泛娱乐、出海已经逐渐成为国内创业者重点关注的两大领域。随着互联网大厂的入局、以及AIGC等技术的进化，泛娱乐实时互动领域也在发生巨变。在刚刚过去的RTE2023 大会，声网泛娱乐产品负责人李斯特就泛娱乐行业近一年的发展、未来趋势及声网在这一领域的创新进行了分享。

本篇内容在不改变其原意的基础上，为方便阅读进行了删改，希望能给各位泛娱乐领域从业者带来不一样的思考。以下为分享原文：

泛娱乐行业这一年：场景、区域和玩法

很高兴能在此与大家分享声网近一年在泛娱乐产品上的进展，希望这些产品能够为大家带来帮助。过去，大家都在说互联网最赚钱的是广告、游戏和电商，但随着时间的推移，互联网场景发生了一些变迁。随着这些行业逐渐被巨头盘踞，创业者再进场的难度变得越来越大。相反，从近几年的收入和市场预期来看，很多用户的真实娱乐诉求还未被满足，泛娱乐领域出现了比较好的增长预期。

出海作为近两年备受国内互联网创业者关注的领域，其中的实时互动应用也在发生变化。我们有两点发现。其一，出海方向上，中腰部平台增长速度远远快于头部平台。其二，出海实时视频领域增长速度也快于部分短视频应用和音频互动领域。据统计，相较于2022年1月，声网1v1场景视频实时互动分钟数在2023年8月增长了10倍，出海直播场景分钟数增长了3倍，远高于泛娱乐赛道大盘。究其背后的主要原因，其实是实时视频能够承载更多的社交信息密度，也能帮助开发者和平台更快的带来收入增长。

在出海区域的变迁上，从声网平台近一个月海外国家的用量排名可见，前三名分别是伊拉克、土耳其、美国，第六名是刚从战乱中部分恢复的叙利亚。增长最快的区域里，前六排名依次为孟加拉国、叙利亚、科威特、巴基斯坦、越南、阿尔及利亚。我们传统认为的如印度、印尼等出海大国的增速在放缓、规模也在逐渐缩小，由此我们也发现，出海领域还有巨大的红海。举个例子，在出海的国家中，比如伊拉克这类人口规模更大、收入更多的国家很多，但目前都没有看到很好的应用。随着基础设施和智能手机的覆盖率快速提升，南美、非洲这一块都还有机会，增速很快的中东区域也将继续保持。

国内市场，由于一些环境因素的影响，大家在很多创新领域的投入逐渐放缓，但也不乏亮点。

第一：音乐玩法正在加速渗透。音乐玩法正在从简单的单唱，进展到清唱、抢唱、接唱、百⼈⼤合唱等多种玩法。在版权方面，声网平台目前每月版权音乐点歌次数已达数千万次规模，相比去年呈指数型增长。增长背后是版权音乐、音乐玩法对用户在APP中停留时长提升有立竿见影的效果。据统计，运营较好的停留时⻓增⻓提升了20%左右。

第二：社交+游戏正在破壁融合。以今年直播玩法上最大亮点弹幕玩法为例，我们发现，今年新出品的游戏画面几乎已经达到3A大作的水平，质量相比去年有很大提升。弹幕玩法类型也在从最初的红蓝大战扩展到现在的拔河、赛车玩法等。与此同时，很多语聊房也加入了弹幕小玩法，并且单场流水已经能够跑到10万以上。

“实时高清·超级画质” 新一代泛娱乐视频产品

我们今年在视频场景方面也有新进展，发了一个新的视频产品——“实时高清·超级画质”，发布超级画质产品的背后，是因为我们看到了视频体验和用户行为数据的高度相关性。当我们把某客户的视频从标清提升到高清后，用户停留时长增长了10%左右。低分辨率频道内观众的次均/⼈均留存时⻓，明显低于中/⾼分辨率的⽤户次均/⼈均留存时⻓。此外，在对一个出海直播客户的调研中，我们发现画质不好会直接影响到主播的收入。基于此，我们为“超级画质”做了三点产品价值定义：人更美、沟通更流畅和AI摄影师。

在“人更美”上，我们过去在视频体验上更关注技术指标，比如提升分辨率、帧率、降低码率和网络要求等。但在实际客户场景中发现，在视频清晰度之外，如何让主播变得更美也是很大的一块诉求。比如头发应有充分的细节，但毛孔、面部瑕疵则相反；肤色要健康自然，白里透红；五官轮廓要有立体感等。在引入“超级画质”后，我们做了真实的测试效果并得到了正向的反馈。由于国内基础设施比较好，更多是色彩平衡的提升，也针对直播场景做了很多定向优化。海外直播上，除了基本的分辨率提升之外，也对经常出现的弱光、过曝等情况进行了优化。

在“沟通更流畅”上，今年很多1v1客户都希望付费率更高，退出率更低。在与客户的配合过程中，我们发现其业务数据和音视频技术指标有非常高的相关性。1v1场景有比较高的心理门槛，这个心理门槛包括担心长的好不好看、是不是要花很贵的钱等，如果可以更快地让用户与主播建立关系，对应的指标就会明显提升。声网这套解决方案从发起呼叫到建立连接可以实现秒接通，在观众及主播端上做到秒出图，快速实现1v1连接，转场丝滑。此外，在一些基础设施不那么好、设备质量不那么高的国家，声网也运用一系列技术针对海外区域进行了专属深度调优，确保在弱网情况下，尽量降低带宽占用，让画面流畅度有一个明显的改善。

