序列號的連續性，來判斷是否丟包，每隔1個RTT（往返延時）對同1向發送端發起重傳請求。?相比ACK機制，對帶寬的利用率高；不需要帶寬預測，低延遲場景下的重傳恢復效果好。缺點：網絡RTT越大，重傳恢復效果越差。21接收端5 4 3 2 1發送端5 4 3 2 1345發送端FEC編碼RTN網絡FEC修復接收端

技術原理：FEC技術的核心為：以帶寬換延時。發送端根據網絡狀況提前封裝冗余包。接收端發生少量丟包時，可以直接根據冗余包恢復數據。FEC技術的關鍵在于如何合理地設置冗余策略，達到抗丟包能力、視頻碼率、恢復延時三者的有效平衡。優點：無需重傳數據，丟包恢復時延低；適用于丟包率比較穩定的情況。缺點：包預測的準確性；占用額外帶寬，帶寬受限場景會擠壓視頻原始碼率，影響畫質。來源：網易云信音視頻技術專欄《網易云信流媒體服務端架構設計與實現》；《網絡QoS的平衡之道——音視頻弱網對抗策略介紹》；融云技術文章《RTC系統音視頻傳輸弱網對抗技術》；CSDN；艾瑞咨詢研究院自主研究及繪制。弱網傳輸保障策略（2/3）弱網傳輸保障策略（2/3）抖動對抗：根據網絡環境自適應緩存，平滑終端流暢體驗雖然丟包恢復算法可以增強弱網環境中數據傳輸的容錯性，但難以解決因網絡抖動、解碼前各環節抖動帶來的亂序、延遲到達等問題，此時往往需要JitterBuffer（抖動緩沖區）來做媒體包的緩存。的視頻引擎、聲音引擎中均包含自適應緩沖模塊，一方面可以把收到的亂序媒體包進行排序、組幀；另一方面可以根據網絡環境動態調整端到端的緩存時間，通過讓步適當的延遲來換取音視頻通話的流暢性。打造優秀JitterBuffer的難點在于如何快速、準確地計算網絡環境的非穩態變化（包括網絡帶來的抖動和抗丟包等算法引入的額外延遲），并在延遲和卡頓之間取得較好的平衡。實時音視頻：WebRTC框架中的視頻、音頻動態緩沖策略 視頻抗抖動-JitterBuffer 音頻抗抖動-NetEQ …61…61M585655渲染解碼壓縮數據組包模塊（PacketBuffer）57組成一幀包序列②組幀模塊（FrameReferenceFinder&FrameBuffer）IB1IB1B2P1B3B4IGOP1GOP2

