抛开元宇宙,我们来聊聊音视频技术的未来

原创 鲜枣课堂 2022-01-20 20:37

1872年的某一天,在美国加利福尼亚州的一个酒店里,两个年轻人发生了激烈的争论。


其中一人认为,奔跑的马在跃起的瞬间,四蹄是腾空的。而另一人则认为,马奔跑时,始终有一个蹄子是着地的。


来自英国的摄影师麦布里奇得知此事后,决定通过实验来验证谁对谁错。于是,他借助24台相机,连续拍摄了24张照片,并由此创造了人类历史上第一个“视频”。



不久后,1877年,著名发明家爱迪生在他的“圆筒留声机”上,录下了他亲自朗读的《玛丽有只小羊羔》的歌词。


这短短数秒的声音,成为了人类历史上第一条音频。由此,人类正式进入了音视频时代。




█ 音视频技术的发展和演进


众所周知,人有五感,分别是视觉、听觉、嗅觉、味觉和触觉。通过五感,我们才能感知外部物理世界的存在,享受真实生活的美好。



在人类漫长的历史长河中,文字、图画是记录和传递信息的主要方式。直到前面提及的音视频出现,才将人类记录信息的方式,升级到了一个更高的维度,更加具象化。


音频和视频诞生早期,只能存储在胶片和磁带上,容量有限,也不方便保存和运输。


电影胶片


直到20世纪70-80年代,随着数字录音和摄像技术的不断成熟,唱片公司和电影公司开始采用数字方式录制原始素材,并进行后期制作,掀起了音视频技术的革新浪潮。


在数字技术的支撑下,音视频剪辑变得更加方便快捷。CD、MD、DVD等数字载体的出现,不仅让音质画质大幅改善,还极大地扩充了存储容量,减少了空间占用。


世界上第一款CD播放器,索尼CDP-101(1982年)


到了90年代,个人PC的规模普及,以及互联网的爆炸式发展,再次刺激了音视频技术的飞跃,并将人类全面推向了多媒体时代。


那一时期,互联网先民们疯狂地上传和下载mp3、wav格式的音乐,bmp、jpg格式的图片,还有rm、mov、avi格式的电影。他们不再局限于纯文字的交互方式,而是全面转向了QQ、MSN这样的多媒体通信工具。


与此同时,基于音视频技术发展起来的游戏产业,更是将人们对数字世界的感官体验,推向了更高的层级。人们开始有了对数字虚拟空间生活的早期憧憬和迷恋


“模拟人生”游戏截图


进入21世纪后,随着3G/4G、光纤宽带的高速发展,以及摩尔定律下CPU、内存、硬盘能力的进一步跃升,音视频技术再获突破,几乎可以说是日新月异。


以视频的清晰度为例,一路从早期的标清(320p/480p),发展到高清(720P/1080P),再到超高清(4K/8K),并最终催生了前所未有的人机交互模式——VR/AR(虚拟现实/增强现实)。



VR/AR的出现,第一次让人类感受到什么叫做沉浸式体验。我们与数字世界的交互,从单向异步,变成了双向同步。我们向真正的数字空间生活,迈出了一大步。


2020年,腾讯提出“全真互联网”。2021年,元宇宙火遍出圈。这些都是音视频技术飞速发展的产物。


视频编解码技术的不断演进,信息通信技术的快速迭代,极大地改善了人们的视频观看体验,彻底激发了人们对平行数字空间的渴望和向往,认为这是一种可以实现的梦想。


人们不再满足于使用音视频技术传递真实世界的影像,而是更希望将真实世界的一切元素都“捕捉”下来,转换成无数的比特,存放在硬盘里。这些比特,将成为人们构建数字虚拟世界的素材。



