在2022阿里云直播峰会上，多位直播工业范畴技能专家与职业先行者，一同讨论超视频化年代视频直播技能的演进趋势与未来开展。会上，阿里云重磅发布了职业首个「视频直播技能最佳实践图谱」，将直播技能归纳总结为7点：云原生、高牢靠、低延时、超高清、智能化、专业性及多场景，本文将对「视频直播技能最佳实践图谱」进行深度解读。

视频直播的趋势便是极致下降延时，其包含传输延时和计算延时。

谈到延时，群众关于延时的理解首要会集在传输延时上，根据视频的延时，可以将视频分成点播、直播、连麦互动、实时互动等。

当传输的延时在3-10秒，这样的视频具有可播送的特点，如：体育赛事直播；
当传输的延时在250-800毫秒之间，可进行沟通、互动，如：互动讲堂连麦等；
当传输的延时下降至50-80毫秒，此刻视频便具有可操控性和沉溺感，如：云实时3D烘托、长途视频操控……

除了传输延时，视频的编解码、高清化等技能的计算也会带来算力的延时。紧随直播的趋势，怎么能将传输延时和计算延时不断下降，为更多直播场景带来技能支撑及幻想空间？

阿里云的直播技能根据云原生的底座和分布式边际节点，经过对传输协议的改造，交融实时媒体处理才能与边际算力，可以大幅有用下降传输延时与计算延时，并经过全球实时流媒体传输网络GRTN（‍Global Real-time Transport Network）、超低延时直播服务RTS（Real-time Streaming）、实时媒体处理才能、视频+AI等技能使用，完成低延时的最佳实践，完本钱钱与体会的最佳平衡，在带来很多通用直播解决方案的一同，也衍生出很多场景化解决方案。

本次峰会发布的职业首个「视频直播技能最佳实践图谱」，是经过阿里云多年的直播技能探究与实践沉积而来的，归纳总结为7大点：云原生、高牢靠、低延时、超高清、智能化、专业性及多场景。

云原生

视频技能便是云原生的最佳实践。

阿里云所倡导的云原生首要有三点：“产品的服务化”，“随意的弹性”，“软硬一体、云边一体、云端一体”，而视频技能恰恰便是云原生的最佳实践。

云的基础设施，包含中心节点、边际节点、CDN网络是保证大规模分发和传输的基础；云原生的软硬一体，能支撑CPU/GPU/FPGA/ASIC等多种软硬件异构方案；云与端的紧密协同和算力分配，能完成云、移动端、Web端、PC端烘托效果共同。

除此之外，云原生的时刻、空间、异构弹性，不仅能支撑数十种事务混跑，云边端计算量化灵敏调整，还能完成100+种实时传输、媒体处理、AI使命多机型异构混跑，给视频事务带来无限的算力的一同将资源充分有用使用起来，大幅下降本钱，衍生出更多新场景。

高牢靠

低延时

GRTN打造最佳流媒体实践场景。

延时指的是主播端的画面传递到用户屏幕所消耗的时刻，当排除网络、码流、设备功能的情况下，在不同的直播场景中选用合适的直播流协议，能大大下降直播的延时。回忆直播的前史，也是直播协议的前史，干流的协议有耳熟能详的HLS、DASH、RTMP等，延时遍及在5s以上，在强互动的需求下，直播协议也在不断向低延时转化，比方：SRT、LL-HLS等。

阿里云在低延时上的最佳实践，首要在两个方面。一是在网络层面，将传统的CDN内容分发网络改造成GRTN全球实时传输网，其定位是根据中心云和边际云的异构节点，构建超低延时、全分布式下沉的通讯级流媒体传输网络。

GRTN目前交融了互联网直播和RTC等多种事务场景的音视频流传输和沟通，并具有很多其他中心技能，如：GRTN构建的双向的实时信令网可以做到切网消息的毫秒级传递，当有一个发布端的媒体流发生网络切换后，订阅的客户端对GRTN内部发生的切换行为是完全无感知的。

二是在这“一张网”上，阿里云打造了超低延时直播服务RTS（Real-Time Streaming）。根据GRTN的短延时直播RTS可以支撑规范H5 WebRTC推播，在千万级并发情况下延时可以控制在1s以内；RTC端到端延时可以控制在250ms左右。观看下方RTS和RTMP的直播协议的比照视频，可以发现在有一定丢包率的情况下，RTS在体会、流畅度和颜色上都相对RTMP有显着的优势。