①包排序：通過RTP協議頭中的SequenceNumber等字段，將RTP數據包進行排序檢查，并將其組成一個完整幀。微控制單元（MCU）信號處理單元（DSP）共享內存①①將MCU中緩存、排序后的音頻數據交給DSP中的解碼器進行處理。微控制單元（MCU）信號處理單元（DSP）共享內存①①將MCU中緩存、排序后的音頻數據交給DSP中的解碼器進行處理。②丟包隱藏技術可以產生與丟失包相似的替代語音來平衡QoS。處理②播放SpeechBufferNetEQ算法緩沖區Packet/JitterBuffer解碼緩沖區解碼器壓縮數據DSP加速慢速正常融合丟包隱藏③GOP排序：緩存并向解碼器輸出可解碼的連續GOP。③來源：《WebRTC音視頻實時互動技術》；CSDN文章《WebRTC視頻JitterBuffer詳解》、《WebRTCQos優化雜記》；網易云信《淺析JitterBuffer》；百度智能云《實時音視頻抗弱網技術揭秘》；聲網《詳解低延時高音質》系列技術文章；艾瑞咨詢研究院自主研究及繪制。弱網傳輸保障策略（3/3）弱網傳輸保障策略（3/3）碼率自適應：根據接收端帶寬情況，針對性推送適合碼流丟包恢復、抖動對抗策略可以在有限的帶寬下，提供更好的音視頻質量，但難以解決多人互動場景下，單一碼流無法適應多接收端網絡帶寬狀況不一的問題。傳統多人互動方案中，網絡帶寬較差的用戶往往會影響所有參與者的體驗。而動態碼率策略雖然對發送端的帶寬要求較高，但可以根據接收端的帶寬狀況，調整傳輸的數據量，向接收端推送合適的視頻流。對網絡質量好的用戶，傳輸高清晰度的流；反之，則傳輸低清晰度的流。視頻流的碼率自適應技術主要包括：多碼流切換（Simulcast）和可伸縮編碼（SVC）。 多碼流切換（Simulcast 多碼流切換（Simulcast） 1080p1080p720pRTN服務端（帶寬良好）接收端1發送端360p360p（帶寬較差）接收端2技術原理：將視頻流編碼出不同分辨率的多路碼流，同時發送給服務端。服務端根據接收端用戶帶寬狀況選擇最合適碼流。優點：每一路流可以單獨解碼，且解碼復雜度沒有增加；相比SVC，實際應用更易實現。缺點：上行產生多路視頻流，容易造成帶寬資源的浪費；接收端可選擇視頻流種類有限，復雜網絡條件下的適用性差。 可伸縮編碼SVC（ScalableVideoCoding） 210（帶寬良好）接收端1發送端210RTN服務端0核心層（0）技術原理：中間層（1）（帶寬較差）接收端2擴展層（2）（逐層依賴關系）將視頻流按時間、空間、質量分成多層編碼，裝載為一路流發送到服務端，服務端根據接收端用戶帶寬狀況選擇不同層下發。優點：相比Simulcast，編碼效率和復雜網絡適應性均大幅提升。缺點：視頻流分級編碼，接收端解碼復雜度增加；作為H.264的拓展，2007年成為正式標準，兼容性有待提升。來源：融云技術文章《AI算法在視頻可分級編碼中的應用》；CSDN技術文章《Simulcast與SVC簡介》；艾瑞咨詢研究院綜合公開資料自主研究及繪制。視頻引擎視頻引擎編解碼技術升級迭代，AI技術助力視頻畫質修復與增強未經壓縮的數字視頻的數據量巨大，通常需要對原始視頻壓縮后再進行存儲和傳輸，這便是視頻編碼的主要工作。編碼效率是影響視頻編碼器選擇的關鍵因素，以H.265為例，與上一代H.264相比，可以在維持畫質基本不變的前提下將傳輸帶寬減少到原來的一半。雖然現階段H.264仍是最廣泛使用的視頻編碼器，但其使用率已經開始出現下滑，H.265、VP9等有望將成為下一階段的主流。除此之外，利用人工智能技術進行降噪、去壓縮、清晰度和色彩增強等一系列畫質優化工作，提升人眼對視頻的主觀體驗，是視頻前、后處理過程中重點關注的方向。視頻引擎之編解碼與畫質修復增強視頻畫質修復視頻畫質修復視頻編解碼是指對數字視頻進行壓縮和解壓縮的過程，壓縮的目的主要是去除原始視頻中的冗余信息，以降低對存儲空間和傳輸帶寬的壓力。細節修復去除模糊視頻編解碼是指對數字視頻進行壓縮和解壓縮的過程，壓縮的目的主要是去除原始視頻中的冗余信息，以降低對存儲空間和傳輸帶寬的壓力。細節修復去除模糊降噪去壓縮視頻畫質增強空間冗余：圖像相鄰像素之間有較強的相關性視頻畫質增強時間冗余：視頻序列的相鄰圖像之間內容相似清晰度增強 色彩增強超分辨率HDR ……超分辨率技術在實時音視頻領域應用的難點與方向清晰度增強 色彩增強超分辨率HDR ……超分辨率技術在實時音視頻領域應用的難點與方向開發者在視頻生產中使用的視頻編碼器83%91%49%開發者在視頻生產中使用的視頻編碼器83%91%49%42%31%27%19%12%16%15%NA11%H.264/AVCH.265/HEVC MPEG-2VP9VP8AV120212020音頻引擎音頻引擎通過回聲消除、噪聲抑制、自動增益控制優化音頻質量音頻的前處理是整個音頻處理鏈路中的關鍵。麥克風采集到的原始音頻數據會存在噪聲、回聲等各種問題，如在多人視頻會議場景中，同地多設備同時開麥會造成強烈的嘯聲，發言者離麥克風較遠會導致收音效果不佳。為提高音頻質量，需要在發送端對發送信號依次進行回聲消除、降噪和音量均衡的操作，即AEC回聲消除、ANS噪聲抑制和AGC自動增益控制的3A處理。在通話、語聊、教學、游戲等不同場景中，實時音視頻廠商需考慮場景的實際需求，對3A算法進行對應的調整，以實現良好的音頻效果。音頻引擎之音頻3A處理麥克風

AEC回聲消除

ANS噪聲抑制

AGCENCODER編碼器ENCODER編碼器

SERVER服務器JB+PLC抖動消除+丟包補償ENCODER解碼器JB+PLC抖動消除+丟包補償ENCODER解碼器MIXER+LIIMITER混音與壓限器來源：艾瑞咨詢研究院自主研究及繪制。實時音視頻技術路徑分析（1/2）實時音視頻技術路徑分析（1/2）多人實時互動方案：RTC技術為主，CDN技術為輔多人音視頻通話：通過接入SDK，同一個頻道/房間內的用戶可以通過私有協議，推流至實時音視頻傳輸網絡（RTN），并從RTC地址拉取訂閱的音視頻流，享受穩定流暢的1v1或多人實時音視頻通話服務。實時互動直播：互動直播增加了主播、連麥者、觀眾的角色概念，連麥者既可以是房間內的觀眾，也可以是其他房間的主播。在核心互動端，主播和連麥者通過地址推送自己的音視頻流，并拉取他人的音視頻流。連麥內容會通過旁路系統在云端將混為一路流，并轉碼為傳統直播協議供觀眾端使用CDN地址進行拉流觀看。觀眾請求上麥成功后，將從CDN地址切換到地址進行互動。用戶/連麥端B

