DoNews9月4日消息，8月27日，由機械工業(yè)出版社出版，聲網(wǎng)研究院組編的實時互動行業(yè)書籍《讀懂實時互動》正式上架發(fā)售。
全書詳細(xì)介紹了實時互動發(fā)展的過去、現(xiàn)在與未來，涵蓋實時互動的發(fā)展歷程、概念解析、技術(shù)原理、應(yīng)用場景、大數(shù)據(jù)觀察等。
所謂的實時互動（RTE），是指在遠(yuǎn)程條件下讓溝通互動雙方能夠?qū)崟r、真實地還原線下互動的場景和信息傳遞體驗。
實時互動作為一種未來數(shù)字生活的基礎(chǔ)設(shè)施，已經(jīng)全面深入人們的社交、娛樂、工作、購物等方方面面，在當(dāng)下的 AIGC 熱潮中，實時互動也在扮演重要角色。
然而當(dāng)下行業(yè)還沒有一本書系統(tǒng)全面的去介紹這項新興技術(shù)，很多人也不知道RTC（實時音視頻）與 RTE（實時互動）的關(guān)系與區(qū)別。
對此，聲網(wǎng)在成立10周年之際推出了這本書，從多個維度對實時互動展開全面系統(tǒng)性講解。
據(jù)悉，本書獲得了五源資本創(chuàng)始合伙人劉芹、Granite Asia高級管理合伙人符績勛、CSDN創(chuàng)始人兼董事長蔣濤、36氪創(chuàng)始人兼董事長劉成城、清華大學(xué)教授李東紅、北京大學(xué)教授馬思偉、西北工業(yè)大學(xué)教授謝磊、IDC中國副總裁兼首席分析師武連峰等業(yè)界和學(xué)術(shù)界的聯(lián)合力薦。
本書還準(zhǔn)備了豐富且實用的配套資源，包括與實時互動相關(guān)的圖表、圖譜、行業(yè)發(fā)展報告和白皮書等電子文檔供下載，能夠幫助讀者更好的理解和運用。
借著新書上架的機會，DoNews也就AIGC與RTE結(jié)合等熱點問題專門采訪了本書的編者聲網(wǎng)研究院。
聲網(wǎng)研究院認(rèn)為，當(dāng)下人工智能技術(shù)和大模型產(chǎn)業(yè)的飛速發(fā)展，進(jìn)一步拓展了實時互動的技術(shù)邊界與場景邊界，從過去的人人交互到當(dāng)下的人機交互。
一方面，AIGC與RTE的結(jié)合，將為人與AI的交互帶來全新的改變，從普通的文本互動升級為更加低延時的音頻、視頻互動，讓人與AI的交流更加自然、流暢。
另一方面，在RTE的加持下，AIGC 應(yīng)用場景也將迎來爆發(fā)，RTC 技術(shù)的接入將推動當(dāng)下較常見的 AI口語老師、AI客服、AI社交陪聊等場景的 AI 交互體驗進(jìn)一步升級，學(xué)生的學(xué)習(xí)效率更高，社交陪聊場景的娛樂性與沉浸感也進(jìn)一步增強。
同時，在游戲社交、AI分身、實時語音翻譯等場景，對話式多模態(tài)大模型也大有可為。
例如，在《狼人殺》、《誰是臥底》等社交游戲場景，AI NPC 角色雖然已經(jīng)在應(yīng)用，但是 AI 的痕跡還是較為明顯。
在大模型具備實時語音交互能力后，《誰是臥底》中的 AI 角色可以做到快速的推理并發(fā)言，再搭配語音仿真技術(shù)，有望做到 AI 角色的以假亂真。
在實時互動中，不同的應(yīng)用場景的技術(shù)難點會有所不同，在《讀懂實時互動》中聲網(wǎng)也對不同應(yīng)用場景如何解決卡頓率、延遲、畫質(zhì)這些技術(shù)難點進(jìn)行了介紹。
例如，在1v1視頻通話、賽事直播等場景中，用戶對音視頻卡頓率的容忍度很低，聲網(wǎng)通過引入 ABR 自適應(yīng)碼率能力，實現(xiàn)了觀眾端碼率多級、無縫、自適應(yīng)平滑切換，從而保證了低延遲的基礎(chǔ)上，為用戶提供0卡頓、流暢的視頻通話體驗。
而在游戲語音等場景，聲網(wǎng)利用最前沿的技術(shù)來改進(jìn)語音通話體驗。通過推出基于機器學(xué)習(xí)的語音編解碼器“聲網(wǎng) Silver”，聲網(wǎng)能夠在超低碼率下提供32KHz采樣率的超寬帶編碼音質(zhì)。
聲網(wǎng) Silver通過AI降噪算法進(jìn)一步優(yōu)化音質(zhì)與語音自然聽感，解決了在弱網(wǎng)環(huán)境下語音卡頓的問題。
這種技術(shù)在超低碼率下保持了語音的可懂度，同時盡量保持了音色等其他信息，從而在保證通話質(zhì)量的同時，也適應(yīng)了不穩(wěn)定網(wǎng)絡(luò)環(huán)境下的通話需求?。
此外，《讀懂實時互動》書中數(shù)據(jù)顯示，印度、中東、南美等區(qū)域RTC用戶使用低端機占比較高，針對這些硬件配置低的低端機，聲網(wǎng)也專門進(jìn)行了技術(shù)優(yōu)化。
據(jù)介紹，以海外最常見的秀場直播為例，在主播開播后，聲網(wǎng)會通過機型設(shè)備性能打分、視頻大小流等機制為主播自動調(diào)整視頻分辨率，讓高端設(shè)備用戶享受到1080P極致高清，中低端設(shè)備用戶也能實現(xiàn)720P高清直播。
在使用推薦的視頻分辨率設(shè)置后，若依然有部分觀眾反映視頻卡頓，可通過視頻大小流機制對視頻分辨率進(jìn)一步降級。
視頻卡頓的觀眾設(shè)置訂閱主播的視頻小流，主播通過開啟視頻雙流模式并設(shè)置視頻小流的視頻分辨率等屬性，以提供一路分辨率、幀率、碼率較低的視頻流給條件較差的觀眾觀看。
而這部分的內(nèi)容擴展，你同樣可以在《讀懂實時互動》這本書中的第四、第五章中找到。
聲網(wǎng)研究院向DoNews介紹，作為全球?qū)崟r互動云行業(yè)的開創(chuàng)者，聲網(wǎng)一直致力于通過高質(zhì)量的實時音視頻技術(shù)服務(wù)，全面提升人們的實時互動體驗。
希望讀者通過閱讀本書，能夠深入的讀懂實時互動，并掌握實時互動相關(guān)的知識，推動更多的人群加入到這個行業(yè)中來，一起推動行業(yè)的進(jìn)步。
目前，《讀懂實時互動》已登陸京東、當(dāng)當(dāng)?shù)雀鞔箅娚唐脚_及實體書店。
