引言： 蘋果、Google,、亞馬遜等科技巨頭一致看好的智能音箱市場,，國內(nèi)廠商應(yīng)該如何布局呢?Mediawin一站式音視頻解決方案，讓國內(nèi)客戶快速跟上國際大廠的腳步,。

　　最近,，智能音箱確實(shí)“火”了。在今年的Google I/O大會(huì)上,，內(nèi)置Google Assistant語音助手的智能音箱Google Home讓人印象深刻;在2016 Code conference上,，亞馬遜的Echo智能音箱也被“擺上”臺(tái)面;據(jù)悉蘋果也將推出集成攝像頭,、SIri語音助手的智能音箱。各大巨頭紛紛登場,，F(xiàn)acebook,、百度、騰訊…相信也已經(jīng)不遠(yuǎn)了!

　　實(shí)際上,，智能音箱也僅是音視頻應(yīng)用于物聯(lián)網(wǎng)領(lǐng)域的冰山一角,，還有大量的新興應(yīng)用，比如智能機(jī)器人,、智能門鈴,、VR/AR、智能電烤爐,、智能冰箱,、車載后視鏡等，都需要視頻技術(shù)的支撐,。由此可見,，在物聯(lián)網(wǎng)時(shí)期，音視頻應(yīng)用正迎來“爆發(fā)式”的增加,，眼睛和耳朵將無處不在,。

　　“戴上”耳朵和眼睛，智能硬件世界將會(huì)怎樣

　　智慧教育

　　傳統(tǒng)的課堂教育都是老師在上面講,，而學(xué)生在下面聽;在線教育靈活方便,，在任何地方、任何時(shí)間都能進(jìn)行學(xué)習(xí),，并且自由控制學(xué)習(xí)進(jìn)度,。

　　智慧監(jiān)控

　　傳統(tǒng)的監(jiān)控方式只是將視頻存儲(chǔ)在服務(wù)器，發(fā)生案件之后才去翻看視頻內(nèi)容;智慧監(jiān)控不僅能在線警示,，還能進(jìn)行人臉識(shí)別,、移動(dòng)監(jiān)測、實(shí)時(shí)通訊等功能,。

　　智能兒童陪伴機(jī)器人

　　一般的玩具缺乏趣味,，沒有任何互動(dòng)的功能;智能兒童陪伴機(jī)器人能夠講故事、播放歌曲,、實(shí)時(shí)拍照,、語音交互等功能。

　　智慧汽車

　　功能型汽車的駕駛情況完全依賴于司機(jī)的狀態(tài),，疲勞駕駛,、分心、操作不當(dāng)都可能導(dǎo)致意外事故;無人駕駛汽車是計(jì)算機(jī)系統(tǒng)，能360度全方位的看到路況,，減少事故和人員傷亡,，同時(shí)緩解交通壓力。

　　智慧音響

　　一般的音箱只能播放音樂,，沒有連接互聯(lián)網(wǎng)上海量的資源;智能音箱不僅能聯(lián)網(wǎng),，還可以進(jìn)行語音交互，作為家庭控制中心,，從而通過語音控制家庭中的其他智能設(shè)備,。

　　不過，現(xiàn)在的產(chǎn)業(yè)面臨著融合發(fā)展的趨勢,，沒有一家公司能面面具到,，也很難從技術(shù)、市場到產(chǎn)品都自己搞定,。經(jīng)過《智慧產(chǎn)品圈》的調(diào)研發(fā)現(xiàn),，深圳有一家公司迪韻科技，可以在物聯(lián)網(wǎng)音視頻領(lǐng)域提供一站式解決方案,，其Mediawin平臺(tái)為傳統(tǒng)行業(yè)以及硬件企業(yè)提供“耳朵”和“眼鏡”方案,，僅需3個(gè)月就能讓客戶的產(chǎn)品完成智能化升級(jí)。

　　云+管+端一站式解決方案,，輕松幫助客戶“戴上”眼睛和耳朵

　　為了幫助客戶更快實(shí)現(xiàn)音視頻應(yīng)用,，Mediawin方案平臺(tái)整合了多方面的資源，比如與多家聲學(xué)器件廠商合作定制了麥克風(fēng),、喇叭等聲學(xué)器件;與專業(yè)芯片廠商合作開發(fā)了深度優(yōu)化的音頻處理算法;與語音識(shí)別方案商合作提升語音識(shí)別的準(zhǔn)確率;接入第三方的平臺(tái)提供更多的音視頻應(yīng)用功能等。

