电梯里也能实现清晰语音通话 腾讯针对弱网环境主导制定新一代语音编码标准

6月26日，《每日经济新闻》记者获悉，新一代实时语音编码行业标准AVS3P10即将正式发布。这是一项基于AI神经网络等技术的全新行业标准，解决的是弱网环境下的语音通信质量问题。该标准由腾讯提议启动、推进和维护，经AVS（数字音视频编解码技术标准工作组）多家成员单位共同贡献。

过往的音频传输场景中，在有限的带宽条件下，想要将声音高质量传递到接收方，关键在于压缩原始数据、去除冗余信息的语音编码技术。然而，基于EVS、OPUS等现有主流音频编解码标准，当码率降低到10kbps以下时，语音质量下降明显，影响用户体验。这也造成了在电梯、地库、隧道等弱网环境下实时语音通话不畅的难题。

而本次制定的新标准AVS3P10，解决上述痛点的技术路径是：首先通过建立语音信号处理和深度神经网络，捕捉音频的核心特征，实现大幅度压缩、降低传输的数据量；再借助深度学习网络，重建语音信号，恢复出高质量的声音。在保持高清音质的同时，大幅降低了音频传输的带宽需求，让用户在各种场景下都能享受到既清晰又省流量的音频体验。

《每日经济新闻》记者注意到，AI技术此前在实时语音传输领域已有语音增强、回声消除、降噪、变声、语音识别与合成等研究和应用。例如，字节跳动火山引擎流媒体音频团队曾发布包括语音增强、基于AI编解码、回声消除、无监督自适应语音增强等方面的相关研究成果；阿里巴巴钉钉蜂鸣鸟音频实验室提出了一种基于频—时调制谱的改进型窄带滤波网络（STSubNet）和“一模型，多任务”方案，联合消除实时语音通信中常见的三种干扰音（回声，噪音和混响）。

而腾讯上述标准和技术的发布，意味着AI在实时语音传输新增了一个应用场景和技术路径。

值得一提的是，这一标准以腾讯首款神经网络语音编解码器Penguins为原型，该技术在2021年起逐步落地到腾讯会议车载模式、弱网模式、QQ语音通话等多个产品场景中。那么，为何腾讯会选择推动一项自研技术成为行业标准，并把关键核心技术开放出来？

在6月26日的媒体群访中，腾讯云副总裁、腾讯会议天籁实验室主任商世东回应记者称：“这一标准的制定和技术的开放，能推动整个实时语音通信行业为用户提供更好的技术和产品。”商世东认为，腾讯不怕开放技术，因为技术在具体产品里面怎么使用，以及怎么做到效果和体验最好，取决于很多技术开发细节，这不是拿到开放的源代码就能轻易做到的。“对于同行来说，他们看到这个技术的领先性后，最快在市场上推出产品的方法就是和腾讯一起合作，实现一加一大于二的效果。”他表示。

腾讯标准化高级工程师张亚军认为：“标准化是行业达成共识的形式和方法，也能解决产品设备互联互通的问题。制定标准的过程需要产业链上的各个厂商都加入讨论，比如芯片厂商、终端厂商、互联网APP厂商。并不是说某一家企业技术足够厉害，它就可以吃得下整个‘蛋糕’。标准化可以让大家一起做大‘蛋糕’，一起来推动我们行业的发展。”他还表示，另一方面，虽然标准是开放的，但标准里的技术方案是有相应的专利和IP保护的，因此开放对于腾讯来说并没有太大顾虑。

封面图片来源：视觉中国