音视频技术的需求变化


元宇宙到底能不能成真,我并不知道答案。但是,音视频技术的需求趋势,却是显而易见的。归纳而言,就是两点:平民化、产业化


近年来,智能手机的普及,专业摄录设备的降价,让越来越多的普通用户有机会进行音视频内容创造和生产。


短视频业务的爆发,以及全民直播的兴起,更是将视频平民化推向了新的高潮。


网红直播带货


几乎在一夜之间,我们就进入了“人人看视频,人人拍视频”的时代。很多优秀的up主或主播,能够通过优质的内容,赚取巨额收益,刺激了人们将视频作为谋生手段的热情。


在这样的情况下,音视频技术需要进一步降低门槛,让更多的人能够更容易地生产内容。


2020年,突如其来的新冠疫情,也间接推动了音视频产业的发展。我们需要借助虚拟空间的延伸,弥补疫情导致的物理空间上的限制。


学生居家学习,企业居家办公,产生了大量的网课、会议视频流量。根据运营商的统计数据,截至2020年底,视频在全网数据流量的占比已接近70%。


远程会议


除了学习和办公之外,产业将视频的应用进行了延伸,发掘了更多的创新场景。


例如,借助视频识别技术,可以对产品进行质量检验,可以对园区进行车辆管理,可以对工地进行安全隐患识别。


再例如,借助VR/AR技术,可以进行人员岗前培训,可以进行远程手术,可以进行远程参观,也可以进行远程设备巡检和故障处理。



也就是说,视频不再仅仅是娱乐工具,而是变身为生产力工具。


各个领域和垂直行业,都希望借助音视频技术,升级和改造现有生产场景,提升效率,降低成本。


企业希望充分利用音视频技术,但是,也面临着对技术门槛和资源投入的担忧,望而却步。


我们现在每天都在讨论数字化转型,其实,“音视频+垂直行业”,就是企业数字化转型的一个极佳入口。行业音视频,即将进入爆发期。



█ 音视频技术的未来方向


刚才说的是外部需求的变化。接下来,我们看看音视频技术是如何应对变化的。


简而言之,就是三点:算法极致化功能智能化服务平台化


音视频的性能指标提升,一直没有停止前进的脚步。


尤其是视频方面,因为高清显示技术的驱动,使得视频的分辨率不断增长。除了分辨率之外,视频的帧率要求,也在增加。


还有VR视频,因为含有三维的时间和空间信息,所以冗余更高,数据体积更大。


想要实现超高清高帧、VR/AR视频应用的普及,仅仅依靠增加硬盘容量和通信带宽是不够的,必须尽可能压缩视频的体积。这就离不开视频压缩算法的持续改进

目前,全球视频编码标准分为多个派系。除了大家熟悉的H.26X系列(ITU-T主导)之外,还有MPEG系列(ISO/IEC主导),AVS系列(国内AVS组织主导),以及免费开源的AV1等。


来自知乎用户:甜草莓


这些标准,形成了开放的竞争关系,不断探索着视频算法的极限。它们是视频技术向前发展的基础。


除了硬指标提升之外,音视频的另一个发展趋势,就是全面智能化时代的到来


换言之,就是AI人工智能技术不断被引入到音视频领域,帮助提升音视频内容的生产效率,同时创新出更多的玩法。



首先看看音频。


AI+音频,可以实现对音频信号的智能识别、编创。具体识别对象,可以是歌曲中的鼓点、节奏点。


AI可以针对音乐的强度、情绪、风格、情感等维度,对音乐进行理解和打标签。在编创时,AI可以将音乐中人声、伴奏、吉他、钢琴等音轨进行智能分离。


AI还可以自动对歌词进行续写,将一首流行歌曲,改编成一首Rap(说唱音乐)。



再看看视频。


做过视频的人都知道,视频内容创作的大部分工作量,都集中在视频内容剪辑和渲染上,既费时又费力。


相比于传统的人工剪辑,基于算法和学习,AI可以对视频素材进行“智能增强”、“智能剪辑/拆条”。


“智能增强”,则是通过AI技术,进行视频图像降噪、色彩增强,改善画面细节,提升人眼的主观效果。


“智能剪辑/拆条”,则是智能识别和分析视频原始素材中人物的动作、事件和表情,自动定位精彩片段,将其提取出来,完成剪辑、配乐等工作,变成精彩视频集锦。


“AI+音频+视频”的融合,用途更为广阔。Up主可以借此实现视频智能配乐、音乐MV和vlog的自动创作,大幅降低作品的生产难度。



除了内容创作以外,AI还可以用于视频修复(旧电影修复)、视频增强和行业视频应用。


例如,腾讯的多媒体实验室,通过深度学习敦煌壁画病害数据,形成自动识别并添加图示的一整套算法,打造出了高效的AI壁画病害识别工具。


腾讯与敦煌研究院合作的文物VR远程会诊


音视频技术的第三个发展趋势,是服务形式的平台化


正如前面所介绍的,音视频技术的应用难度很高,一般个人和企业很难独立玩转。于是,现在很多音视频技术服务商,开始通过视频云(腾讯)、视频中台(中国移动)等方式,对个人和政企用户进行音视频能力服务。


这些平台集成了开放的API接口,方便上层应用开发商调用,开发软件。平台本身,又结合了云的能力,拥有无限的算力,可以支撑用户的需求。


专业服务商们提供的技术和平台,涵盖了智能采集、数据处理和渲染展示等多个环节,有利于降低垂直行业对音视频业务的开发门槛,让更多的企业能够从容地使用音视频业务,享受音视频红利,加快数字化转型。