用戶/連麥端C

多人實時互動解決方案技術路徑角色轉換切換到RTC地址RTC私有協議RTN網絡RTC私有協議RTN網絡服務器私有協議

RTMP旁路混流轉碼服務器旁路混流轉碼服務器

CDN網絡

RTMP/FLV/ HLS等協議 用戶/主播端A

RTC核心互動端主播連麥延時200~400ms核心互動端主播連麥延時200~400ms

（多路流）

（一路流）

服務器

觀眾端旁路觀眾端支持超高并發觀看支持移動端網頁播放節約部署成本CDN可以承載上萬人同時CDN的HLS(m3u8)協議，可CDN相對RTC價格低廉，觀看，補充RTC技術的高較好補足WebRTC協議在移動適用于無需高頻率互動、并發難題。端瀏覽器兼容性不理想的短板。可忍受一定延遲的觀眾端。來源：聲網RTC產品文檔；騰訊云TRTC產品文檔；阿里云RTC產品文檔；即構RTC產品文檔；艾瑞咨詢研究院綜合公開資料研究及繪制。實時音視頻技術路徑分析（2/2）實時音視頻技術路徑分析（2/2）超低延時直播：對傳統直播架構在協議和網絡層面進行改造超低延時直播是近年來新興起的一類應用。如電商直播、賽事直播等場景，兼具高并發與低延時的特性，傳統直播3-20s的時延難以滿足其需求，但對實時互動的要求又不及視頻會議等典型的實時音視頻應用，無需將時延降低至400ms為此，超低延時直播融合了傳統直播與實時音視頻的技術架構，通過取長補短的方式實現了介于二者之間的端到端時延。盡管針對超低延時直播廠商尚無一套標準的技術路徑，但大體可以歸納為拉流協議、網絡架構和推流協議三個方面的改造，在實際應用過程中，廠商會平衡成本及性能指標等因素，在不同的協議和網絡架構之間進行選擇。觀眾端超低時延直播解決方案技術路徑觀眾端主播端RTMP主播端WebRTC/RTC私有協議

信令服務Step1融合調度Step1

RTMP/FLV/HLSStep2網絡架構改造WebRTC/RTC私有協議Step2網絡架構改造Step3推流協議改造Step3

邊緣節點 邊緣節

拉流協議改造超低延時直播需求特征 Step1拉流協議改造 Step2網絡架構改造 Step3推流協議改造存在海量并發需求觀眾與主播存在文字聊天、商品購買等輕互動需求，要求直播的延時在800ms左右來源：艾瑞咨詢研究院自主研究及繪制。

直播常用RTMP/FLV/HLS等拉流協議為可靠的TCP協議，其三次握手、丟包重傳機制會造成時延的增加，超低延時直播為降低時延，會優先將拉流協議改造為不可靠UDP協議的WebRTC協議或RTC私有協議

普通直播多采用樹狀層級的CDN網絡架構，長鏈路、緩存機制等造成較高的傳輸時延，將傳統CDN網絡架構升級為層級網+對等網的混合架構，將能力下沉，通過動態路徑規劃、智能調度和路由降低時延

相對RTMP協議，WebRTC協議和RTC私有協議的限制較多，對于移動端的設備性也較差，可考慮增加其作為推流協議的一個選項，視具體場景需求選擇是否采用 中國實時音視頻行業發展分析1供給側：實時音視頻行業發展能力洞察2需求側：垂直行業實時音頻應用實踐分析中國實時音視頻行業發展分析1供給側：實時音視頻行業發展能力洞察2需求側：垂直行業實時音頻應用實踐分析3中國實時音視頻行業典型企業案例4中國實時音視頻行業發展趨勢526中國實時音視頻行業應用概覽中國實時音視頻行業應用概覽 PAGE29?2022.8iResearchInc.實時音視頻商用實踐從消費互聯網向產業互聯網逐漸滲透以泛娛樂、在線教育為代表的消費互聯網場景，具備實時音視頻發展的良好應用基礎和價值前景，是實時音視頻商用實踐的主力領域。伴隨產業數字化轉型的加速，協同辦公作為全行業的通用型解決方案，已經成為后疫情時代企業的必備能力；實時音視頻在金融、醫療等傳統行業重點場景的應用效能也在逐漸擴大。雖然IoT行業眾多場景的實時音視頻應用基礎尚未成熟，但是其在工業巡檢、自動駕駛等領域具備廣闊發展前景，是實時音視頻行業的未來發展方向。全球/異地多機房服務集群，網絡架構設計支持千萬全球/異地多機房服務集群，網絡架構設計支持千萬序、、、、等開發平臺

