AVS3P10實(shí)時(shí)語(yǔ)音編碼標(biāo)準(zhǔn)獲得重要進(jìn)展

由騰訊提交的AI Codec為基礎(chǔ)的技術(shù)順利通過(guò)評(píng)審，被選為AVS3P10實(shí)時(shí)語(yǔ)音編碼標(biāo)準(zhǔn)的RM0基線和WD過(guò)點(diǎn)成功。從交叉測(cè)試來(lái)看，真正實(shí)現(xiàn)了低碼率下質(zhì)量是對(duì)齊OPUS、EVS中高碼率的，達(dá)到運(yùn)營(yíng)級(jí)質(zhì)量。我們?cè)谙嘟a率下，MOS分差過(guò)Google和Meta方案在0.6MO-1.0MOS。

AVS對(duì)此高度評(píng)價(jià)，“AVS3P10 實(shí)時(shí)語(yǔ)音編碼，作為新一代的語(yǔ)音編解碼技術(shù)標(biāo)準(zhǔn)，是對(duì)AVS系列標(biāo)準(zhǔn)的重要補(bǔ)充。該標(biāo)準(zhǔn)代表了騰訊在語(yǔ)音處理和人工智能技術(shù)創(chuàng)新和用戶體驗(yàn)方面的最高追求，體現(xiàn)了業(yè)界最高水平，將為用戶帶來(lái)前所未有的性能和體驗(yàn)，引領(lǐng)行業(yè)進(jìn)入一個(gè)全新的時(shí)代?！?。對(duì)此，團(tuán)隊(duì)表示，希望這個(gè)進(jìn)展可以推動(dòng)產(chǎn)業(yè)界在（音頻）AI Codec的技術(shù)演進(jìn)和推廣。

近日，AVS3P10實(shí)時(shí)語(yǔ)音編碼標(biāo)準(zhǔn)獲得重要進(jìn)展。

2023年12月14日，第 87 次 AVS 工作組會(huì)議于成都開(kāi)幕。會(huì)上，《智能媒體編碼 第 10 部分 實(shí)時(shí)語(yǔ)音》（以下簡(jiǎn)稱AVS3P10） WD 1.0通過(guò)全體會(huì)議審議；騰訊提交的技術(shù)方案，被選擇為AVS3P10實(shí)時(shí)語(yǔ)音編碼的RM0基線。

實(shí)時(shí)語(yǔ)音通信技術(shù)（RTC: Real-time Communication），已廣泛應(yīng)用于協(xié)同辦公、互動(dòng)娛樂(lè)、社交等領(lǐng)域。上述多樣豐富的應(yīng)用場(chǎng)景給實(shí)時(shí)語(yǔ)音通信技術(shù)提出了多種技術(shù)挑戰(zhàn)，其中，高質(zhì)量、低延時(shí)、低帶寬、高抗性的語(yǔ)音編碼是非常重要的一環(huán)。

傳統(tǒng)的語(yǔ)音編碼器，包括AVS、ITU-T等標(biāo)準(zhǔn)語(yǔ)音編碼器，在16-20kbps左右碼率時(shí)，能夠恢復(fù)出高質(zhì)量寬帶語(yǔ)音；在30-35kbps，可以恢復(fù)出高質(zhì)量超寬帶甚至全帶語(yǔ)音。然而，當(dāng)碼率進(jìn)一步降低（如：降到10kbps以下時(shí)），傳統(tǒng)語(yǔ)音編碼器恢復(fù)的質(zhì)量下降明顯，影響用戶體驗(yàn)。

基于上述應(yīng)用訴求，在今年3月第84次AVS會(huì)議上，由騰訊提議在AVS音頻組啟動(dòng)面向?qū)崟r(shí)語(yǔ)音通信場(chǎng)景的低碼率高質(zhì)量語(yǔ)音統(tǒng)項(xiàng)目。經(jīng)過(guò)需求分析，在第85次AVS會(huì)議上，AVS正式立項(xiàng)AV3P10實(shí)時(shí)語(yǔ)音編碼項(xiàng)目，并通過(guò)AVS音頻組發(fā)出技術(shù)征集書(shū)。AVS3P10實(shí)時(shí)語(yǔ)音編碼項(xiàng)目將由來(lái)自騰訊會(huì)議天籟實(shí)驗(yàn)室的肖瑋負(fù)責(zé)推進(jìn)和維護(hù)。

在第 86 次 AVS 會(huì)議上，音頻組審議了由騰訊會(huì)議天籟實(shí)驗(yàn)室提交的M7886《AVS3P10語(yǔ)音編碼參考模型候選技術(shù)方案》提案。

審議指出該方案具有以下4點(diǎn)特征：深度融合了經(jīng)典信號(hào)處理和深度神經(jīng)網(wǎng)絡(luò)技術(shù)等人工智能技術(shù)，屬于AI Codec；支持低碼率、高質(zhì)量編碼、實(shí)時(shí)編碼和解碼和多速率編碼；基于子帶編碼和多模式編碼架構(gòu)，低頻信號(hào)采用深度神經(jīng)網(wǎng)絡(luò)提取特征，高頻信號(hào)采用頻帶擴(kuò)展方案提取特征，結(jié)合標(biāo)量量化和熵編碼完成特征壓縮；具有開(kāi)放的編碼神經(jīng)網(wǎng)絡(luò)架構(gòu)技術(shù)特征，在保證碼流前向兼容基礎(chǔ)上，可以重新修改和優(yōu)化編碼神經(jīng)網(wǎng)絡(luò)。

