11月27日,36氪重磅發(fā)布「WISE2024 商業(yè)之王系列年度企業(yè)名冊(cè)」,聲網(wǎng)憑借在實(shí)時(shí)互動(dòng)領(lǐng)域的深厚技術(shù)積累、專業(yè)的客戶服務(wù)以及在生成式 AI 時(shí)代的技術(shù)創(chuàng)新,成功入選「WISE2024 商業(yè)之王 年度最具商業(yè)價(jià)值企業(yè)」。
作為中國(guó)最具社會(huì)影響力的年度行業(yè)峰會(huì)之一,36氪 WISE 大會(huì)始終站在時(shí)代前沿,被譽(yù)為前瞻中國(guó)商業(yè)經(jīng)濟(jì)的風(fēng)向標(biāo)。今年10月,36氪特別啟動(dòng)調(diào)研,聚焦發(fā)掘那些為產(chǎn)業(yè)長(zhǎng)期發(fā)展、全球經(jīng)濟(jì)增長(zhǎng)提供創(chuàng)新動(dòng)能的代表企業(yè),設(shè)置了「WISE2024 商業(yè)之王年度最具商業(yè)價(jià)值企業(yè)」、「WISE2024 商業(yè)之王年度最具商業(yè)潛力企業(yè)」兩大類別及九大新經(jīng)濟(jì)領(lǐng)域。經(jīng)過(guò)對(duì)數(shù)百家提報(bào)企業(yè)的數(shù)輪遴選,結(jié)合專業(yè)分析師意見,正式發(fā)布了「WISE2024 商業(yè)之王系列年度企業(yè)名冊(cè)」。
以生成式 AI 為代表,提“智”增效的數(shù)字化轉(zhuǎn)型,持續(xù)向全行業(yè)深度覆蓋。聲網(wǎng)是全球?qū)崟r(shí)互動(dòng)云行業(yè)的開創(chuàng)者和引領(lǐng)者,為包括社交泛娛樂(lè)、教育、IoT、企業(yè)協(xié)作在內(nèi)的20余行業(yè)賽道,200多種場(chǎng)景提供 RTE 服務(wù)。一直以來(lái),聲網(wǎng)都始終對(duì) AI 技術(shù)保持敏感,并持續(xù)跟進(jìn),借助 AI 技術(shù),提升實(shí)時(shí)互動(dòng)體驗(yàn),讓實(shí)時(shí)互動(dòng)場(chǎng)景變得更加豐富。
幾年前,聲網(wǎng)在業(yè)內(nèi)首次將 AI 算法全面引入 RTC 技術(shù)棧的各個(gè)領(lǐng)域,用于改善音視頻體驗(yàn)與 QoE 體驗(yàn)。在音頻領(lǐng)域,聲網(wǎng)打造了新一代實(shí)時(shí)音頻技術(shù)智能引擎“鳳鳴AI引擎”,其中的 AI 降噪、AI 回聲消除、空間音頻等能力給實(shí)時(shí)互動(dòng)場(chǎng)景帶來(lái)了更加純凈和沉浸的聽覺(jué)體驗(yàn)。在視頻領(lǐng)域,聲網(wǎng)的“實(shí)時(shí)高清·超級(jí)畫質(zhì)”解決方案,在全面提升視頻畫質(zhì)的同時(shí),也帶來(lái)了 AI 美顏、虛擬背景、AI 驅(qū)動(dòng)表情與動(dòng)作等方面的體驗(yàn)進(jìn)化。
自2023年以來(lái),聲網(wǎng)持續(xù)不斷地探索生成式 AI 與 RTE 能力相結(jié)合給不同行業(yè)帶來(lái)的應(yīng)用場(chǎng)景創(chuàng)新與效率提升。如今,隨著多模態(tài)大模型技術(shù)的發(fā)展,能以語(yǔ)音與人類進(jìn)行自然對(duì)話的多模態(tài) AI 將在客戶服務(wù)、教育和健康等多個(gè)場(chǎng)景中得到廣泛應(yīng)用,而聲網(wǎng)則有望成為對(duì)話式 AI 的關(guān)鍵基礎(chǔ)設(shè)施。
在10月25日舉辦的第十屆實(shí)時(shí)互聯(lián)網(wǎng)大會(huì)上,聲網(wǎng)正式發(fā)布了 RTE+AI 能力全景圖,從實(shí)時(shí) AI 基礎(chǔ)設(shè)施、RTE+AI 生態(tài)能力、聲網(wǎng) AI Agent、實(shí)時(shí)多模態(tài)對(duì)話式 AI 解決方案、RTE+AI 應(yīng)用場(chǎng)景五個(gè)維度,清晰呈現(xiàn)了當(dāng)下 RTE 與 AI 相結(jié)合的技術(shù)能力、架構(gòu)方案與應(yīng)用場(chǎng)景。RTE 已經(jīng)成為生成式 AI 時(shí)代 AI 基礎(chǔ)設(shè)施的關(guān)鍵部分,而 RTE 與生成式 AI 結(jié)合所帶來(lái)的場(chǎng)景創(chuàng)新,也將成為下一個(gè)十年的主題。
聲網(wǎng)對(duì)話式 AI 解決方案 構(gòu)建實(shí)時(shí)多模態(tài) AI 語(yǔ)音交互
聲網(wǎng)通過(guò)與多家客戶在 AIGC 場(chǎng)景的深度合作,探索出了實(shí)時(shí)多模態(tài)對(duì)話式 AI 解決方案,該方案以語(yǔ)音為核心,支持視頻擴(kuò)展,可實(shí)現(xiàn)文本/音頻/圖像/視頻的組合輸入&輸出,通過(guò)豐富的功能構(gòu)建真實(shí)、自然的 AI 語(yǔ)音交互體驗(yàn)。