AI摄影师是我们在视频算法领域的一个最新进展，其所运用到的能力，大家可能在某些头部短视频平台见过，但是在中腰部平台的应用上还很空缺。据了解，AI摄影师对于舞蹈类主播的应用率几乎是百分之百，并对其用户时长和打赏提供了很大的帮助。下面介绍一下它的应用：

●  第一个，AI人像边缘光。直播场景下，很多主播都喜欢在背后打一个灯，让其有一个光圈光晕的效果，AI人像边缘光通过AI算法，直接就能带来这样的光源效果。

●  第二个，AI镜头律动。传统视频场景里，一般会用摄像机镜头焦段拉近拉远，并通过摄影机位置移动达到律动效果。现在用AI算法就可以自动达到律动效果，自动识别主播的动作和语言。

●  第三个，AI人像光影。

●  第四个，AI追光打光。AI算法直接替代舞台灯光，提高主播直播时的光效。

●  第五个，AI虚拟背景灯光。

凤鸣 AI 引擎2.0 声网音频产品上新

除视频外，我们在音频产品上也有新进展。上半年我们发布了凤鸣AI引擎，其在市场上也得到了诸如“声网的音频产品对应的音一定是最好的，对环境的宽容度一定是更高的”的正反馈。紧接着，我们做了进一步的升级迭代，推出了凤鸣AI引擎2.0版本，在里面加入了大合唱、虚拟声卡和声纹变声。

人为什么喜欢大合唱？有心理学研究说，人的神经元可以让其比较好的模仿或融入周围环境，并更好的与别人产生共情、获得安全感。但线下大合唱场景过往几乎很难在线上看到它被实现，核心原因其实是线上大合唱的背后有很大的技术挑战，线上大规模合唱时，弱网、高延迟、背景噪音等情况不可避免会发生在不同人身上。

在这种复杂的声优环境下，如何才能让合唱声音更和谐好听？声网重点做了两个能力，一是云端合流模式，主伴唱⼈声和BGM通过云端合流转码同步到观众端，保证观众端的绝对对齐，最多支持128人。另一个能力是合唱智能混音（优声优唱），通过AI打分识别大合唱中唱的比较好的那部分，以他们的声音基准作为合唱合声基准，把唱的不够好的音量尽可能压低，保障观众体验。大合唱也支持⽀持业务层指定优选订阅流，可以根据客户要求指定合唱混声的基准，最终达到优声优唱效果。

今年，我们还有一个新品——声网虚拟声卡。众所周知，很多专业的声音工作者会在电脑上接专业的声卡、麦克风、音效插件等，但普通消费者却难以实现。声网虚拟声卡就是一个在音频上傻瓜化的音效提升产品，他可以替代传统声卡高成本及复杂的调整链路，让消费者仅靠一部手机就可以获得媲美专业主播的音质效果。

此外，我们还与生态伙伴一起共建了Any to one 声纹变声， 相较于传统的变声，声网AI变声解决方案可以让任何人做到定向的音色克隆。由于这个解决方案是端上的能力，不需要服务端的算力，所以能够支持超低延迟，真正做到毫秒级别的变声效果，降低了声纹变声的使用门槛。Any to one 声纹变声的应用价值非常充分，如在语聊房里通过变身实时聊天、通过声⾳⽪肤搭配游戏⻆⾊游戏开⿊等等。目前，声网已经可以提供几百种定制好或自定义的音色，无论大家是想把自己的IP还是签约的明星音色放到平台上，都可以与声网一同来实现定制。

互动玩法加持：AGI带来的变革

最后和大家分享一些我们在互动玩法上的创新。

第一个是版权曲库。版权音乐近两年在快速增长，声网与音集协、AllBy Music一起做了曲库合规运营，并在持续扩大曲库规模，特别是对新歌、热歌的覆盖。正常来讲，一首新歌出来两周内就会进入到我们的曲库，保证新歌/热歌覆盖持续在90%以上。此外，我们还提供了丰富的歌曲物料去支持各种音乐玩法，除了基础的原唱/伴奏切换外，还有演唱打分、抢唱接唱曲库等。

第二个是AGI+语音游戏，在大模型方向上，声网做的是可以应用到很多不同娱乐场景里的AI大模型音视频实时对话，此前，我们就借助自己的RTC和大模型能力，在谁是卧底的多人游戏场景上做了一些工程化封装。在游戏中，AI的声音可以和大家一起玩，可以隐藏自己的身份，也能识别出谁是卧底。同时，我们还做了AI+真人的超低延迟音视频互动，⽀持体验者与 AI 助⼿进⾏超低延迟的语⾳互动，实现了从用户发言到 AI 对话响应平均延时为 1.9s。

游戏方面，今年新的流行趋势是弹幕互动玩法和互动小游戏，相比去年9月，声网互动游戏的 MAU 增长超过10倍。目前，声⽹已累计接⼊6⼤品类，超过50款互动⼩游戏，可以为客户提供更多游戏选择，并能够帮助客户快速上线。此外，我们在弹幕互动小玩法上也接入了很多游戏厂商，包括胖可争霸、兵临城下、宠物对决等。针对弹幕互动玩法常见的一些痛点，声网还发布了弹幕玩法云方案，该方案突破了移动端开播运行以及对硬件要求的限制，无需在本地安装运营游戏，能够满足主播在移动端的开播需求，且做到了话质清晰、运行稳定。

最后我想说，声网不仅仅在持续专注RTC技术，我们希望进到更多行业，根据不同客户的需求，提出更丰富的实时互动解决方案，为泛娱乐行业带来更多玩法与价值。

责任编辑：kj005