体验不尽，进化不止，看视频云技术六大创新

Posted 2022-12-05 阿里云视频云

人类的体验欲望不止，从而促成了视频的发展史。

当前，整个社会进入视频化时代，视频被广泛地应用于社会生活的各个领域，相比图文，视频拥有更大的信息密度。

视频实际上并不是一个简单的技术，是交叉学科创造的技术领域，如：云计算，网络，编解码，人工智能等。

阿里云视频云围绕着视频的全链路生命周期，提供云边端一体的数智化音视频能力和全链路的解决方案。

视频全链路，是指从视频的采集、生产、处理、传输、分发到消费（播放），它的底座一定是基于云的，不管是云边一体，软硬一体，还是云端一体。

经过长年的技术积累和应用实践，视频云构建了从内容生产到内容消费的端到端技术架构和服务能力，为用户提供更低延时、更高清、更高效、更沉浸的体验。

无限演进：超高清、超低时延

体验的无极限演进，让编解码与超高清、与数据量、与算力的三大矛盾涌现。

需求的演进，让两大视频技术趋势不可忽略，一是超高清技术，二是视频超低时延技术。

• 视频超高清技术

视频清晰度从SD，或者说480P，到Full HD，也就是所谓的1080P，两者之间信息量扩大了将近7倍，然后又发展到4K，8K，每一次的升级实际上都是视频数据量爆发式的增长。

沉浸体验要求高分辨率，高帧率，宽色域

目前，视频帧率使用较多的是24帧、30帧，但VR视频需要60帧甚至120帧才能带来沉浸式的体验。

清晰度的提升，帧率的提高，会带来更好的高运动场景体验。

然而，沉浸体验的AR、VR，所需的信息量大概是7000x7000分辨率，比我们现在使用的8K还要大。

可以想象，未来视频场景带来的将是信息量的急剧增长。

视频高帧率的发展趋势

这中间，会导致三大矛盾的激增：

❖ 编码升级周期 VS 超高清需求的矛盾

如此海量的视频数据需要压缩，但是视频编码平均十年才升级一代。超高清的需求可能十年已经升级了四五代，但是编码器才升级一代。

❖ 编码压缩率 VS 数据量增长的矛盾

每一代新的编码器性能大概提升50%，相当于压缩力多一倍，但是从Full HD到8K，再从30帧到60帧，是72倍的信息量增长。编解码的升级远远达不到视频信息量升级的要求。

❖ 编码复杂度 VS 算力增长的矛盾

每一代编码的升级复杂度大概要提高100倍，但随着摩尔定律的逐步失效，算力的增长很难做到18个月就升级一代。

只有把更多的算力，不管是边上的算力，端上的算力，还是云上的算力集中起来，才能够满足用户极致体验的需求。

• 视频超低时延技术

视频的发展历史，就是延时发展的历史。

从最早的PC直播，到长视频网站的出现，再到淘宝直播的风靡，整个视频的趋势实际上是视频延时降低的趋势。

视频从30秒延时的可传播，逐渐发展到到可广播、可互动、可沟通、可操作、可沉浸。可以说，每一次的升级都是视频延时的不断降低。

而且，我们可以越来越清晰地看到，视频延时是在急速下降的。延时从30秒到10秒可能经历了很长时间，但目前已经到达了百毫秒以内，准确来说是五六十毫秒的水平。

云边端协同，构成了更低延时的极限突破，让真正的沉浸成为可能。

云边端一体的视频云技术框架

视频的每一次升级，对于基础网络和算法之上的整个基础设施，都是一个巨大的挑战。视频技术天然是一个云原生的技术，只有基于云原生，才能让视频技术的规模做大，而用户强体验、低延时的需求带来的成本问题也需要基于云边端协同解决。

