最近，智能音箱確實“火”了。在今年的Google I/O大會上，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)不遠了！

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

　　“戴上”耳朵和眼睛，智能硬件世界將會怎樣

　　l 智慧教育

　　傳統(tǒng)的課堂教育都是老師在上面講，而學生在下面聽；在線教育靈活方便，在任何地方、任何時間都能進行學習，并且自由控制學習進度。

　　l 智慧監(jiān)控

　　傳統(tǒng)的監(jiān)控方式只是將視頻存儲在服務器，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，還能進行人臉識別、移動監(jiān)測、實時通訊等功能。

　　l 智能兒童陪伴機器人

　　一般的玩具缺乏趣味，沒有任何互動的功能；智能兒童陪伴機器人能夠講故事、播放歌曲、實時拍照、語音交互等功能。

　　l 智慧汽車

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

　　l 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、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)音視頻領域提供一站式解決方案，其Mediawin平臺為傳統(tǒng)行業(yè)以及硬件企業(yè)提供“耳朵”和“眼鏡”方案，僅需3個月就能讓客戶的產(chǎn)品完成智能化升級。

　　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現(xiàn)音視頻應用，Mediawin方案平臺整合了多方面的資源，比如與多家聲學器件廠商合作定制了麥克風、喇叭等聲學器件；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；與語音識別方案商合作提升語音識別的準確率；接入第三方的平臺提供更多的音視頻應用功能等。

　　基于此，迪韻科技營銷總監(jiān)孫強表示：“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+云平臺資源等，提供定制化的軟硬件方案服務?！?/p>

　　迪韻科技市場總監(jiān)孫強

　　Mediawin云+管+端一站式解決方案

　　在設備端，Mediawin平臺針對各種嵌入式產(chǎn)品，擁有完善的硬件解決方案，比如專業(yè)的音腔設計、音視頻器件選型、聲學場景優(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，在云平臺方面，不同市場對音視頻云平臺的需求會有所差別，比如在線教育需要一對多實時在線高并發(fā)的模式，監(jiān)控需要聲源定位、人臉識別、語音激活等功能，音樂需要海量在線資源與點播功能等。為此，在深入了解不同市場需求的基礎上， Mediawin進行了深度優(yōu)化和定制化。孫強繼續(xù)向《智慧產(chǎn)品圈》記者表示：“Mediawin平臺內(nèi)部集成了監(jiān)控云、教育云、音樂云、實時通訊云等子云平臺系統(tǒng)，根據(jù)應用行業(yè)的需求優(yōu)化子云平臺的功能和架構，以滿足不同行業(yè)的需求。”

　　Mediawin的6大解決方案

　　就拿常用的智能機器人多媒體部分為例，Mediawin平臺不僅能在設備端提供MIC陣列模組、攝像模組、機器人聲學結(jié)構設計、聲學器件選型等硬件方案和服務，也提供回聲消除、噪聲抑制、語音打斷、聲源定位、人臉識別、美顏、移動偵測、人臉識別等軟件音視頻處理算法，以及網(wǎng)絡傳輸協(xié)議、音視頻編解碼、傳輸延時監(jiān)測等多媒體傳輸技術，云端還有設備注冊管理、多方視頻會議、PSTN落地、云監(jiān)控、云錄像、云直播等功能，從設備端、傳輸管道、再到云平臺的一站式設計服務。

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

　　“千里眼”“順風耳”沒那么簡單，Mediawin背后解決了哪些技術難題

　　音視頻傳輸延遲嚴重不同步：迪韻科技首席技術官彭遠疆說道：“由于網(wǎng)絡環(huán)境的影響，音視頻數(shù)據(jù)包在網(wǎng)絡上傳輸會面臨各種挑戰(zhàn)。首先，一般實時音視頻流采用UDP傳輸協(xié)議，容易發(fā)生丟包的情況，導致接收端花屏和語音失真。其次，每一個數(shù)據(jù)包從發(fā)出到被接收的時間都是不一樣的，所以需要在接收端引入緩存機制。不過緩存越長，抗網(wǎng)絡抖動的效果自然越好，但是附加延時也會越大，采集端和接收端的時間差越明顯，在需要音視頻互動的場景中體驗效果非常差。最后，由于網(wǎng)絡帶寬的限制，丟包率和卡頓概率都會急劇提高?！?/p>

　　迪韻科技首席技術官彭遠疆

　　網(wǎng)絡傳輸算法是“殺手锏”：Mediawin平臺在RTP/RTCP傳輸協(xié)議的基礎上，建立了適合智能設備的流媒體網(wǎng)絡傳輸算法模型，通過對每一幀的發(fā)射/接收時間進行統(tǒng)計分析，實時估算出當前網(wǎng)絡的延時、丟包、帶寬等數(shù)據(jù)，并通過實時調(diào)整編碼碼率、緩沖長度、重傳策略等，確保在各種復雜網(wǎng)絡環(huán)境下的均能保持良好的音視頻傳輸質(zhì)量。另外，由于采用了國際標準的SIP/ONVIF接入?yún)f(xié)議和TLS/SRTP安全協(xié)議，Mediawin平臺不僅能接入各類音視頻硬件，同時也為最終用戶提供了金融級的安全保障。

　　音視頻處理效果差，產(chǎn)品體驗不佳：由于受到周圍自然環(huán)境的影響，比如強光背景、低亮度環(huán)境、汽車噪聲、聲音反射等，硬件設備端采集到音視頻流需要經(jīng)過復雜的算法處理，才可能擁有較好的畫質(zhì)和音效。彭遠疆表示：“音頻前端如回聲和混響消除、噪聲抑制、拾音音量自動調(diào)節(jié)等算法均是難點。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間差低于300ms，否則就會出現(xiàn)唇音不同步的現(xiàn)象。”

　　設備+云聯(lián)動音視頻算法“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，在提升效果的同時還能夠適應各種不同的軟硬件平臺。

　　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備端，而應該根據(jù)實際應用情況，合理的分布在設備端和云端。彭遠疆表示：“Mediawin的音視頻云平臺采用了大規(guī)模的分布式網(wǎng)絡技術，可支持多人實時在線的大容量并發(fā)和拓展，集成降噪、混音、混屏、轉(zhuǎn)碼、人臉識別等各種音視頻處理算法，同時接入第三方功能，擴充語音識別、語義理解、人工智能等服務?！?/p>

　　未來展望

　　彭遠疆表示，基于在音視頻方案和技術上的積累，Mediawin平臺不斷拓展垂直生態(tài)的第三方合作伙伴，開放API接口接入更多的應用算法（如摔倒檢測、手勢識別等），打造更加龐大的物聯(lián)網(wǎng)音視頻應用平臺。同時“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平臺希望橫向?qū)悠渌膶I(yè)領域云平臺，如智慧家庭、智能家居、智能醫(yī)療等。