消費互聯網場景 產業互聯網場景自動駕駛遠程巡檢遠程超聲

雙師課堂游戲連麥在線K歌

音視頻通話實踐領跑場景

超低延時互動未來機會場景

智能硬件教育信息化

互動聊天室協同辦公

弱網環境高可用在線問診面審面簽遠程會診遠程定損 遠程雙實踐拓展場景

互動大班課互動直播互動播客

多平臺快速構建 ；全鏈路安全加密注釋：1、“實時音視頻行業應用場景效能模型”主要從“實時音視頻應用價值”和“實時音視頻應用基礎”兩大指標綜合考量各行業重點場景的發展效能。其中，“實時音視頻應用價值”主要從場景的實時性需求和互動性需求兩個維度考量；“實時音視頻應用基礎”主要從場景數字化程度、場景解決方案完整度兩個維度考量；2數理實證研究和案例實證研究結果綜合所得。模型中的用例位置僅說明不同場景在“兩大指標”下的的相對關系，并不用于說明某一場景的絕對位置定位。來源：艾瑞咨詢自主研究及繪制。社交娛樂實時音視頻需求及實踐社交娛樂實時音視頻需求及實踐實時音視頻激活互動新玩法，多場景聯動釋放業務增長空間公眾社交娛樂需求的不斷釋放與滿足，使行業內存量用戶的競爭加劇，獲客留客的成本攀升。產品同質化趨勢下，互動體驗升級與新潮互動模式挖掘的重要性愈加凸顯。實時音視頻技術與社交娛樂場景具有天然契合度，不僅可以直接提升現有產品的基礎屬性，還可以融合空間音頻、VR、AR等技術，給予用戶沉浸式的實時互動體驗。此外，實時音視頻技術還使得在線合唱、一起看直播等強實時場景成為可能，并有助于直播、社交、游戲類場景間的融合。融合過程中激發出的互動新玩法，有助于拉升用戶活躍、留存、使用時長等業務數據，并拓展產品的付費場景，提升產品的營收能力。社交娛樂應用場景及音視頻互動需求直播“融合發展”社交直播“融合發展”社交游戲1v1視頻、1v1語音、視頻相親、視頻群聊互動播客、語音電臺語聊房 ……直播類場景

實時音視頻在社交娛樂場景的應用價值提升基礎互動屬性1v1互動：1v1互動：提供弱網環境下無卡頓、無錯位的實時音視頻體驗，提高音視頻聊天通話的接通率。主播也可以邀請觀眾上麥，進行實時互動。激活創新互動玩法秀場直播、游戲直播、賽事直播、演藝直播、健身直播……游戲類場景互動游戲（狼人殺、劇本殺、太空殺）、棋牌類、休閑益智類PvP類 ……

音視頻互動需求：K歌類：可以保障多路音視頻流與K歌類：可以保障多路音視頻流與MV、歌詞的實時對齊，解鎖合唱、接唱、搶唱、對決、你猜我唱等實時音樂玩法。陪伴類：“包廂模式”使包廂內觀眾間可以進行實時互動交流，達成電影、音樂、直播等“一起看+隨時聊”效果。PK類：通過游戲聯賽、直播間跨房PK、主播與觀眾PK等形式，提高觀眾圍觀熱度與參與感，激發直播間打賞熱情。同玩類：創建房間邀請好友、陌生人、觀眾一起邊玩游戲邊實時聊天，遠離尬聊，提升用戶活躍與用戶留存。直播+社交：拉近距離，增強參與感互動體驗升級：超低延時1v1/多人互動體驗；強實時、強互動玩法/場景解鎖。來源：艾瑞咨詢研究院自主研究及繪制。社交娛樂場景應用案例：某音樂元宇宙平臺在線K歌一體化方案，開啟身臨其境的實時互動合唱體驗伴隨著疫情常態化激增的線上音樂需求，以及元宇宙社交概念的迅速升溫，某大型音樂元宇宙平臺聯合聲網共同打造多人虛擬線上音樂活動平臺。依托聲網實時音視頻服務及MetaKTV元K歌一體化解決方案，用戶可以在該平臺輕松創建精美3D空間并打造虛擬形象，隨時隨地與世界各地的朋友一起實時互動、實時High唱；沉浸式空間音頻、專業音質音效、多元模塊化組件等強大功能可真實還原線下K歌場景，為用戶帶來身臨其境的K歌體驗。聲網×某音樂元宇宙平臺：MetaKTV元K歌解決方案賦能實時合唱體驗

主唱端本地 主唱端本地 BGM文件 Player主唱Audio1聲網SDK合唱端本地 BGM文件 PlayerKit聲網SDK合唱Audio2…..…..合唱端BGMAudio1Audio2Audio3聽眾端聲網SDK本地BGM文件MediaPlayerKit合唱Audio3聲網SDK