云最大的作用就是带来弹性。

任何的资源，任何的直播，流量都是会变化的，所以这种弹性的能力，不管是在边缘云还是中心云上面，对于视频来说都至关重要。

视频永远在追求低成本、高效能、高质量，而边缘云则为视频技术的发展提供了一个非常好的平台。

基于2800多节点的就近分布，边缘云缩短了第一公里和最后一公里，能够降低传输的延时，同时它带有算力，能够降低算力的延时，最终推动着用户的体验不断升级。

运用边缘云、中心云，再结合端，例如手机，可以作为天然的算力分布的设备，阿里云视频云搭建了云边端一体的视频云技术框架，提供一个服务化的平台，以PaaS，SaaS，SDK等各种形式更好地服务客户。

六大创新应用

从最早的数据跟着算力走，到现在算力跟着数据走。只要有数据的地方，就有算力。

• 超低延时直播RTS

边缘云不但可以缩短物理的接入，同时能够满足算力的需求。

视频云超低延时直播RTS，已全面应用于手淘双十一，从单边直播到RTC技术，再到超低延时直播技术，极大帮助手淘提升自身业务价值。

目前RTS 2.0平均延时达到200毫秒，基本上跟普通视频通话的时延持平，但在成本上会大幅降低。未来低延时直播也会应用于更多场景，让用户获得更好的体验。

• 云渲染：超普惠超体验技术

延时可不可以更低呢？是可以的。

云渲染技术，利用「串流」的技术，实现50-60毫秒的延时。不管是云游戏，云渲染，虚拟世界都是通过视频流化带给大家沉浸体验，即需要使用「串流」技术。

串流技术比较复杂，虽然五六十毫秒的延时是非常低的，但仍然可以将延时分为物理的延时，编解码的延时等等。

实际上需要在视频的每一个环节中，编码、网络QOS、云端处理、传输等都要做大量的技术创新和突破，才能够真正做到五六十毫秒延时的水平。

今年六月，央视三星堆奇幻之旅使用了阿里云视频云的串流技术，以普惠方式让每个人都能物理“穿越”至考古现场。云渲染与串流技术一定会不断演进，未来的应用场景也会越来越广。

•  虚拟演播：低门槛实时沉浸互动

有了网络和算力的支持，越来越多专业化的内容，也能够进入到普通直播。视频云基于深度学习算法的实时、实景抠像技术，支持了东京奥运会、北京冬奥会的直播需求，在不能物理碰面的情况下，通过导播台多机位、实时连麦、异地开播能力，实现主播与多层虚拟背景完美融合。

利用云端的算力与网络能力，仅需两部手机和一台电脑，视频云就可以把以往需要专业制作能力的视频，直接搬到我们的现实生活中。

•  云剪辑：智慧高效的美学生产

同样，我们也可以在云端进行各种各样的剪辑。通过云剪辑技术，实现多端统一、端云一致的视频播放效果。

即使是在最传统的多图片场景下，我们也可以应用模板工厂，通过一些简单的AI算法，实现类视频化及批量化生产。

视频的世界不是一蹴而就的，而是一步一步发展而来。可以看到，视频技术在生活生产的各个方面都发挥着巨大作用。

• 智能媒资：泛媒体的全智能管理

智能媒资基于边缘云技术，对视频进行理解、搜索、打标，将视频作为一种资产来管理。

在企业IT数字化的背景下，智能媒资让视频可以像文字、图片等信息一样被检索。

结合边缘云的算力、网力、存储等，智能媒资利用了大量的AI技术，把媒资体系带到离业务更近的地方，实现云+边泛媒体资源池的高效组织与智能管理。

• 8K VR：全视角沉浸的挑战

在 VR 领域，不管是国外已经超过1000万台销售量的Quest 2，还是国内Pico这样的设备，实际上面临着更大量的数据处理，因为它们至少是8K清晰度，这对编码技术和播放器技术是非常大的挑战，例如全视角推流，划分tile，编码大小流配合，视角的预测等。

阿里云“云边端一体化”的视频云技术，对带宽的要求低，降低了成本，同时扩展性好，支持更高清晰度的场景，能够达到用户更极致的体验要求。

万物互联时代，视频已经到了一个真正可以为用户体验升级带来爆发的阶段。

未来，更多的业务与场景将会融合，更为专业的制播能力将全面云化，视频将朝着实时化，互动化持续加速，为用户带来更低成本、更高质量、超沉浸式体验。