第347章 强得有点超模了。。＆內部掣肘（2 / 4）
其一，语音编解码技术。
当前主流的语音编解码算法，如amr、spee、ilbc、celt等，基本都已开源或標准化。
在开源算法的基础上，进行定製化开发，或是直接使用成熟的语音处理库，开发一套“语音对讲”系统，说不上容易，但也没什么太大的难度。
一两个月的事儿而已。
但想要达到微信的水平，几乎不可能。
微信应该是採用了已开源的celt算法，结合某种自研的增强算法，自研了混合型解编码器。
使得微信在强网环境下，使用celt的高音质模式：
弱网时，自动切换至抗丟包模式，音质下降，但传输稳定性增强。
中间似乎还夹著层自研的“前向纠错算法”，可恢復部分丟包数据。
其二，传输协议。
这一点就不用多说了。
微信几乎完全重构了实时通信底层逻辑，大幅降低了延迟和丟包率，提升了宽带利用率。
这种硬核底层技术，所带来的用户体验上的差距，是没有捷径可走的，只能一步步追赶。
好在，总部那边已经加大投入研发了。
其三，音频处理技术。
微信採用了某种全链路降噪技术，以及实时回声消除技术。
前端似乎是通过自適应滤波算法，结合语音端点检测，降低了嘈杂环境下的背景噪声。
如地铁、商超、公交车等等。
后端则是在伺服器端，对语音进行二次降噪，同时抑制回声，以解决语音中的“啸叫”、“炸麦”问题。
这一部分，微信用的是什么算法模型，张晓龙完全看不出来。
深度学习模型吗？
但这年头哪来的用移动端深度学习框架啊。。
可话又说回来，这种不科学的现象，出现在极光身上，似乎还挺合理的。。
最后，流量优化技术。
微信似乎是採用了某种算法，对编码后的语音数据，进行了二次压缩，同时对协议层进行了优化，超精简协议头。
使得其能在保持音质的情况下，大幅降低了流量消耗。
跟核心团队一番分析下来，张晓龙惊嘆之余，也有些头皮发麻。
通过混合编解码+重构通信协议栈+智能优化的组合，微信在音质、流量、延迟等核心指標上，有著近乎统治级的竞爭力。
產生的最直接的效果就是一一消息及时，音质清晰，流量省一半。
朴实无华。 ↑返回顶部↑
当前主流的语音编解码算法，如amr、spee、ilbc、celt等，基本都已开源或標准化。
在开源算法的基础上，进行定製化开发，或是直接使用成熟的语音处理库，开发一套“语音对讲”系统，说不上容易，但也没什么太大的难度。
一两个月的事儿而已。
但想要达到微信的水平，几乎不可能。
微信应该是採用了已开源的celt算法，结合某种自研的增强算法，自研了混合型解编码器。
使得微信在强网环境下，使用celt的高音质模式：
弱网时，自动切换至抗丟包模式，音质下降，但传输稳定性增强。
中间似乎还夹著层自研的“前向纠错算法”，可恢復部分丟包数据。
其二，传输协议。
这一点就不用多说了。
微信几乎完全重构了实时通信底层逻辑，大幅降低了延迟和丟包率，提升了宽带利用率。
这种硬核底层技术，所带来的用户体验上的差距，是没有捷径可走的，只能一步步追赶。
好在，总部那边已经加大投入研发了。
其三，音频处理技术。
微信採用了某种全链路降噪技术，以及实时回声消除技术。
前端似乎是通过自適应滤波算法，结合语音端点检测，降低了嘈杂环境下的背景噪声。
如地铁、商超、公交车等等。
后端则是在伺服器端，对语音进行二次降噪，同时抑制回声，以解决语音中的“啸叫”、“炸麦”问题。
这一部分，微信用的是什么算法模型，张晓龙完全看不出来。
深度学习模型吗？
但这年头哪来的用移动端深度学习框架啊。。
可话又说回来，这种不科学的现象，出现在极光身上，似乎还挺合理的。。
最后，流量优化技术。
微信似乎是採用了某种算法，对编码后的语音数据，进行了二次压缩，同时对协议层进行了优化，超精简协议头。
使得其能在保持音质的情况下，大幅降低了流量消耗。
跟核心团队一番分析下来，张晓龙惊嘆之余，也有些头皮发麻。
通过混合编解码+重构通信协议栈+智能优化的组合，微信在音质、流量、延迟等核心指標上，有著近乎统治级的竞爭力。
產生的最直接的效果就是一一消息及时，音质清晰，流量省一半。
朴实无华。 ↑返回顶部↑