█ 结语


现在,没有音视频,人们的快乐会减少一半。


未来,没有音视频,企业的效率会下降一半。


正如前面所说,未来,音视频技术将进入爆发期。尤其是工业制造、金融证券、文旅教育等垂直领域,音视频将进入高速增长的阶段。音视频的商业模式,将发生很大的变化。音视频业务的应用场景,也将大量出现。


希望音视频能够带来更多的创新,带给我们更多的惊喜。



—— The End ——


鲜枣课堂 学通信,学5G,就上鲜枣课堂!
评论
  • 光伏逆变器是一种高效的能量转换设备,它能够将光伏太阳能板(PV)产生的不稳定的直流电压转换成与市电频率同步的交流电。这种转换后的电能不仅可以回馈至商用输电网络,还能供独立电网系统使用。光伏逆变器在商业光伏储能电站和家庭独立储能系统等应用领域中得到了广泛的应用。光耦合器,以其高速信号传输、出色的共模抑制比以及单向信号传输和光电隔离的特性,在光伏逆变器中扮演着至关重要的角色。它确保了系统的安全隔离、干扰的有效隔离以及通信信号的精准传输。光耦合器的使用不仅提高了系统的稳定性和安全性,而且由于其低功耗的
    晶台光耦 2025-01-09 09:58 28浏览
  • 根据环洋市场咨询(Global Info Research)项目团队最新调研,预计2030年全球中空长航时无人机产值达到9009百万美元,2024-2030年期间年复合增长率CAGR为8.0%。 环洋市场咨询机构出版了的【全球中空长航时无人机行业总体规模、主要厂商及IPO上市调研报告,2025-2031】研究全球中空长航时无人机总体规模,包括产量、产值、消费量、主要生产地区、主要生产商及市场份额,同时分析中空长航时无人机市场主要驱动因素、阻碍因素、市场机遇、挑战、新产品发布等。报告从中空长航时
    GIRtina 2025-01-09 10:35 25浏览
  • 在过去十年中,自动驾驶和高级驾驶辅助系统(AD/ADAS)软件与硬件的快速发展对多传感器数据采集的设计需求提出了更高的要求。然而,目前仍缺乏能够高质量集成多传感器数据采集的解决方案。康谋ADTF正是应运而生,它提供了一个广受认可和广泛引用的软件框架,包含模块化的标准化应用程序和工具,旨在为ADAS功能的开发提供一站式体验。一、ADTF的关键之处!无论是奥迪、大众、宝马还是梅赛德斯-奔驰:他们都依赖我们不断发展的ADTF来开发智能驾驶辅助解决方案,直至实现自动驾驶的目标。从新功能的最初构思到批量生
    康谋 2025-01-09 10:04 26浏览
  • 1月7日-10日,2025年国际消费电子产品展览会(CES 2025)盛大举行,广和通发布Fibocom AI Stack,赋智千行百业端侧应用。Fibocom AI Stack提供集高性能模组、AI工具链、高性能推理引擎、海量模型、支持与服务一体化的端侧AI解决方案,帮助智能设备快速实现AI能力商用。为适应不同端侧场景的应用,AI Stack具备海量端侧AI模型及行业端侧模型,基于不同等级算力的芯片平台或模组,Fibocom AI Stack可将TensorFlow、PyTorch、ONNX、
    物吾悟小通 2025-01-08 18:17 33浏览
  • 故障现象一辆2017款东风风神AX7车,搭载DFMA14T发动机,累计行驶里程约为13.7万km。该车冷起动后怠速运转正常,热机后怠速运转不稳,组合仪表上的发动机转速表指针上下轻微抖动。 故障诊断 用故障检测仪检测,发动机控制单元中无故障代码存储;读取发动机数据流,发现进气歧管绝对压力波动明显,有时能达到69 kPa,明显偏高,推断可能的原因有:进气系统漏气;进气歧管绝对压力传感器信号失真;发动机机械故障。首先从节气门处打烟雾,没有发现进气管周围有漏气的地方;接着拔下进气管上的两个真空
    虹科Pico汽车示波器 2025-01-08 16:51 92浏览
  • 「他明明跟我同梯进来,为什么就是升得比我快?」许多人都有这样的疑问:明明就战绩也不比隔壁同事差,升迁之路却比别人苦。其实,之间的差异就在于「领导力」。並非必须当管理者才需要「领导力」,而是散发领导力特质的人,才更容易被晓明。许多领导力和特质,都可以通过努力和学习获得,因此就算不是天生的领导者,也能成为一个具备领导魅力的人,进而被老板看见,向你伸出升迁的橘子枝。领导力是什么?领导力是一种能力或特质,甚至可以说是一种「影响力」。好的领导者通常具备影响和鼓励他人的能力,并导引他们朝着共同的目标和愿景前