項目解決方案合作效能模塊化組件+九大場景功能聲網提供低至64ms端到端超低延時的實時合唱體驗，可保障該平臺內合唱伴奏、歌詞、人聲多端精準同步對齊，激活K歌互動玩法。聲網提供低至64ms端到端超低延時的實時合唱體驗，可保障該平臺內合唱伴奏、歌詞、人聲多端精準同步對齊，激活K歌互動玩法。聲網為該平臺提供曲庫組件、播放組件、歌詞組件等模塊。支持50ms超低延時耳返，及MV視頻播放、歌曲打分、美聲特效、錄制分享等九大場景功能。攜手頂尖版權商，提供海量版權歌曲 空間音頻打造更沉浸的K歌體驗聲網攜手音集協、AllByMusic、咪咕音樂等版權合作伙伴。為該平臺提供聲網攜手音集協、AllByMusic、咪咕音樂等版權合作伙伴。為該平臺提供聲網提供球面區域立體聲場，可根據Avatar面部朝向、音源朝向、3D空間音源相對位置，呈現不同音效。支持范圍音頻、空間衰減模擬增加臨界場感，為該平臺帶來完美模擬現實的聽覺感受。STEP2通過SD-RTN?傳輸調度，主唱端與合唱端可實時聽到彼此歌聲，達成合唱。STEP3觀眾端可以享受到演唱者們的“零時差”同步。STEP1主唱端與合唱端同時從本地獲取BGM，隨著伴奏同時開啟演唱。STEP2通過SD-RTN?傳輸調度，主唱端與合唱端可實時聽到彼此歌聲，達成合唱。STEP3觀眾端可以享受到演唱者們的“零時差”同步。STEP1主唱端與合唱端同時從本地獲取BGM，隨著伴奏同時開啟演唱。聲網SOLO?、NOVA?語音引擎，支持48kHz全頻帶采樣，音頻MOS分高達4.7，實現高保真聲音還原。聲網SOLO?、NOVA?語音引擎，支持48kHz全頻帶采樣，音頻MOS分高達4.7，實現高保真聲音還原。聲網支撐該平臺打造炫酷、沉浸式3D舞臺布景，支持用戶在舞臺上走動并與其他用戶進行多維度實時互動。來源：艾瑞咨詢研究院自主研究及繪制。教育行業實時音視頻需求及實踐教育行業實時音視頻需求及實踐強調師生的實時互動，疊加豐富的教學工具提升教學質量教育行業分為校外培訓和校內的教育信息化兩個部分，其中校外培訓受到“雙減”政策的影響，各機構紛紛轉向素質教育、成人教育、職業培訓等細分賽道，教育信息化迎來政策和需求的雙重利好，利用以音視頻為核心的手段促進教育公平、提升教學質量已是大勢所趨。于教育行業而言，實時音視頻的應用涉及1v1、小班課、互動大班課、雙師課堂等多種場景，不同場景在延時、并發上的需求各異，廠商應針對具體的場景需求提供不同的解決方案以實現清晰流暢的音視頻體驗。此外，教育行業對白板互動、在線問答、課件演示等互動工具存在剛需，廠商需提供豐富的功能以幫助提升教學質量。校外培訓實時音視頻應用場景及需求特征 教育信息化實時音視頻需求背景及特征應用場景 1v1 應用場景 1v1 小班課 雙師課堂 客戶類型 素質教育 職業培訓 …… 成人教育……互動大班課高效互動版權保護數據評估品牌運營Logo廣告圖等可根據品牌自定義與微商城、CRM系統、公方便招生引流提供包括學員觀看次數、時等在內的多維度分析數據，幫助培訓機構進行課程迭代防錄屏、ID跑馬燈、視頻水印等方式防止版權視頻的外泄，追蹤盜版源頭提供清晰流暢的音視頻體驗旨在利用教育信息化手段擴大優質教育資源覆蓋面，解決開不齊、開不足、開不好課的問題 專遞課堂 名師課堂 旨在利用教育信息化手段擴大優質教育資源覆蓋面，解決開不齊、開不足、開不好課的問題靈活部署云、私有云部署教 弱網優化：針對偏遠地區、育

2020年中國中小學網絡多媒體教室覆蓋率信 小運營商進行網絡優化，保障 城息 端到端優質傳輸化 音畫體驗：支持高分辨率、高需 碼率的視頻傳輸，利用3A算 鎮特求 法、AI音頻降噪提升音頻質量特征教學功能：提供包括白板互動、鄉村征課件演示、作業測驗、錄制回

90.2%81.5%66.8%看等豐富的教學互動工具

網絡多媒體教室覆蓋率(%)來源：艾瑞咨詢研究院自主研究及繪制。?2022.8iResearchInc.