實(shí)時(shí)多模態(tài)對(duì)話式 AI 解決方案具備四大優(yōu)勢(shì):對(duì)交互延遲進(jìn)行優(yōu)化,延遲可做到低于500ms;支持 AI 降噪、背景人聲過(guò)濾,讓語(yǔ)音對(duì)話更純靜;支持隨時(shí)打斷與超擬人化人聲合成,讓對(duì)話更智能與逼真;同時(shí)還支持靈活可擴(kuò)展的 AI Agent 架構(gòu)等一系列功能,幫助開發(fā)者與企業(yè)快速構(gòu)建適配自己業(yè)務(wù)場(chǎng)景的 AI 實(shí)時(shí)語(yǔ)音對(duì)話服務(wù)。
在多模態(tài)大模型的趨勢(shì)下,RTE 成為了人與 AI 交互中的重要一環(huán),越來(lái)越多的企業(yè)與開發(fā)者都在探索在大語(yǔ)言模型或者 AI 應(yīng)用場(chǎng)景中快速集成高效的音視頻能力。對(duì)此,聲網(wǎng)推出了 Linux Server SDK,支持當(dāng)下大模型編程最主流的兩類語(yǔ)言 Python 與 Go ,企業(yè)可基于聲網(wǎng) Linux SDK ,快速接入大模型,上線具備 RTC 傳輸能力的 AI 應(yīng)用場(chǎng)景,如 AI 陪伴、AI 助理、AI 語(yǔ)言陪練和 AI 客服等。
AI+會(huì)議協(xié)作、IoT、教育 重塑實(shí)時(shí)互動(dòng)體驗(yàn)
會(huì)議協(xié)作領(lǐng)域,聲網(wǎng)的 aPaaS 產(chǎn)品“靈動(dòng)會(huì)議”,通過(guò) RTE 技術(shù)與生成式 AI 能力的融合,重塑會(huì)議協(xié)作使用體驗(yàn),為客戶提供低代碼視頻會(huì)議平臺(tái),并且采用了多云、多平臺(tái)設(shè)計(jì),提供 SFU+MCU 混合架構(gòu)部署能力,支持客戶進(jìn)行靈活部署和擴(kuò)展,全面滿足客戶會(huì)議、協(xié)作和調(diào)度需求。
RTE 技術(shù)確保了低延遲、高質(zhì)量的音視頻傳輸,讓視頻會(huì)議溝通更加實(shí)時(shí)流暢;而生成式 AI 則通過(guò)對(duì)會(huì)議內(nèi)容的分析和生成,提供智能化的輔助功能,如實(shí)時(shí)字幕、AI 會(huì)議紀(jì)要等。兩大技術(shù)支撐,讓會(huì)議從傳統(tǒng)的信息傳輸工具升級(jí)為智能協(xié)作平臺(tái),有效提升了會(huì)議效率和用戶體驗(yàn)。
IoT領(lǐng)域,在實(shí)時(shí)多模態(tài)對(duì)話式 AI 解決方案的基礎(chǔ)上,聲網(wǎng)針對(duì) IoT 行業(yè)的特殊性,探索出了 AI x IoT 智能硬件解決方案,該方案能夠在低功耗、低算力芯片上快速實(shí)現(xiàn)大模型的接入,具備低延時(shí)實(shí)時(shí)互動(dòng)、低成本靈活適配的特性,通過(guò)豐富的功能在智能硬件場(chǎng)景中構(gòu)建真實(shí)、自然的 AI 語(yǔ)音交互體驗(yàn)。目前多模態(tài)大模型在智能硬件場(chǎng)景的落地主要以智能眼鏡、智能手表、智能耳機(jī)等穿戴式設(shè)備為主,在生成式 AI 的趨勢(shì)下,還出現(xiàn)了智能陪伴機(jī)器人、智能兒童毛絨玩具、智能戒指等一系列場(chǎng)景,帶來(lái)不同硬件終端下的 AI 語(yǔ)音交互體驗(yàn)。
教育領(lǐng)域,聲網(wǎng) RTC+AI 教育超級(jí)雙擎解決方案,通過(guò) RTC+AI 雙引擎驅(qū)動(dòng)在線課堂教學(xué)體驗(yàn)的升級(jí)以及教學(xué)場(chǎng)景的創(chuàng)新,該方案包含了超強(qiáng)互動(dòng)、絲滑流暢、多維直播、教育硬件適配、AI沉浸課堂、大模型輔助教學(xué)等六大特性。可應(yīng)用于直播大班課、智慧教室、學(xué)習(xí)機(jī)、AI口語(yǔ)老師等在線教育場(chǎng)景。支持大模型輔助教學(xué),運(yùn)用大模型構(gòu)建 AI 口語(yǔ)老師場(chǎng)景,學(xué)生可通過(guò)實(shí)時(shí)語(yǔ)音與 AI 進(jìn)行問(wèn)答互動(dòng),從學(xué)生發(fā)言到 AI 對(duì)話響應(yīng)延時(shí)可做到低于500ms。
未來(lái)聲網(wǎng)也將持續(xù)聚焦,打造一個(gè)更高效、更靈活的組織,更敏捷的抓住市場(chǎng)機(jī)遇,并打造生成式 AI 時(shí)代的下一代實(shí)時(shí)互動(dòng)技術(shù),鞏固聲網(wǎng)在實(shí)時(shí)互動(dòng)領(lǐng)域的領(lǐng)導(dǎo)地位。