RTS与RTMP推迟比照视频

超高清

本钱与体会的最佳调和，带来更沉溺、更极致的音视频体会。

关于超高清在视频直播技能中的实践，阿里云自研的s265编码技能能完成高画质低码率，并支撑4K实时编码；支撑AV1编码，较HEVC节省25%以上的码率。群众熟知的“窄带高清”技能，窄高1.0对多场景进行优化，经过RIO和JND智能编码节省码率，窄高2.0自适应视频降噪和内容修正，经过颜色和纹理增强提高人眼片面画质，带来体会和本钱的最佳调和。

与此一同，阿里云在直播技能上还对采集编码传输链路进行优化，全链路支撑4K和8K。在工程上，经过各类算法对帧率、码率、分辨率、颜色等各维度进行提高，无论是老片、瑕疵、人像、仍是动画场景，都能进行修正带来超高清的体会。

除了在云端对视频进行处理，还能在端侧进行超分插帧、降噪、颜色增强等，即使是非HDR的设备，经过颜色增强SDR+技能，也能完成端侧共同的超高清体会。

端侧超高清比照

颜色增强SDR+技能

智能化

在超视频化年代，音视频的智能化是一大趋势。

深度学习能带来各类AI才能的提高，在视频实践上是最好的一个出口。在智能化方面，阿里云的视频直播技能，除了传统的智能配音、智能拆条、智能集锦，还能对音视频内容实时审阅，针对黄反暴恐广告完成精准识别，节省了大量的人工甄别本钱。

经过训练的虚拟人技能，支撑3D头像、Live2D、风格化迁移、虚拟主播等，带来更多XR技能的演进。此外，“智能化”还体现在音频体会上，根据深度学习技能与传统信号处理有机结合的3A技能，能完成智能降噪、杰出人声、无损音乐，并可以广泛使用于各类实时场景。智能语音超分技能，在小模型的情况下仍可保持高音质，这些都是AI与视频结合带来的效果。

“智能降噪”的多场景体会

专业性

专业性，让直播逐步演变成“智播”。

阿里云关于直播技能的专业性体现在多码率、多协议、内容保护和实时制造上，直播逐步演变为“智播”。值得一提的是，在实时制造方面，阿里云将传统导播台云端再造，交融实时翻译、图文包装、动态标签、广告替换等导播创新才能，统筹直播专业性与长途导播优势。

一同，根据多路实时实景抠像，阿里云还曾将“虚拟演播室”搬到冬奥现场。阿里云的“云导播”技能，不仅支撑多种设备、多机位、异地开播，还可以完成双屏、分屏、画中画等开播场景，最大程度贴近直播需求。

互动虚拟演播室助力冬奥

阿里云在直播技能上的专业性结合“云导播”丰富的节目制造方式、更低的本钱，可以广泛使用到广电新媒体、赛事直播、活动直播、商业直播等场景中，帮助客户打破事务瓶颈，更快更好地开展事务。

《这！便是街舞》云导播+帧级别多视角同步

多场景

“直播+”已成为一种趋势，渗透到各个场景。

从场景来看，直播从最早的大型文体直播、电商直播、游戏直播逐步渗透到企业培训、在线教育、广电新媒体场景。阿里云将直播、点播、在线会议的各种算法才能都集成到同一个SDK里边，完成多场景交融的一同，一体化SDK还能按需打包完成灵敏的自定义。

从传统的SDK接入、API接入到“低代码直播样板间”，阿里云直播针对电商直播、在线教育、企业直播等提供一站式接入的场景方案，经过简单的三步对接和十几行代码，让客户轻松接入直播的体会，助力事务的开展。

当前，直播事务已成为数字化社会服务的重要组成部分，越来越多的内容与工业转向“直播+”模式，直播技能开展的未来图景随着市场需求变化愈加明晰。

「视频直播技能最佳实践图谱」正是根据阿里云在直播技能上多年的探究和最佳实践，从直播技能的中心，到直播的全场景覆盖，再到直播技能创新与使用，助力企业深度理解“直播”，打破技能壁垒，携手各行各业在万物互联的浪潮中不断更迭与前行。

「视频云技能」你最值得重视的音视频技能大众号，每周推送来自阿里云一线的实践技能文章，在这里与音视频范畴一流工程师沟通切磋。大众号后台回复【技能】可参加阿里云视频云产品技能沟通群，和业内大咖一同讨论音视频技能，获取更多职业最新信息。

从云原生到智能化，深度解读行业首个「视频直播技术最佳实践图谱」