注釋：1.中小學統計口徑包含普通高中、初中及小學；2.網絡多媒體教室覆蓋率=網絡多媒體教室數量÷普通教室數量。來源：網絡多媒體教室覆蓋率來自教育部，艾瑞咨詢研究院自主研究及繪制。 ?2022.8iResearchInc. 30教育行業場景應用案例：慶云縣教體局教育行業場景應用案例：慶云縣教體局 PAGE33?2022.8iResearchInc.利用OMO融合課堂打造跨地域、跨時空的混合教學模式2021年初，慶云縣提出“兩標四環”生本課堂教學模式，以規范課堂教學流程，提高課堂教學效率。慶云縣教體局與翼鷗教育合作，引入了OMO線上線下融合的教學方案。OMO融合課堂既符合疫情防控的需要，也順應教育技術的變革。利用ClassIn教、學、研、評、練、測、管一體化平臺，慶云縣為全縣師生提供了全新的教學教研生態，通過分享全國乃至全球范圍內的優質教育資源，開展跨班、跨校、跨區的聯動課堂，全方位提升了學校教育信息化水平。OMO線上線下融合教學方案合素質評價OMO線上線下融合教學方案合素質評價實時獎勵+綜合評價提供抄寫知識點、拍照打卡、英語錄音打卡等各類作業功能題，學生打卡后實時出具分值、評價在線測驗+作業發布線下師生與線下實時互動支持上課視頻回放提供計時器、骰子等工具豐富課堂趣味性在線教學+平行性反饋慶云縣“兩標四環”生本課堂教學模式形成標準化量表形成教學閉環規范老師課堂慶云縣教育信息化研究室×翼歐教育共同保障OMO融合課堂順利開展線下教學技術服務群群成員60人（含技術服務人員36人），證各校技術員提出問題1分鐘內高效響應編寫《慶云初三復課ClassIn使用指南》，開展“初三線下復學技術員培訓”課程教師點撥精彩展示合作探究自主學習學習目標課程結構課堂效率教學質量學生興趣來源：艾瑞咨詢研究院自主研究及繪制。協同辦公實時音視頻需求及實踐協同辦公實時音視頻需求及實踐以視頻會議為核心向協同辦公延伸，解決遠程異地辦公需求實時音視頻在協同辦公場景中的應用主要體現在視頻會議上。新冠疫情的出現推動了云視頻會議在各行業領域的滲透，現如今，云視頻會議已經成為混合辦公模式下的重要抓手。不同會議場景下的環境空間、硬件設施、參會人員存在差異，可能出現的音畫問題也各不相同，如小會議室內同時開麥會造成嘯聲嚴重，大會議室距離入會設備較遠的人聲難以聽清，容易出現混響。廠商需能針對不同場景提供高清流暢的音視頻會議體驗，同時滿足PC、智能手機、會議平板等多種終端的接入需要。在此基礎上，可疊加包括會前準備、會中協作、會后管理在內的產品能力，輔助企業進行遠程異地的協同辦公。視頻會議的核心痛點音視頻卡頓、時延高遠端人聲不清晰、環境噪音大、隔壁人聲干擾同一房間多人同時開麥引起嘯聲接入環境存在不確定性，不符合商務會議需要難以滿足多終端接入需求用戶敏感信息和數據安全能力無法得到保障會前準備視頻會議的核心痛點音視頻卡頓、時延高遠端人聲不清晰、環境噪音大、隔壁人聲干擾同一房間多人同時開麥引起嘯聲接入環境存在不確定性，不符合商務會議需要難以滿足多終端接入需求用戶敏感信息和數據安全能力無法得到保障會前準備快速創建會議會議通知日歷同步會議室預訂……會中協作屏幕共享文檔共享白板標注會議錄制……會后管理語音轉文字紀要審批歸檔往期視頻回看會議數據統計……系統集成會議安全高清流暢的音視頻會議體驗利用廣覆蓋的實時音視頻網絡和弱網對抗能力實現端到端低延時高清流暢的音視頻會議體驗利用廣覆蓋的實時音視頻網絡和弱網對抗能力實現端到端低延時支持高畫質適配、高保真音頻，提供美顏濾鏡、虛擬背景等功能2021.82021.102021.122022.2 2022.4 效率辦公類APP日均總有效使用時間（億分鐘）8.89.09.1mUserTracker-2021年8月-2022年7月中國效率辦公類APP日均總有效使用時間多端接入多端接入支持Windows、macOS、Web、iOS、Android、小程序等多種接入方式……API會議平板智能手機PC來源：效率辦公類APP日均總有效使用時間來自Usertracker多平臺網民行為監測數據庫（桌面及智能終端）；艾瑞咨詢研究院自主研究及繪制。協同辦公場景應用案例：三門峽市協同辦公場景應用案例：三門峽市基于私有云智能會議系統，實現高清流暢的在線會議體驗為應對新冠疫情緊急防控需要，崤云視聯攜手融云共同研發“輕云會議”，為河南省三門峽市委市政府提供在線會議支持。相比于企業的視頻會議系統，政府機構更追求會議的安全性、時效性及嚴肅性，在產品功能上，廠商應能對座次排序、搶麥發言、會議流程等相關定制化需求進行快速響應。以融云音視頻能力為核心搭建的“輕云會議”，是基于私有云的新型智能會議管理系統，提供包括統一通信、智能會議、客戶服務和協作終端在內的一體化能力，有效保障了三門峽市各政府部門對工作指令的快速傳達，其應用也由視頻會議拓展至遠程技術指導、可視化客戶服務、遠程視頻監控等多樣化場景。融云×崤云視聯×三門峽市：以“輕云會議”打造高清流暢的在線會議體驗會議攝像頭麥克風會議平板會議終端PAD手機會議攝像頭麥克風會議平板會議終端PAD手機“輕云會議”VPN/互聯網政務網/視聯網局域網小型會議室中型會議室大型會場私有云視頻通信平臺頻 現私有云視頻通信平臺力 按需向下進行各種分辨率的切換頻 算力 效全 私密 器定 ………應用場景遠程視頻監控可視化客戶服務………應用場景遠程視頻監控可視化客戶服務遠程技術指導視頻會議捷 支入 插能來源：艾瑞咨詢研究院自主研究及繪制。金融行業實時音視頻需求及實踐金融行業實時音視頻需求及實踐 PAGE PAGE34?2022.8iResearchInc.?2022.8iResearchInc.聯動線上線下優勢能力，實時音視頻突破金融服務物理邊界新冠疫情加速了金融行業的“離柜化”，線下網點的經營成本愈顯沉重；雖然，線上互聯網模式更具備便捷性與盈利性，但在客情管理、業務支撐方面的能力有限。因此，金融機構亟需一個能夠融合線上、線下服務優勢的新渠道。依托實時音視頻技術打造的遠程服務場景，打破了金融服務的時空邊界，可有效支撐網點業務的線上化；同時，坐席專業團隊的業務引導、交叉營銷、客情管理等服務，可給予客戶有溫度的數字服務體驗。通過靈活調節遠程坐席與線上、線下渠道的連接布放，可以較大程度提升金融機構的運轉效能。金融行業既往服務模式痛點及訴求 實時音視頻在金融行業的應用場景及價值式

