一對(duì)一語(yǔ)音聊天場(chǎng)景的技術(shù)難點(diǎn)是什么

（文章來(lái)源：布谷鳥網(wǎng)絡(luò)科技）

視頻聊天時(shí)候，因?yàn)榭梢钥吹奖舜?，?duì)聲音也不那么在意。而純語(yǔ)音聊天時(shí)，人注意力都放在聲音上，對(duì)音質(zhì)的要求更高。

1)整體穩(wěn)定的技術(shù)，1 對(duì) 1 語(yǔ)聊的技術(shù)門檻相對(duì)較低，多人語(yǔ)聊和特定場(chǎng)景相對(duì)復(fù)雜，技術(shù)實(shí)現(xiàn)難度比較大。以pia戲?yàn)槔绻?jīng)常出現(xiàn)卡頓、延遲和聽(tīng)不清的情況，會(huì)將營(yíng)造的劇情氣氛破壞殆盡，主播時(shí)不時(shí)要退出重新登錄，無(wú)法全身心投入，用戶聽(tīng)到的是斷斷續(xù)續(xù)的聲音，不能沉浸到劇情中。

自研的音視頻引擎，通過(guò)抖動(dòng)緩沖技術(shù)、前向糾錯(cuò)技術(shù)、丟幀補(bǔ)償技術(shù)減少網(wǎng)絡(luò)抖動(dòng)和弱網(wǎng)環(huán)境下的延遲，保障語(yǔ)音通話低延時(shí)且清晰。讓用戶在復(fù)雜網(wǎng)絡(luò)環(huán)境和多類型手機(jī)的情況下，也能實(shí)現(xiàn)暢通優(yōu)質(zhì)的語(yǔ)音通話。

2)多人聊天的語(yǔ)音前處理，以KTV語(yǔ)聊房為例，在房間當(dāng)中，有人說(shuō)話聲音、歌聲、伴奏都在房間呈現(xiàn)，每個(gè)人所處的地方，所用的設(shè)備也不一樣，這就有很大可能出現(xiàn)回聲、噪音，或是某個(gè)人設(shè)備不是很好，發(fā)出的聲音很小。

成熟的語(yǔ)音前處理3A技術(shù)：回聲消除(AEC)、噪音抑制(ANS)、音量增益(AGC)，杜絕回聲和嘯叫，降噪而無(wú)損音質(zhì)。這樣歌者能展示甜美歌聲，聽(tīng)眾也有良好的聽(tīng)覺(jué)享受。

3)媒體次要信息同步，而在KTV類的場(chǎng)景中，AB兩人輪麥合唱，如果輪到B唱歌時(shí)發(fā)現(xiàn)歌詞沒(méi)同步，就很難唱下去。這當(dāng)中技術(shù)難點(diǎn)就在于歌詞等媒體次要信息是否能做到同步。支持將非媒體信息注入媒體流中，歌詞等媒體次要信息和音視頻信息放在同一個(gè)媒體通道傳輸?shù)?，做到歌詞與歌聲同步展示果。