抖音带火了连麦/PK，也带火了RTC行业的军备竞赛-技术圈

文 | 阑夕

从很多年前开始，电子邮箱在中文互联网的最大作用就是用来收取注册邮件，而移动互联网时代以手机号码为唯一帐号的做法，则把电子邮箱的功能性价值也扫入了历史深处。

事实上，如果排除职场需要，中国用户在绝大多数应用场景里是没有收发邮件这种需求的，作为数字生态而言，这或许构成了国内和海外的最大差异，并引发了不同路径的产品体验。

中老年网民可能还记得，QQ曾在古早时代推出过一项功能，当你向好友发消息而没有及时收到回复时，你的视频请求可以强制对方的客户端弹出会话窗口，无论他是不是在全屏打游戏。

无论多少次的好友决裂都因弹窗而起，这都充分体现了由即时通讯——或者说网络聊天——开启的中文互联网世界对于异步对话的低容忍度，就像是马的屁股决定了现代铁轨宽度的故事那样，自电子邮箱没能在中国成为互联网基础设施开始，一切都变得不同起来。

「我下线了」这句台词，也早已作古。

· · ·

早些时候，字节跳动旗下的火山引擎宣布，它的RTC服务（实时音视频）已经支持单房间超过一千人同时连麦聊天。

这是一个乍看之下有点懵逼的消息，甚至让人怀疑技能树的方向是不是点错了——如果真有一千个人同时说话，谁又能听得到谁？

然而，如果脱离具体信息沟通的思维定势，便不难想象千人连麦的使用场景：在演唱会现场，成千上万的歌迷和偶像齐声共唱一首老歌，这种感染力可以瞬间击穿所有人的内心。

换句话说，当越来越多的娱乐活动都数字化了——不光是线上的演唱会，还有一起看比赛、同屏看电影等等——在内容的实时共享之后，就轮到了感官的实时共享。

所以在过去几年里，RTC作为直播场景的一项解决方案，从发展速度到竞争烈度，都在与日俱增，技术大厂前仆后继的躬身入局，无疑都是在押注那个正在变成现实的近景未来：完全摆脱肉体的虚拟世界或许还有待时日，而在那之前的这一代用户，依然需要属于他们的新型数字社交手段。

实时的交换声音、画面乃至情绪，就是正在成为主流的生活方式。

就像人类学家项飙一直在强调「附近的消失」，这个概念越是引起共鸣，就越是说明它是一种回不去的念想，是比特对于原子的怀旧，是信息对于距离的取代。

如果乐观来看，没有附近实际上意味着处处皆可是附近，通过产品的连接，无论相隔千山万水，任何人都可以邻里相伴，连上传和下载都成为了过去时态，一切的喜怒哀乐，都要无延迟的相互传递，很难人有能够抛弃这种「数字居民」的共同身份。

而历史的发展就是如此，它和你是否喜欢、是否接受的关系微乎其微，一切偶发事件的背后，都具备着经年累月的必然性。

· · ·

火山引擎的业务之于字节跳动，很像当年的AWS业务之于亚马逊。而RTC则是火山引擎最具代表性的产品之一。

AWS的历史，最早可以追溯到2002年，杰夫·贝佐斯牵头创建了EC2——弹性计算云，用于解决公司不同业务线之间「重复造轮子」的效率损耗。

EC2在亚马逊内部大获成功并尝试对外销售，没想到还没有推广到西海岸，所有的服务器就都被租满了。

AWS的发展路径验证了一条基本逻辑：当一家公司解决了自己的问题，那么意味着它也有能力解决其他公司可能遇到的相同问题，而这个能力的输出，是能够帮助外部客户提升业务价值的。

火山引擎入场RTC的起因，也是基于字节跳动的内部所要，包括抖音的连麦/PK、飞书的多人会议、游戏的语音开黑，都对实时音视频有着极大的需求，为了提升用户体验，——用户的满意度又直接决定了终端产品的业绩增长——再由火山引擎这种中台部门提供统一的技术支持。

最终，当火山引擎的RTC已经在过亿级DAU的产品上经受了完整检验，它所沉淀下来的画质提升、架构设计、抗弱网、机型适配等技术成果，都值得打包成为一项标准化的解决方案，而这一套「抖音同款」的RTC服务可以配置到任何有意解决相同问题的外部产品里。

事实上，火山引擎也在开放RTC能力给外部的企业和开发者，在这个过程里，「抖音同款」成为了火山引擎RTC的最大竞争力之一，覆盖了如此庞大的用户群体、不同的复杂网络环境、各种可能存在的终端机型。很难想象有哪款音视频产品会遇到抖音不曾遇到过的问题，所以当火山引擎RTC连抖音都能服务顺畅，别的产品就更不在话下了，也可以让更多产品获得「抖音同款」的用户体验。