視頻客服

客情管理

營銷洽談

營銷直播 銀行信托經營成本金融業擴張速度及效益水平放緩，營業網點資源配置參差不齊、忙閑不均，線下盈利端承壓。 銀行信托經營成本金融業擴張速度及效益水平放緩，營業網點資源配置參差不齊、忙閑不均，線下盈利端承壓。 客情管理 在線客服的標準化算法，難以及時解決復雜需求；且可視化程度低，無法及時捕捉客戶情緒變化。

現場視頻客戶&工作人員同側+非網點場景

營銷場景保險服務范圍保險服務范圍服務半徑有限，時間、空間限制難突破；獲客、活客的營銷觸達方式也存在諸多制約。 業務支撐 支撐的業務種類有限，很多基礎業務依然依賴于線下營業網點。融合線上、線下能力的新型數字化渠道2020-2024年中國遠程視頻銀行市場規模及預測41.6 17.820202021e2022e2023e2024e中國遠程視頻銀行市場規模（億元）客戶+遠程坐席引導

自助視頻消費金融客戶+消費金融RPA流程引導證券證券金融租賃業務場景金融租賃柜面服務遠程理財遠程信貸遠程投保遠程定損實時雙錄首次風評遠程盡調面審面簽遠程認證來源：市場調研；專家訪談；艾瑞咨詢研究院自主研究及繪制。 來源：艾瑞咨詢研究院自主研究及繪制。金融行業場景應用案例：臺州銀行金融行業場景應用案例：臺州銀行 PAGE40?2022.8iResearchInc.音視頻能力貫通渠道創新戰略，構建“24H在線移動營業廳”臺州銀行始建于1988年，是全國首家以市場化方式組建的城市商業銀行。為提升銀行服務效率，優化客戶服務渠道，臺州銀行與飛虎互動達成深度合作。飛虎互動為臺州銀行提供一整套互動視頻作業中臺能力，以智能手機為主要服務載體，打通傳統業務流程，打造符合客戶需求、具備金融級安全的“24H在線移動營業廳”。客戶可通過移動營業廳APP、客服PAD等多種方式，輕松接入視頻銀行，在遠程坐席的引導協助下，完成多類業務的實時辦理。同時，“集中作業中心+分支網點人員協同”的視頻作業模式，可充分激活閑時網點柜員的服務產能。“24H在線移動營業廳”的建設，構筑臺州銀行數字化轉型新優勢，成為擴大服務半徑、增強客戶觸達、優化業務流程的數字化轉型新渠道。飛虎互動×臺州銀行：“24H在線移動營業廳”助力業務提質提效移動營業廳運營模式 項目運營成效 解答、引導、辦理，全程專業服務……貸款類理財類解答、引導、辦理，全程專業服務……貸款類理財類信用卡類信息維護類賬戶簽約類“10+N”模式，總行統籌調度業務高峰，彈性擴充分行/支行網點柜面候補視頻坐席集中作業中心10+專職視頻坐席隨時隨地輕松接入……客服PAD移動工作站移動營業廳APP

視頻銀行坐席7*24H響應

銀行傳統業務遠程辦理

萬全流程金融級安全保障，雙錄質檢滿足監管要求RTC+AI+RPA底層能力全流程金融級安全保障，雙錄質檢滿足監管要求RTC+AI+RPA底層能力互動視頻作業組件前端接入渠道互動視頻中臺1500+