    优思学院 2025-01-08 14:54 82浏览
  • 本文介绍编译Android13 ROOT权限固件的方法,触觉智能RK3562开发板演示,搭载4核A53处理器,主频高达2.0GHz;内置独立1Tops算力NPU,可应用于物联网网关、平板电脑、智能家居、教育电子、工业显示与控制等行业。关闭selinux修改此文件("+"号为修改内容)device/rockchip/common/BoardConfig.mkBOARD_BOOT_HEADER_VERSION ?= 2BOARD_MKBOOTIMG_ARGS :=BOARD_PREBUILT_DTB
    Industio_触觉智能 2025-01-08 00:06 100浏览
  • 在智能网联汽车中,各种通信技术如2G/3G/4G/5G、GNSS(全球导航卫星系统)、V2X(车联网通信)等在行业内被广泛使用。这些技术让汽车能够实现紧急呼叫、在线娱乐、导航等多种功能。EMC测试就是为了确保在复杂电磁环境下,汽车的通信系统仍然可以正常工作,保护驾乘者的安全。参考《QCT-基于LTE-V2X直连通信的车载信息交互系统技术要求及试验方法-1》标准10.5电磁兼容试验方法,下面将会从整车功能层面为大家解读V2X整车电磁兼容试验的过程。测试过程揭秘1. 设备准备为了进行电磁兼容试验,技
    北汇信息 2025-01-09 11:24 27浏览
  •  在全球能源结构加速向清洁、可再生方向转型的今天,风力发电作为一种绿色能源,已成为各国新能源发展的重要组成部分。然而,风力发电系统在复杂的环境中长时间运行,对系统的安全性、稳定性和抗干扰能力提出了极高要求。光耦(光电耦合器)作为一种电气隔离与信号传输器件,凭借其优秀的隔离保护性能和信号传输能力,已成为风力发电系统中不可或缺的关键组件。 风力发电系统对隔离与控制的需求风力发电系统中,包括发电机、变流器、变压器和控制系统等多个部分,通常工作在高压、大功率的环境中。光耦在这里扮演了
    晶台光耦 2025-01-08 16:03 80浏览
  • 一个真正的质量工程师(QE)必须将一件产品设计的“意图”与系统的可制造性、可服务性以及资源在现实中实现设计和产品的能力结合起来。所以,可以说,这确实是一种工程学科。我们常开玩笑说,质量工程师是工程领域里的「侦探」、「警察」或「律师」,守护神是"墨菲”,信奉的哲学就是「墨菲定律」。(注:墨菲定律是一种启发性原则,常被表述为:任何可能出错的事情最终都会出错。)做质量工程师的,有时会不受欢迎,也会被忽视,甚至可能遭遇主动或被动的阻碍,而一旦出了问题,责任往往就落在质量工程师的头上。虽然质量工程师并不负
    优思学院 2025-01-09 11:48 31浏览
  • 村田是目前全球量产硅电容的领先企业,其在2016年收购了法国IPDiA头部硅电容器公司,并于2023年6月宣布投资约100亿日元将硅电容产能提升两倍。以下内容主要来自村田官网信息整理,村田高密度硅电容器采用半导体MOS工艺开发,并使用3D结构来大幅增加电极表面,因此在给定的占位面积内增加了静电容量。村田的硅技术以嵌入非结晶基板的单片结构为基础(单层MIM和多层MIM—MIM是指金属 / 绝缘体/ 金属) 村田硅电容采用先进3D拓扑结构在100um内,使开发的有效静电容量面积相当于80个
    知白 2025-01-07 15:02 150浏览
  • By Toradex 秦海1). 简介嵌入式平台设备基于Yocto Linux 在开发后期量产前期,为了安全以及提高启动速度等考虑,希望将 ARM 处理器平台的 Debug Console 输出关闭,本文就基于 NXP i.MX8MP ARM 处理器平台来演示相关流程。 本文所示例的平台来自于 Toradex Verdin i.MX8MP 嵌入式平台。  2. 准备a). Verdin i.MX8MP ARM核心版配合Dahlia载板并
    hai.qin_651820742 2025-01-07 14:52 115浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