这是中国RTC行业的顶配标准。

· · ·

1943年，IBM的创始人托马斯·沃森斩钉截铁的表示：「全球至多只需要5台计算机就足够了。」

甚至连比尔·盖茨也说过，没必要为个人电脑生产超过640KB的内存，因为根本用不上。

而今，哪怕是最落后的手机芯片，它的运算能力也超过了美国当初用来执行登月计划的大型电脑，再简单不过的消消乐手游，代码规模都要比操控第一艘火箭升空要更加丰富。

所以才有段子说，当你打开手机寻找附近的便利店时，实际上太空里有17颗人造卫星正在为你服务。科技行业的第一推动力，永远来自消费市场的巨大产值，因为用户需要，所以才有技术进步、就业增长、经济繁荣等一连串的连锁效应。

就像抖音直播的画质呈现在业内一直评价颇高，在它背后，有着火山引擎RTC「全链路」画质的优化方案，从第一秒的视频采集开始，到编解码、前后处理，再到对机型、网络和场景的灵活适配，出现在用户手机上的画面，早已经过了「千锤百炼」。

比如用户的上传带宽若是不足，视频分辨率便得不到保障，画面卡顿也难以避免，针对这种硬件瓶颈，火山引擎为抖音提供了AI画质增强能力，通过AI「脑补」用户缺失的图像并填补进去，在理想情况下甚至可以将360P的视频升级成720P，如同黑魔法般的不可思议。

尽管这种超分辨率技术本身并不罕见，但它的难点在于如何在保证效果的同时压缩算法模型、降低计算量以尽可能的覆盖到那些性能有限的中低端手机，这个过程的复杂程度足以让几百名工程师日以继夜的敲打代码，直至不断迭代到产品更新里。

火山引擎也是业内首家在视频采集时进行AE优化的RTC厂商，大多数用户在开启视频时并未处在完美的光线环境里，如果是逆光或是侧光场景，人脸画质会急剧降低，所以火山引擎复用了抖音、轻颜相机同款视频采集技术架构，实时的计算人脸测光结果并加以算法平衡曝光，确保用户的容貌始终清晰生动。

包括美颜这种可能是东亚市场特别注重的刚需，火山引擎RTC也将火山引擎智能美化特效整合到方案里，在连麦过程里，用户不但可以保持美颜特效，还能随时给自己添加虚拟的动漫形象，新形象的嘴型和动作都和真人实时维持一致。

但这不仅是停留在好玩层面，整体方案的整合为资源消耗带来了优化，节省了15%的性能，同时覆盖更广机型，让中低端机也可以使用流畅稳定的美颜

而技术也被证明可以直接拉动用户在产品端的使用回报：从字节内部的A/B测试来看，火山引擎RTC的整合优化能为主播的礼物UV和被观看PV平均带来5%以上的增长，这种来自数据的正向反馈，就是对所谓「追求极致用户体验」的最佳致敬。

· · ·

火山引擎RTC的打磨不仅在画质层面，音频也要更清晰流畅，无论是多人连麦，还是新场景，「让声音更动听」始终是研发的核心目标之一。

比如嘈杂环境产生的背景音，专业主播可能不会遇到这个问题，但在一起KTV或是一起看电影等场景里，用户本身并不会特意准备专注连麦的室内环境，而他们的沟通品质则取决于App在多大程度上可以消除掉那些棘手的回声和噪音，只保留下最清晰的用户语音。

所以火山引擎RTC在自研回声消除(AEC)的基础上，结合了深度学习抑制残留回声方法，让AI算法去对采集进来的所有声音进行分层，分辨哪些是人声、哪些是环境音，就像一层滤网那样，拦截掉影响人声表达的杂质，尤其是在K歌场景下，这样的方法策略就显得尤为重要，保证用户外放K歌，依然享有高品质音质体验。

在某种程度上，技术的进步确实会促成消费者在容忍度层面的普遍降低，就像从前顶着高PING玩回合制网游的那一代用户，也不太能够理解当代网民为什么会因为MOBA比赛里的偶尔跳PING而大发雷霆。

是的，曾经信件很慢，翻山越岭要一个多月的时间，而在如今，一张图片的加载转圈，一次视频的卡顿模糊，就足以让人烦躁不安，这是「数字居民」们的天然烦恼，也是互联网公司在构建基础设施时所担当的使命和机遇。

RTC也是如此，谁的解决方案最好，谁就能够成为中国互联网下一代社交场景的技术供应商，而这也是整个数字产业的深化变革方向，流量只能赢得竞争，技术却能带来成功。