2024年6月13日，第89次AVS工作組會議在紹興召開。AVS音頻組經(jīng)過討論，正式宣布，《信息技術(shù) 智能媒體編碼 第 10 部分：實時語音》（以下簡稱AVS3-P10） 已經(jīng)完成FCD（Final Committee Draft）階段，即將正式對外發(fā)布。AVS3-P10是全球首個系統(tǒng)性引入人工智能并實現(xiàn)真正意義上的低碼率下高質(zhì)量語音編碼標(biāo)準(zhǔn)，為全球語音技術(shù)的發(fā)展帶來革命性的突破。
實時語音通信技術(shù)（RTC: Real-time Communication）已廣泛應(yīng)用于在線會議、協(xié)同辦公、互動娛樂、社交等領(lǐng)域，上述多樣豐富的應(yīng)用場景給實時語音通信技術(shù)提出了多種技術(shù)挑戰(zhàn)，其中，高質(zhì)量、低延時、低帶寬、高抗性的語音編碼是非常重要的一環(huán)。傳統(tǒng)的語音編碼器，包括AVS、ITU-T等標(biāo)準(zhǔn)語音編碼器，在16-20kbps左右碼率時，能夠恢復(fù)出高質(zhì)量寬帶語音；在30-35kbps，可以恢復(fù)出高質(zhì)量超寬帶甚至全帶語音。然而，當(dāng)碼率進一步降低（如：降到10kbps以下時），傳統(tǒng)語音編碼器恢復(fù)的質(zhì)量下降明顯，影響用戶體驗。
基于上述應(yīng)用訴求，在2023年3月第84次AVS會議上，由騰訊提議在AVS音頻組啟動面向?qū)崟r語音通信場景的低碼率高質(zhì)量語音編碼項目。經(jīng)過需求分析，在第85次AVS工作組會議上，決定立項AV3-P10實時語音編碼項目，并通過AVS音頻組發(fā)出技術(shù)征集書。AVS3-P10實時語音編碼項目由來自騰訊會議天籟實驗室的肖瑋負責(zé)推進和維護。
2023年12月第 87 次 AVS 會議上，AVS3-P10 WD 1.0通過全體會議審議；騰訊會議天籟實驗室提交的技術(shù)方案，被選擇為AVS3-P10實時語音編碼的RM0基線。
2024年3月第88次AVS會議上，音頻組組長清華大學(xué)竇維蓓教授宣布了《信息技術(shù) 智能媒體編碼 第10部分：實時語音》已經(jīng)完全滿足技術(shù)需求，主客觀測試驗證表明其性能在多個對比項中表現(xiàn)最優(yōu)，標(biāo)準(zhǔn)制定工作由工作組草案(WD)階段進入委員會草案（CD）階段。
AVS3-P10標(biāo)準(zhǔn)制定過程中，采用按照ITU-T P.800 DCR主觀質(zhì)量評價規(guī)范，并由中國電子技術(shù)標(biāo)準(zhǔn)化研究院和華為分別進行了主觀測試和交叉驗證。
主觀測試結(jié)果表明，在單聲道編碼場景，AVS3-P10在寬帶和超寬帶等多個主要測試場景均達到了4.0以上MOS分，體現(xiàn)出明顯優(yōu)勢，最低碼率可達5.9kbps。AVS3-P10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)不佳時的質(zhì)量。
在立體聲編碼場景，AVS3-P10集成了在AVS音頻歷代標(biāo)準(zhǔn)中采用的基于極大相關(guān)旋轉(zhuǎn)（MCR：Maximum Correlation Rotation）的參數(shù)立體聲編碼技術(shù)。經(jīng)過測試，碼率低至7.6kbps時也可實現(xiàn)高質(zhì)量雙聲道立體聲編碼效果，主觀質(zhì)量均達到4.0以上MOS分。在低于17kbps的測試碼率條件下，AVS3P10的CD1.0實現(xiàn)了雙聲道立體聲主觀質(zhì)量均超過對比系統(tǒng)。
在ITU-T P.863客觀質(zhì)量評價實驗中，AVS3-P10 RM0也體現(xiàn)出了顯著優(yōu)勢。第一，在所有8個測試碼率中，AVS3-P10 RM0均超過4.0MOS，最高在4.45MOS。在AI Codec領(lǐng)域，AVS3-P10 RM0在相近碼率下，質(zhì)量優(yōu)勢在0.6MOS以上。上述測試結(jié)論均反映出，AVS3-P10 RM0代表了目前AI Codec的最高水平。
上述測試結(jié)果表明，AVS3-P10質(zhì)量，可以對齊OPUS和EVS等傳統(tǒng)信號處理編碼器在中高碼率的表現(xiàn)，達到運營級質(zhì)量。AVS3-P10技術(shù)水平、語音質(zhì)量達到國際一流水準(zhǔn)，為全球語音通信技術(shù)樹立了新的標(biāo)桿。
AVS3-P10實時語音標(biāo)準(zhǔn)FCD的完成，具備了提交AVS工作組進行最終審批的條件。該標(biāo)準(zhǔn)離不開AVS音頻組成員單位的共同努力和貢獻。AVS3-P10 實時語音編碼，作為新一代的語音編解碼技術(shù)標(biāo)準(zhǔn)，是對AVS系列標(biāo)準(zhǔn)的重要補充。
版權(quán)所有?上海國茂數(shù)字技術(shù)有限公司 滬ICP備10024710號-1
在線留言
021-50172612