92%單交易綜合服務成本來源：艾瑞咨詢研究院自主研究及繪制。金融行業場景應用案例：山東國信金融行業場景應用案例：山東國信以音視頻升級傳統雙錄，打造創新、安全的現代化金融服務山東省國際信信托股份有限公司（簡稱“山東國信”）是經中國人民銀行和山東省人民政府批準設立的非銀行金融機構。為把握數字化轉型機遇，山東國信以“數據+科技”為戰略引擎打造智慧信托。2021年，山東國信與中關村科金建立合作關系，基于中關村科金實時音視頻+AI人工智能+流程自動化技術，對傳統雙錄系統進行智能化升級，實現全場景、全渠道的7×24小時展業雙錄支持。通過對雙錄過程中的每個流程節點進行實時視頻質檢和音頻質檢，該智能雙錄中關村科金信托行業智能音視頻解決方案遠程盡調中關村科金信托行業智能音視頻解決方案遠程盡調視頻客服遠程面簽消金自助面簽合規雙錄家族信托自助視頻現場視頻遠程視頻視頻通話音頻通話自助視頻現場視頻遠程視頻視頻通話音頻通話房間管理白板畫筆桌面共享區域共享視頻審核視頻檢索租戶管理成員管理信令服務……視頻轉碼視頻水印視頻錄制視頻合流視頻抽幀集成AI能力視頻質檢集成 音頻質檢集成虛擬背景集成 虛擬人集成ASR集成 三方能力集成傳輸加密實時監控音頻降噪音頻合流音效處理實時音視頻實時消息TTS通道數據加密……服務質量保障系統告警系統全鏈路質量監控客戶端日志 日志埋點 服務端日志性能監控流量監控……負載均衡智能調度對象存儲容器云

中關村科金×山東國信：RTC+AI+RPA打造智能雙錄系統信托業務關聯系統全程自助體驗信托業務關聯系統提供一站式7×24小時線上服務，基于RTC實時音視頻+AI人工智能+RPA流程自動化技術，讓用戶可以利用手機隨時隨地可完成風險評估、預約認購、視頻雙錄、線上簽約。科技護航財富山東國信將中關村科金的得助AI智能視頻云深度融入信托服務系統，實現全場景科技賦能，無障礙跨時空、跨地域提供高品質金融服務。構筑安全防線在活體檢測、人臉識別、ASR語音識別、NLP語音處理等技術支持下，山東國信APP安全的雙重需求。來源：艾瑞咨詢研究院自主研究及繪制。醫療行業實時音視頻需求及實踐醫療行業實時音視頻需求及實踐推動醫療服務下沉與資源分級協作，針對性解決就醫難題優質醫療資源分布不均、基層醫療資源利用不充分、問診流程冗長復雜，始終是患者“看病難、看病煩”的根源問題。同時，由于專業屬性較強、合規要求嚴格，醫療行業的協作壁壘較高，醫療體系內部也長期存在資源互動困難、遠程協作低效等難題。實時音視頻作為醫療行業數字化轉型的重要能力，可以為慢性病、常見病和部分專病患者提供診前咨詢、診中判斷、診后回訪的全流程醫療服務，免去線下就醫的諸多困擾。同時，實時音視頻技術在遠程會診、遠程協診、遠程影像方面的應用，不僅可以促進更加高效的醫醫協作模式，還可以推動醫聯體內醫療資源的分級協同與廣泛下沉。醫療行業既往服務模式痛點及需求 實時音視頻在醫療行業的應用場景及價值患者端分級診療落實難患者端分級診療落實難資源利用不充分。線下就醫成本高進治療流程。遠程問診無需線下奔波即可一鍵呼叫遠程醫生進行在線復診，并開立電子處方醫療資源分布不均城鄉醫療資源在專業醫師、專業儀器設備、醫院/診所數量方面差距巨大。醫療資源分布不均城鄉醫療資源在專業醫師、專業儀器設備、醫院/診所數量方面差距巨大。遠程協作效率低部分醫療場景需要4k/8k高清視頻的實時傳輸及多路音視頻流醫院/醫生端的實時同步；且跨醫院/地區網絡環境與終端設備情況復雜，遠程協同效率有限。提供診前診后的專業指導，遠程專家可同時解答多位同類型患者需求遠程監護通過連接設備,對出院及住院進行患者生命體征實時的監測。2020年中國用戶互聯網+醫療行為調查在線問診 2020年中國用戶互聯網+醫療行為調查在線問診 85.9%預約掛號慢病管理醫療需求在線購藥67.1%62.6%56.3%用戶比例（%）遠程醫生可以充分把握搶救黃金時間，提供具有針對性的實時指導

醫醫協同 遠程會診穩定高速網絡，支持高清畫質下的病理實時閱片與影像實時標注。遠程協診醫療專家可以實時連線現場醫生，協助作出醫療診斷，推動服務下沉。遠程影像支持影像、超聲、心電圖、肌電圖、腦電圖等遠程查看與實時共享。手術示教互動答疑提升教學效果；多路音視頻流實時對齊，提供安全手術環境。 專業便捷的診療通道快速響應的專業指導專業便捷的診療通道快速響應的專業指導高效實時的協作模式醫療資源的廣泛下沉來源：調研數據為艾瑞咨詢研究院于2020年7月通過iClick在線調研獲取（N=1275）；艾瑞咨詢研究院自主研究并繪制。醫療行業場景應用案例：嘉虹健康醫療行業場景應用案例：嘉虹健康（簡稱“嘉虹健康”）是九州通成立的一家提供互聯網醫療服務運營的科技公司。針對社會公眾“就醫難、買藥難”的痛點問題，嘉虹健康攜手網易云信搭建遠程醫療服務平臺“冪診”，基于網易云信“實時音視頻+IM”等技術，以賦能線下藥店為基礎，為常見病、慢性病復診患者提供安全實時的在線問