1999年， 當時還叫OICQ的聊天軟體發佈了一個新版本， 語音通話功能被正式加入， 隨後， 視頻通話也被加入。 18年後的今天， QQ的月活躍用戶已經超過8億， 一個更驚人的數字是， 最多的時候， QQ使用者每天的音視頻通話時長達12億分鐘。
在QQ發展過程中， 其背後的音視頻通信技術也經歷了對外採購， 到成立QQ音視頻技術中心， 自研引擎， 再發展壯大為騰訊音視頻實驗室， 開放自研的SPEAR音視頻引擎的過程。 現在， 隨著全民直播時代的到來， 騰訊又研發並開放了一體化的直播解決方案， 並將騰訊直播SDK應用於鬥魚、虎牙、快手等頂級的直播平臺。
日前， 騰訊音視頻實驗室負責人劉曉宇接受了雷鋒網的採訪， 聊了聊這些問題， 並向我們介紹了精細化運營及5G技術來臨之際， 直播會有哪些更新鮮的玩法。
（騰訊音視頻實驗室負責人劉曉宇）
騰訊音視頻實驗室：從無到有， 再到支持每天12億分鐘通話
遙遠的斯坦福校園內， 一位機器學習教授上課的場景被高清攝像機捕捉的畫面， 通過編碼器壓縮， 以分段發送的方式， 通過互聯網傳輸到你的電腦上， 再由播放機進行即時解壓縮處理， 你就能學習到最前沿的課程。
流媒體技術給互聯網帶來了無限的活力， 而當場景變成音視頻通訊時， 背後的技術就不止複雜了一倍。 除了雙向的回饋， 即時通訊對延遲的要求也變得非常高；另外， 回聲處理也成了新的問題， “我聽到你的聲音出來了， 我也要說話， 這個過程中麥克風是一直開著的， 假如不處理回聲， 你的聲音會被再次採集進去，
在騰訊大廈的騰訊音視頻實驗室內， 劉曉宇向雷鋒網做了一個小科普。 2005年， 他加入騰訊， 負責QQ應用層的架構設計， “除了底層的公共元件， 好友面板、消息視窗， 包括空間、音樂、郵箱等外掛程式化功能， 可以理解為你能看到的QQ介面展示出的東西， 都是我們開發的。 ”
2011年， 騰訊正式成立了音視頻中心， 劉曉宇被任命為負責人。 儘管QQ在1999年就有了音視頻通話功能， 但很長一段時間， 騰訊都依靠騰訊研究院和協力廠商技術提供商， 沒有獨立的團隊負責音視頻通訊。
成立音視頻中心， 是因為騰訊覺得音視頻會是未來的一個爆發點， 還有一個重要原因， 當時採購自GIPS（後被Google收購）的技術方案， 是一個“黑盒子”， 出現問題時自己無法找出原因，
劉曉宇介紹， 在音視頻通訊中， 網路問題一直是一個技術難點。 檢測網路頻寬， 以平衡視頻品質和傳送速率的頻寬探測， 處理丟包、抖動， 都需要很深的技術積累。 另外， 隨著移動互聯網的發展， 設備碎片化越來越嚴重， 適配不同的設備又成了巨大的問題， “我們經常要適配系統的問題， 有時候會出現很戲劇化的事情。 ”有一個版本的QQ， 騰訊特意為適配不好的小米手機做了優化， 但版本還沒發佈， 小米就發現了問題， 自己率先做了優化。 互相適應， 結果又有問題了。
（為了測試QQ在不同網路中的音視頻通話品質， 騰訊音視頻實驗室拉了10多條和使用者真實情況一樣的寬頻， 涵蓋各個運營商、教育網等）
音視頻中心的發展壯大， 推動了QQ音視頻通話功能的不斷革新。 現在， QQ使用者每天的音視頻通話時長達12億分鐘。 2015年11月， 騰訊正式開放自研的SPEAR音視頻引擎， 將包括流控策略控制雲端化、通道智慧化/多通道備份機制、分散式混音和雲混音、跨平臺通信協定設計、提供跨平臺用戶端引擎SDK、預連接設計、雙人/多人通話平滑切換、通話客觀品質評測體系等特性帶給更多的開發者。
2016年，騰訊音視頻實驗室正式成立，最初成立時只有7個人的音視頻中心，如今已有80多人。除了繼續保障QQ的音視頻通話，將它的能力開放出來，在企業級市場上有所作為，也成了音視頻實驗室的新任務。
從音視頻通話到直播：技術、需求都要隨人性而改變
2015年，隨著4G和智慧手機的普及，移動直播開始成為一個新的熱點。其實在技術上，直播並不是一個新興的東西，早在2008年前後，六間房就開始嘗試使用Flash的技術進行網頁直播。
