引言： 蘋果、Google、亞馬遜等科技巨頭一致看好的智能音箱市場，國內廠商應該如何布局呢?Mediawin一站式音視頻解決方案，讓國內客戶快速跟上國際大廠的腳步。
最近，智能音箱確實“火”了。在今年的Google I/O大會上，內置Google Assistant語音助手的智能音箱Google Home讓人印象深刻;在2016 Code conference上，亞馬遜的Echo智能音箱也被“擺上”臺面;據悉蘋果也將推出集成攝像頭、SIri語音助手的智能音箱。各大巨頭紛紛登場，Facebook、百度、騰訊…相信也已經不遠了!
實際上，智能音箱也僅是音視頻應用于物聯網領域的冰山一角，還有大量的新興應用，比如智能機器人、智能門鈴、VR/AR、智能電烤爐、智能冰箱、車載后視鏡等，都需要視頻技術的支撐。由此可見，在物聯網時期，音視頻應用正迎來“爆發式”的增加，眼睛和耳朵將無處不在。
“戴上”耳朵和眼睛，智能硬件世界將會怎樣
智慧教育
傳統的課堂教育都是老師在上面講，而學生在下面聽;在線教育靈活方便，在任何地方、任何時間都能進行學習，并且自由控制學習進度。
智慧監控
傳統的監控方式只是將視頻存儲在服務器，發生案件之后才去翻看視頻內容;智慧監控不僅能在線警示，還能進行人臉識別、移動監測、實時通訊等功能。
智能兒童陪伴機器人
一般的玩具缺乏趣味，沒有任何互動的功能;智能兒童陪伴機器人能夠講故事、播放歌曲、實時拍照、語音交互等功能。
智慧汽車
功能型汽車的駕駛情況完全依賴于司機的狀態，疲勞駕駛、分心、操作不當都可能導致意外事故;無人駕駛汽車是計算機系統，能360度全方位的看到路況，減少事故和人員傷亡，同時緩解交通壓力。
智慧音響
一般的音箱只能播放音樂，沒有連接互聯網上海量的資源;智能音箱不僅能聯網，還可以進行語音交互，作為家庭控制中心，從而通過語音控制家庭中的其他智能設備。
不過，現在的產業面臨著融合發展的趨勢，沒有一家公司能面面具到，也很難從技術、市場到產品都自己搞定。經過《智慧產品圈》的調研發現，深圳有一家公司迪韻科技，可以在物聯網音視頻領域提供一站式解決方案，其Mediawin平臺為傳統行業以及硬件企業提供“耳朵”和“眼鏡”方案，僅需3個月就能讓客戶的產品完成智能化升級。
云+管+端一站式解決方案，輕松幫助客戶“戴上”眼睛和耳朵
為了幫助客戶更快實現音視頻應用，Mediawin方案平臺整合了多方面的資源，比如與多家聲學器件廠商合作定制了麥克風、喇叭等聲學器件;與專業芯片廠商合作開發了深度優化的音頻處理算法;與語音識別方案商合作提升語音識別的準確率;接入第三方的平臺提供更多的音視頻應用功能等。
圖：迪韻科技市場總監孫強
基于此，迪韻科技營銷總監孫強表示：“Mediawin專注于為客戶提供“云+管+端一站式音視頻解決方案”，也可以根據客戶的不同需求，比如白牌企業可能需要完整的音視頻解決方案、大企業可能僅需要底層處理算法支持、方案商需要整合專業的處理算法+云平臺資源等，提供定制化的軟硬件方案服務?！?/p>
Mediawin云+管+端一站式解決方案
在設備端，Mediawin平臺針對各種嵌入式產品，擁有完善的硬件解決方案，比如專業的音腔設計、音視頻器件選型、聲學場景優化、音視頻模組等，能幫助企業簡化6大音視頻開發難題。另外，在云平臺方面，不同市場對音視頻云平臺的需求會有所差別，比如在線教育需要一對多實時在線高并發的模式，監控需要聲源定位、人臉識別、語音激活等功能，音樂需要海量在線資源與點播功能等。為此，在深入了解不同市場需求的基礎上， Mediawin進行了深度優化和定制化。孫強繼續向《智慧產品圈》記者表示：“Mediawin平臺內部集成了監控云、教育云、音樂云、實時通訊云等子云平臺系統，根據應用行業的需求優化子云平臺的功能和架構，以滿足不同行業的需求?！?/p>