　　圖：迪韻科技市場總監(jiān)孫強(qiáng)

　　基于此,，迪韻科技營銷總監(jiān)孫強(qiáng)表示：“Mediawin專注于為客戶提供“云+管+端一站式音視頻解決方案”,，也可以根據(jù)客戶的不同需求，比如白牌企業(yè)可能需要完整的音視頻解決方案,、大企業(yè)可能僅需要底層處理算法支持,、方案商需要整合專業(yè)的處理算法+云平臺(tái)資源等，提供定制化的軟硬件方案服務(wù),?！?/p>

　　Mediawin云+管+端一站式解決方案

　　在設(shè)備端，Mediawin平臺(tái)針對(duì)各種嵌入式產(chǎn)品,，擁有完善的硬件解決方案,，比如專業(yè)的音腔設(shè)計(jì)、音視頻器件選型,、聲學(xué)場景優(yōu)化,、音視頻模組等，能幫助企業(yè)簡化6大音視頻開發(fā)難題,。另外,，在云平臺(tái)方面,，不同市場對(duì)音視頻云平臺(tái)的需求會(huì)有所差別，比如在線教育需要一對(duì)多實(shí)時(shí)在線高并發(fā)的模式,，監(jiān)控需要聲源定位,、人臉識(shí)別、語音激活等功能,，音樂需要海量在線資源與點(diǎn)播功能等,。為此，在深入了解不同市場需求的基礎(chǔ)上,， Mediawin進(jìn)行了深度優(yōu)化和定制化,。孫強(qiáng)繼續(xù)向《智慧產(chǎn)品圈》記者表示：“Mediawin平臺(tái)內(nèi)部集成了監(jiān)控云、教育云,、音樂云,、實(shí)時(shí)通訊云等子云平臺(tái)系統(tǒng)，根據(jù)應(yīng)用行業(yè)的需求優(yōu)化子云平臺(tái)的功能和架構(gòu),，以滿足不同行業(yè)的需求,。”

　　Mediawin的6大解決方案

　　就拿常用的智能機(jī)器人多媒體部分為例,，Mediawin平臺(tái)不僅能在設(shè)備端提供MIC陣列模組,、攝像模組、機(jī)器人聲學(xué)結(jié)構(gòu)設(shè)計(jì),、聲學(xué)器件選型等硬件方案和服務(wù),，也提供回聲消除、噪聲抑制,、語音打斷,、聲源定位、人臉識(shí)別,、美顏,、移動(dòng)偵測、人臉識(shí)別等軟件音視頻處理算法,，以及網(wǎng)絡(luò)傳輸協(xié)議,、音視頻編解碼、傳輸延時(shí)監(jiān)測等多媒體傳輸技術(shù),，云端還有設(shè)備注冊管理,、多方視頻會(huì)議、PSTN落地,、云監(jiān)控,、云錄像、云直播等功能，從設(shè)備端,、傳輸管道,、再到云平臺(tái)的一站式設(shè)計(jì)服務(wù)。

　　因此,，在智能監(jiān)控,、機(jī)器人等物聯(lián)網(wǎng)市場，Mediawin平臺(tái)已經(jīng)擁有了成熟的合作案例,，比如奇虎360的智能攝像機(jī),，北京智能管家的布丁機(jī)器人，深圳市藍(lán)機(jī)器人科技的IONE機(jī)器人等智能產(chǎn)品,。

　　“千里眼”“順風(fēng)耳”沒那么簡單,，Mediawin背后解決了哪些技術(shù)難題

　　音視頻傳輸延遲嚴(yán)重不同步：迪韻科技首席技術(shù)官彭遠(yuǎn)疆說道：“由于網(wǎng)絡(luò)環(huán)境的影響，音視頻數(shù)據(jù)包在網(wǎng)絡(luò)上傳輸會(huì)面臨各種挑戰(zhàn),。首先,，一般實(shí)時(shí)音視頻流采用UDP傳輸協(xié)議，容易發(fā)生丟包的情況,，導(dǎo)致接收端花屏和語音失真,。其次，每一個(gè)數(shù)據(jù)包從發(fā)出到被接收的時(shí)間都是不一樣的,，所以需要在接收端引入緩存機(jī)制,。不過緩存越長，抗網(wǎng)絡(luò)抖動(dòng)的效果自然越好,，但是附加延時(shí)也會(huì)越大,，采集端和接收端的時(shí)間差越明顯，在需要音視頻互動(dòng)的場景中體驗(yàn)效果非常差,。最后,，由于網(wǎng)絡(luò)帶寬的限制，丟包率和卡頓概率都會(huì)急劇提高,。”