從網頁直播到移動直播，用戶的需求沒變，但使用的網路環境、設備、直播環境都在發生變化。例如，移動直播要解決Wi-Fi、移動網路的切換問題；而在不同的空間裡，保證音質、視頻流暢以及光線平衡，又對技術提出了新的挑戰。劉曉宇向雷鋒網舉了個例子，最早做音視頻通訊時，騰訊向GIPS採購的音視頻通話方案經常會遇到投訴，其中的一個重要原因是中國複雜的網路環境，比如南北通問題、使用者糟糕的網路連接等。
（消音實驗室，關閉大門安靜時分貝數僅為17，可以保證每次測試環境的一致）
在應對移動直播時，類似的問題同樣存在，這就需要移動技術提供商針對不同的環境進行優化，其中弱網專項優化、搶頻寬的能力、手機性能優化、機型適配、後臺轉碼能力等，都會直接影響直播間穩定、清晰度，連麥的即時性和溝通的順暢。
另外，據劉曉宇介紹，因為用戶觀看直播的微妙習慣，技術策略上也要做相應的調整。例如，在以前的視頻通話中，使用者的主要需求是低延時，所以當網路不好時，系統會自動降低視頻清晰度。但是在直播中則完全相反，“寧可卡一點，延遲稍微大一點，也不要把解析度降下來”；在研究中，劉曉宇的團隊還發現，用戶在觀看直播時非常隨性，會習慣性地滑到下一個直播，這就需要系統提前緩存畫面，讓使用者快速切換直播。
現在，騰訊已經有了一整套的直播技術解決方案，只需要幾行代碼，就可以讓企業接入騰訊直播模組，擁有騰訊的直播技術支援。
這套音視頻直播AVL（Audio Video Live）方案，依託騰訊的SPEAR音視頻通信引擎，通過騰訊直播SDK可打造跨平臺一對多、多對多的超清酷炫直播場景。除了能夠提供基礎的高清、秒開、高音質、轉碼、鑒黃能力外，還具備連麥、即時錄製、音訊直播、美顏、浮水印、混音、IM等特色能力。同時兼具旁路直播、螢幕分享、人臉識別、濾鏡、掛件等“冷僻”能力，全部能力達到17項之多，是目前能力覆蓋最全的主流直播SDK。其流暢度、音質、低延遲、下行抗丟包4項指標位居行業第一，其他核心資料也接近行業最佳。
（測試真實通話時的品質，過程中的各項資料都會被即時記錄下來）
音視頻直播AVL 的一個重要應用是直播中的連麥，現在，鬥魚、虎牙和快手，都使用了這個服務。鬥魚直播產品規劃經理汪楚峰也接受了雷鋒網的採訪，據他介紹，成立於2014年的鬥魚，現在每天開播的直播間數量超過4萬，每天的活躍用戶超過2000萬。
2015年，鬥魚開始使用騰訊提供的直播連麥功能，除了低延遲，騰訊還提供了虛擬裝扮、主播變聲等特色功能，另外在音樂場景中，騰訊對麥克風收音和音質提高上也有深入的優化。
垂直場景、語音辨識、VR，新技術之下直播還有新玩法
今年初的春節期間QQ視頻通話裡做了一個視頻表情彩蛋的玩法，說出“麼麼噠”螢幕上會出現紅唇表情，說“新年快樂”、“恭喜發財”也會有對應的驚喜表情。
這只是語音辨識在視頻通話上的初步應用。直播平臺的競爭已經出現“大魚吃小魚”的態勢，在劉曉宇看來，技術將成為直播平臺差異化的一個突破點。
今年，NOW直播已經開始測試綠幕直播，當用戶在直播過程中，環境背景為指定綠色時，可替換任意手機相冊內的照片或視頻。這種應用在電影製作中的技術，可以讓直播有更創新的玩法，有分析人士認為，它可以應用於二次元主題直播。接下來騰訊也會將該能力集成到直播SDK中去，開放給更多直播平臺使用。
（Now直播的綠幕直播）
現在的直播，秀場和遊戲直播占了絕大多數，但同時，也開始出現越來越多的垂直場景，如金融、教育類直播，在這類場景中，除了主播和觀眾，還涉及到螢幕，現在，騰訊的直播技術已經能解決三方同步、滿足螢幕解碼和CPU控制的問題。
另外，VR直播曾經被高度看好，劉曉宇告訴雷鋒網，目前VR直播的技術障礙主要在於，要保證多人同時觀看的沉浸式體驗，直播源就要傳輸360度的全量資料，而這個資料量是非常龐大的；另外，在採集全景視頻時，畫面疊加部分的拼接、分割，鏡頭的矯正都還有很長一段路要走。
不過，科技行業永遠是進步最快的領域，根據工信部和三大運營商的規劃，2020年，中國5G將正式商用，劉曉宇說，“和4G相比，5G會是一種質變，我們會時刻關注這裡的技術發展。”
2016年，騰訊音視頻實驗室正式成立，最初成立時只有7個人的音視頻中心，如今已有80多人。除了繼續保障QQ的音視頻通話，將它的能力開放出來，在企業級市場上有所作為，也成了音視頻實驗室的新任務。
從音視頻通話到直播：技術、需求都要隨人性而改變