今年11 月 1 日，騰訊會(huì)議天籟實(shí)驗(yàn)室提交AVS3P10 RM0候選方案的可執(zhí)行文件，由中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院和華為分別進(jìn)行了主觀測(cè)試和交叉驗(yàn)證。交叉驗(yàn)證力求全面，基于 ITU-T P.800 DCR主觀質(zhì)量評(píng)價(jià)體系，主觀測(cè)試覆蓋不同帶寬下純凈語(yǔ)音、丟包語(yǔ)音、混合語(yǔ)音等多場(chǎng)景，并首次將3A處理后的測(cè)試場(chǎng)景引入信源編碼器測(cè)試中，以檢驗(yàn)新一代AI Codec技術(shù)在貼近真實(shí)場(chǎng)景的表現(xiàn)。

在上述測(cè)試場(chǎng)景下，AVS3P10 RM0質(zhì)量?jī)?yōu)勢(shì)明顯。主觀測(cè)試結(jié)果表明，AVS3P10 RM0在寬帶和超寬帶等多個(gè)主要測(cè)試場(chǎng)景均達(dá)到了4.0以上MOS分，體現(xiàn)出明顯優(yōu)勢(shì)，最低碼率可達(dá)5.9kbps。AVS3P10 RM0采納了深度神經(jīng)網(wǎng)絡(luò)技術(shù)，自帶的丟包損傷能力，有效提升了編碼器在網(wǎng)絡(luò)不佳時(shí)的質(zhì)量。

此外，在ITU-T P.863客觀質(zhì)量評(píng)價(jià)實(shí)驗(yàn)中，AVS3P10 RM0也體現(xiàn)出了顯著優(yōu)勢(shì)。第一，在所有8個(gè)測(cè)試碼率中，AVS3P10 RM0均超過(guò)4.0MOS，最高在4.45MOS。AVS3P10 RM0的質(zhì)量，可以對(duì)齊OPUS和EVS等傳統(tǒng)信號(hào)處理編碼器在中高碼率的表現(xiàn)，達(dá)到運(yùn)營(yíng)級(jí)質(zhì)量。在AI Codec領(lǐng)域，AVS3P10 RM0在相近碼率下，質(zhì)量?jī)?yōu)勢(shì)在0.6MOS以上。上述測(cè)試結(jié)論均反映出，AVS3P10 RM0代表了目前AI Codec的最高水平。

AVS3P10 實(shí)時(shí)語(yǔ)音編碼，作為新一代的語(yǔ)音編解碼技術(shù)標(biāo)準(zhǔn)，是對(duì)AVS系列標(biāo)準(zhǔn)的重要補(bǔ)充。該標(biāo)準(zhǔn)代表了騰訊在語(yǔ)音處理和人工智能技術(shù)創(chuàng)新和用戶體驗(yàn)方面的最高追求，體現(xiàn)了業(yè)界最高水平，將為用戶帶來(lái)前所未有的性能和體驗(yàn)，引領(lǐng)行業(yè)進(jìn)入一個(gè)全新的時(shí)代。?

未來(lái)，AVS3P10實(shí)時(shí)語(yǔ)音編碼項(xiàng)目，將按照既定計(jì)劃推進(jìn)。預(yù)計(jì)，在2024年年中，完成標(biāo)準(zhǔn)化工作。

AITISA聯(lián)盟簡(jiǎn)介

新一代人工智能產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟（AITISA）由兩百余家來(lái)自人工智能行業(yè)內(nèi)的頂尖企業(yè)、高校和科研院所、資本機(jī)構(gòu)、服務(wù)機(jī)構(gòu)、創(chuàng)新創(chuàng)業(yè)企業(yè)組成。聯(lián)盟立足于人工智能技術(shù)資源及產(chǎn)業(yè)環(huán)境，聯(lián)合人工智能領(lǐng)域的產(chǎn)、學(xué)、研、用、資、服等單位，以建立人工智能技術(shù)創(chuàng)新生態(tài)體系為基本愿景。?聯(lián)盟通過(guò)“一體兩翼”的工作部署，聚集工業(yè)界、科研界的中堅(jiān)力量及相關(guān)機(jī)構(gòu)，利用產(chǎn)業(yè)基金的引導(dǎo)，服務(wù)企業(yè)與開(kāi)發(fā)者，推進(jìn)人工智能產(chǎn)業(yè)的發(fā)展。

“一體兩翼”中的 “一體”是指新一代人工智能開(kāi)源開(kāi)放平臺(tái)（OpenI啟智社區(qū)），“兩翼”的“左翼”是以技術(shù)專家為主體組成的多個(gè)工作組，包括標(biāo)準(zhǔn)工作組、知識(shí)產(chǎn)權(quán)工作組、投融資工作組等?！坝乙怼笔菫橐云髽I(yè)為主體的應(yīng)用推進(jìn)組，目的是促進(jìn)人工智能在各產(chǎn)業(yè)領(lǐng)域的應(yīng)用，已經(jīng)在智能物流、智能醫(yī)療、智能政務(wù)、智能教育等方向開(kāi)展工作。

自成立以來(lái)，聯(lián)盟主辦了全球人工智能產(chǎn)品應(yīng)用博覽會(huì)（AIExpo）、系列AITech國(guó)際智能科技峰會(huì)、上交會(huì)人工智能展區(qū)、天津世界智能大會(huì)分論壇、啟智開(kāi)發(fā)者大會(huì)等有重大影響力的會(huì)展活動(dòng)，承辦全國(guó)人工智能大賽，發(fā)布并啟動(dòng)了新一代人工智能開(kāi)源開(kāi)放平臺(tái)（OpenI啟智社區(qū)）、“新一代人工智能燎原計(jì)劃”等。

審核編輯：黃飛

?