　　圖：迪韻科技首席技術(shù)官彭遠(yuǎn)疆

　　網(wǎng)絡(luò)傳輸算法是“殺手锏”：Mediawin平臺(tái)在RTP/RTCP傳輸協(xié)議的基礎(chǔ)上,，建立了適合智能設(shè)備的流媒體網(wǎng)絡(luò)傳輸算法模型,，通過對(duì)每一幀的發(fā)射/接收時(shí)間進(jìn)行統(tǒng)計(jì)分析，實(shí)時(shí)估算出當(dāng)前網(wǎng)絡(luò)的延時(shí),、丟包,、帶寬等數(shù)據(jù)，并通過實(shí)時(shí)調(diào)整編碼碼率,、緩沖長度,、重傳策略等，確保在各種復(fù)雜網(wǎng)絡(luò)環(huán)境下的均能保持良好的音視頻傳輸質(zhì)量。另外,，由于采用了國際標(biāo)準(zhǔn)的SIP/ONVIF接入?yún)f(xié)議和TLS/SRTP安全協(xié)議,，Mediawin平臺(tái)不僅能接入各類音視頻硬件，同時(shí)也為最終用戶提供了金融級(jí)的安全保障,。

　　音視頻處理效果差,，產(chǎn)品體驗(yàn)不佳：由于受到周圍自然環(huán)境的影響，比如強(qiáng)光背景,、低亮度環(huán)境,、汽車噪聲、聲音反射等,，硬件設(shè)備端采集到音視頻流需要經(jīng)過復(fù)雜的算法處理,，才可能擁有較好的畫質(zhì)和音效。彭遠(yuǎn)疆表示：“音頻前端如回聲和混響消除,、噪聲抑制,、拾音音量自動(dòng)調(diào)節(jié)等算法均是難點(diǎn)。如若涉及多人視頻,，還需要解決多人語音的混音,、視頻混屏和切換的問題，并且需要保障音頻和視頻的時(shí)間差低于300ms,，否則就會(huì)出現(xiàn)唇音不同步的現(xiàn)象,。”

　　設(shè)備+云聯(lián)動(dòng)音視頻算法“殺手锏”：深度優(yōu)化了底層的音視頻算法,，比如音頻回聲消除,、噪聲抑制、視頻降噪,、白平衡控制,、曝光控制等，在提升效果的同時(shí)還能夠適應(yīng)各種不同的軟硬件平臺(tái),。

　　不過,，在音視頻處理的過程中，不可能將所有的算法都放在設(shè)備端,，而應(yīng)該根據(jù)實(shí)際應(yīng)用情況,，合理的分布在設(shè)備端和云端。彭遠(yuǎn)疆表示：“Mediawin的音視頻云平臺(tái)采用了大規(guī)模的分布式網(wǎng)絡(luò)技術(shù),，可支持多人實(shí)時(shí)在線的大容量并發(fā)和拓展,，集成降噪、混音,、混屏,、轉(zhuǎn)碼,、人臉識(shí)別等各種音視頻處理算法，同時(shí)接入第三方功能,，擴(kuò)充語音識(shí)別,、語義理解、人工智能等服務(wù),?！?/p>

　　未來展望

　　彭遠(yuǎn)疆表示，基于在音視頻方案和技術(shù)上的積累,，Mediawin平臺(tái)不斷拓展垂直生態(tài)的第三方合作伙伴,，開放API接口接入更多的應(yīng)用算法(如摔倒檢測、手勢識(shí)別等),，打造更加龐大的物聯(lián)網(wǎng)音視頻應(yīng)用平臺(tái),。同時(shí)“眼睛”和“耳朵”作為物聯(lián)網(wǎng)的一部分，需要融合到其他行業(yè)生態(tài)中,，Mediawin平臺(tái)希望橫向?qū)悠渌膶I(yè)領(lǐng)域云平臺(tái),，如智慧家庭、智能家居,、智能醫(yī)療等,。