2015年，隨著4G和智慧手機的普及，移動直播開始成為一個新的熱點。其實在技術上，直播並不是一個新興的東西，早在2008年前後，六間房就開始嘗試使用Flash的技術進行網頁直播。
從網頁直播到移動直播，用戶的需求沒變，但使用的網路環境、設備、直播環境都在發生變化。例如，移動直播要解決Wi-Fi、移動網路的切換問題；而在不同的空間裡，保證音質、視頻流暢以及光線平衡，又對技術提出了新的挑戰。劉曉宇向雷鋒網舉了個例子，最早做音視頻通訊時，騰訊向GIPS採購的音視頻通話方案經常會遇到投訴，其中的一個重要原因是中國複雜的網路環境，比如南北通問題、使用者糟糕的網路連接等。
（消音實驗室，關閉大門安靜時分貝數僅為17，可以保證每次測試環境的一致）
在應對移動直播時，類似的問題同樣存在，這就需要移動技術提供商針對不同的環境進行優化，其中弱網專項優化、搶頻寬的能力、手機性能優化、機型適配、後臺轉碼能力等，都會直接影響直播間穩定、清晰度，連麥的即時性和溝通的順暢。
另外，據劉曉宇介紹，因為用戶觀看直播的微妙習慣，技術策略上也要做相應的調整。例如，在以前的視頻通話中，使用者的主要需求是低延時，所以當網路不好時，系統會自動降低視頻清晰度。但是在直播中則完全相反，“寧可卡一點，延遲稍微大一點，也不要把解析度降下來”；在研究中，劉曉宇的團隊還發現，用戶在觀看直播時非常隨性，會習慣性地滑到下一個直播，這就需要系統提前緩存畫面，讓使用者快速切換直播。
現在，騰訊已經有了一整套的直播技術解決方案，只需要幾行代碼，就可以讓企業接入騰訊直播模組，擁有騰訊的直播技術支援。
這套音視頻直播AVL（Audio Video Live）方案，依託騰訊的SPEAR音視頻通信引擎，通過騰訊直播SDK可打造跨平臺一對多、多對多的超清酷炫直播場景。除了能夠提供基礎的高清、秒開、高音質、轉碼、鑒黃能力外，還具備連麥、即時錄製、音訊直播、美顏、浮水印、混音、IM等特色能力。同時兼具旁路直播、螢幕分享、人臉識別、濾鏡、掛件等“冷僻”能力，全部能力達到17項之多，是目前能力覆蓋最全的主流直播SDK。其流暢度、音質、低延遲、下行抗丟包4項指標位居行業第一，其他核心資料也接近行業最佳。
（測試真實通話時的品質，過程中的各項資料都會被即時記錄下來）
音視頻直播AVL 的一個重要應用是直播中的連麥，現在，鬥魚、虎牙和快手，都使用了這個服務。鬥魚直播產品規劃經理汪楚峰也接受了雷鋒網的採訪，據他介紹，成立於2014年的鬥魚，現在每天開播的直播間數量超過4萬，每天的活躍用戶超過2000萬。
2015年，鬥魚開始使用騰訊提供的直播連麥功能，除了低延遲，騰訊還提供了虛擬裝扮、主播變聲等特色功能，另外在音樂場景中，騰訊對麥克風收音和音質提高上也有深入的優化。
垂直場景、語音辨識、VR，新技術之下直播還有新玩法
今年初的春節期間QQ視頻通話裡做了一個視頻表情彩蛋的玩法，說出“麼麼噠”螢幕上會出現紅唇表情，說“新年快樂”、“恭喜發財”也會有對應的驚喜表情。
這只是語音辨識在視頻通話上的初步應用。直播平臺的競爭已經出現“大魚吃小魚”的態勢，在劉曉宇看來，技術將成為直播平臺差異化的一個突破點。
今年，NOW直播已經開始測試綠幕直播，當用戶在直播過程中，環境背景為指定綠色時，可替換任意手機相冊內的照片或視頻。這種應用在電影製作中的技術，可以讓直播有更創新的玩法，有分析人士認為，它可以應用於二次元主題直播。接下來騰訊也會將該能力集成到直播SDK中去，開放給更多直播平臺使用。
（Now直播的綠幕直播）
現在的直播，秀場和遊戲直播占了絕大多數，但同時，也開始出現越來越多的垂直場景，如金融、教育類直播，在這類場景中，除了主播和觀眾，還涉及到螢幕，現在，騰訊的直播技術已經能解決三方同步、滿足螢幕解碼和CPU控制的問題。
另外，VR直播曾經被高度看好，劉曉宇告訴雷鋒網，目前VR直播的技術障礙主要在於，要保證多人同時觀看的沉浸式體驗，直播源就要傳輸360度的全量資料，而這個資料量是非常龐大的；另外，在採集全景視頻時，畫面疊加部分的拼接、分割，鏡頭的矯正都還有很長一段路要走。
不過，科技行業永遠是進步最快的領域，根據工信部和三大運營商的規劃，2020年，中國5G將正式商用，劉曉宇說，“和4G相比，5G會是一種質變，我們會時刻關注這裡的技術發展。”