Mediawin的6大解決方案
就拿常用的智能機器人多媒體部分為例，Mediawin平臺不僅能在設備端提供MIC陣列模組、攝像模組、機器人聲學結構設計、聲學器件選型等硬件方案和服務，也提供回聲消除、噪聲抑制、語音打斷、聲源定位、人臉識別、美顏、移動偵測、人臉識別等軟件音視頻處理算法，以及網絡傳輸協議、音視頻編解碼、傳輸延時監測等多媒體傳輸技術，云端還有設備注冊管理、多方視頻會議、PSTN落地、云監控、云錄像、云直播等功能，從設備端、傳輸管道、再到云平臺的一站式設計服務。
因此，在智能監控、機器人等物聯網市場，Mediawin平臺已經擁有了成熟的合作案例，比如奇虎360的智能攝像機，北京智能管家的布丁機器人，深圳市藍機器人科技的IONE機器人等智能產品。
“千里眼”“順風耳”沒那么簡單，Mediawin背后解決了哪些技術難題
音視頻傳輸延遲嚴重不同步：迪韻科技首席技術官彭遠疆說道：“由于網絡環境的影響，音視頻數據包在網絡上傳輸會面臨各種挑戰。首先，一般實時音視頻流采用UDP傳輸協議，容易發生丟包的情況，導致接收端花屏和語音失真。其次，每一個數據包從發出到被接收的時間都是不一樣的，所以需要在接收端引入緩存機制。不過緩存越長，抗網絡抖動的效果自然越好，但是附加延時也會越大，采集端和接收端的時間差越明顯，在需要音視頻互動的場景中體驗效果非常差。最后，由于網絡帶寬的限制，丟包率和卡頓概率都會急劇提高?！?/p>
圖：迪韻科技首席技術官彭遠疆
網絡傳輸算法是“殺手锏”：Mediawin平臺在RTP/RTCP傳輸協議的基礎上，建立了適合智能設備的流媒體網絡傳輸算法模型，通過對每一幀的發射/接收時間進行統計分析，實時估算出當前網絡的延時、丟包、帶寬等數據，并通過實時調整編碼碼率、緩沖長度、重傳策略等，確保在各種復雜網絡環境下的均能保持良好的音視頻傳輸質量。另外，由于采用了國際標準的SIP/ONVIF接入協議和TLS/SRTP安全協議，Mediawin平臺不僅能接入各類音視頻硬件，同時也為最終用戶提供了金融級的安全保障。
音視頻處理效果差，產品體驗不佳：由于受到周圍自然環境的影響，比如強光背景、低亮度環境、汽車噪聲、聲音反射等，硬件設備端采集到音視頻流需要經過復雜的算法處理，才可能擁有較好的畫質和音效。彭遠疆表示：“音頻前端如回聲和混響消除、噪聲抑制、拾音音量自動調節等算法均是難點。如若涉及多人視頻，還需要解決多人語音的混音、視頻混屏和切換的問題，并且需要保障音頻和視頻的時間差低于300ms，否則就會出現唇音不同步的現象?！?/p>
設備+云聯動音視頻算法“殺手锏”：深度優化了底層的音視頻算法，比如音頻回聲消除、噪聲抑制、視頻降噪、白平衡控制、曝光控制等，在提升效果的同時還能夠適應各種不同的軟硬件平臺。
不過，在音視頻處理的過程中，不可能將所有的算法都放在設備端，而應該根據實際應用情況，合理的分布在設備端和云端。彭遠疆表示：“Mediawin的音視頻云平臺采用了大規模的分布式網絡技術，可支持多人實時在線的大容量并發和拓展，集成降噪、混音、混屏、轉碼、人臉識別等各種音視頻處理算法，同時接入第三方功能，擴充語音識別、語義理解、人工智能等服務。”
未來展望
彭遠疆表示，基于在音視頻方案和技術上的積累，Mediawin平臺不斷拓展垂直生態的第三方合作伙伴，開放API接口接入更多的應用算法(如摔倒檢測、手勢識別等)，打造更加龐大的物聯網音視頻應用平臺。同時“眼睛”和“耳朵”作為物聯網的一部分，需要融合到其他行業生態中，Mediawin平臺希望橫向對接其他的專業領域云平臺，如智慧家庭、智能家居、智能醫療等。