郭卓惺：互动课堂的搭建实例及相关领域应用

演讲嘉宾：郭卓惺 | 腾讯视频云终端技术中心

随着在线教育覆盖面的增加，互动课堂授课方式正在向多样化发展，为了适应新形式的发展，腾讯视频云推出了全平台覆盖的互动课堂解决方案。为客户打通了直播、实时音视频、点播、存储、白板、IM、AI等多个业务场景，提供了全方位的paas层能力。尤其是得益于小程序和H5的快捷性，互动课堂解决方案更是在需要快速体验课程的场景下具有独到优势。

大家下午好，我叫郭卓惺，是腾讯云互动课堂的负责人，在腾讯一直负责音视频相关的业务。之前做过互动直播，并与新东方等教育机构有一些技术上的交流。今天我将从以下几点讲讲互动课堂的方案，首先讲在线教育需求原型，然后讲一下腾讯给出的互动课堂方案，接下来讲一下音视频能力和白板、文档能力，最后讲一下怎么样用我们的解决方案进行快速上手。

腾讯云互动课堂框架

首先讲一下市场需求原型。因为我是技术人员，所以我只简单列举了一下市场上教育的原型，如点播类的教学，说简单点就是录一段视频，通过一个平台或者一个网站进行分享。我们觉得这种方案有不好的地方，它缺乏互动，没有实时性。而现在比较好的1V1教学和小班教学，通过直播的方式去扩散，推到各个教室或者各个学生端，直接实时进行互动。还有纯直播类型的万人公开课，类似于秀场直播一样，老师在上面讲，把流全部推出去，这种互动性少一点，但是要求覆盖率和稳定性比较高。去年双师课堂比较火，但双师课堂在技术上来讲跟1V1和小班教学是一个类型的，实际上它是两路流，在技术上来说并不是一个新技术。我讲的是云端技术，并不是硬件，硬件肯定要搭很多东西。

简单来讲，教师端将音视频能力快速推到各个地方的学生，允许一路学生把自己的视频流跟老师进行互动，这就是简单的1V1教学。如果是小班教学和双师课堂，教师也需要看到所有学生的视频流，这就是腾讯云现在所提供的能力。我们举个案例，很多人需要有课件，系统需要把课件分享到各个端，将PPT转成图片进行分享。这些原型完了之后，腾讯云主要提供的是三个能力，实时音视频互动能力、白板文档能力和消息的能力。除了这三个之外，还需要回放，就是将一节课的内容记录下了，录成一个MP4或者其他的音视频类型，后期学习、评估。除了这三个大方向之外，还涉及到技术点有很多，包括白板、存储、直播、混流、录制等能力，我们把这些能力抽出来，给客户提供一个完整的解决方案。

音视频能力TRTC

音视频这块，做在线教育，肯定是希望将教师讲课的内容迅速推到各个端，所以音视频互动的能力是最重要的。简单来说，老师端通过SDK，将流导入腾讯云后台。音视频的数据流导到各个学生端，快速将内容分享出去。腾讯云最近刚刚推出来的针对互动教育的一个SDK，这个SDK就是拥有了音视频能力和白板能力，以及录制回放的能力。如果你是一家做在线教育的公司，你现在做的事情就是绿色的部分，绿色的就是你现在要做的事情，蓝色的是腾讯已经提供的能力，您拿了这个SDK以后，就会有音视频能力、白板能力、录制视频能力。你推到腾讯云，腾讯云帮你做扩散。

重点介绍一下音视频能力。我们最早起源于QQ多人语音视频，它服务了12亿分钟，服务了300家客户。实时音视频是最早针对教育行业的，因为它端对端的延迟比较低，连麦延迟也比较低。它有三大特点，第一是稳定，它已经经过了QQ的考验了，也把能力开放出去服务了这么多客户，它很稳定。第二，快。现在我得到的数据，从视频的预处理到编码、传输，通过极速模式加速推出去，到学生端看的数据最快可以达到200毫秒左右。三，全平台覆盖，我们是腾讯，天然支持小程序、H5。

这是我们开放出来之后支持的客户，包括快手的连麦，包括自己内部的客户、外部的客户、做教育的客户。强调一下实时音视频的快区别于其他家的快。第一，它是私有协议，而不是传统的推流协议，而是私有UDP协议。第二，我们自建的核心网络，我们有1200多个节点，200多个海外节点。第三，因为我们是私有协议，为了把这个流快速分享给微信，分享给标准协议，我们做了一套转码系统，可以兼容H5和小程序。这是传统做直播需要用到的协议，有RTMP、HLS，它们都是基于TCP，所以它们有一个特点比较慢，不太适合做强互动的内容。我们改进后的协议差不多是200毫秒的延迟左右，现在走DC直联的话，现在通过加速链路的话会非常快。

我们使用的是UDP的协议，它有没有弊端？必然有的。TCP是最稳定的协议，丢包之后会大量重传，而UDP并没有这个机制，丢包就丢包了。所以如果没有QoS质量保证，音视频没有办法听，丢了大量的数据，对面收的数据是不完整的。我们在腾讯云内部做了很多事情，首先我们做了FECW前置校准，也就是在发送端先冗余了一些包，如果接收端发现丢包了，可以通过冗余的包，通过差分算法，将丢失的包补出来，我不需要重新请请求一次，让他把包发过来，这样避免重传。为了质量稳定性。所以我们在UDP的基础上，补做了丢包重传的机制。

然后是信源的保证。一个音视频的帧是由I帧和P帧构成的，它送到编码器之后，是从I帧、P帧送给编码器，形成一系列的视频动作。传统的做法有一个巨大的弊端，其中一个P帧丢了，后面的P帧没有办法用了，因为这个P帧是参考前面的P帧。如果这一帧丢了，后面所有帧都没有用。我们做了一下改进，做了好几个SP帧，所以单纯的一个SP帧是参考前置的SP帧。如果一个SP帧丢了，是没有影响的。后面是参考新的SP帧。所以这个对抗丢包性，做了大大的加强。

当你在网络不好的情况下，服务器会自动降低帧率，调整自己的发动策略。通过我们的流动策略，通过RDT协议，上传到CDN。接收端也一样，通过CDN扩到最近的一个节点，传到的学生端，做延迟修正，做编码解码和渲染。

为了保证客户端达到足够快的策略，我们做了很多工作。我们最核心突出的是目前快。但其他方面我们还做了自适应网络抖动，当您的下行丢包率超过65%的时候，我们保证声音是基本稳定的。上行丢包35%也同样如此。我们支持25fps、720p的配置。我们有首帧秒开功能，是指我们在最近的服务器上面缓存了上次的数据，你再进的时候，会拉到上次的画面，让你感觉到第一画面不是黑屏。

我们还做了一些避免拥塞的策略，可以保证自己的流能够稳定地向外输出。我们做了很多跟质量相关的监控，可以实时看到当前用户的音频质量、视频质量、丢包率、CPU等信息。现在我们来讲讲的是我们搭建的核心节点的框架。腾讯云这边的音视频是按照两种结构走的，DC代表核心节点，OC是边缘节点。所以DC一般部署在离三大运营商近的地方，它的连通率是4个9，而OC差一点，一般只有2个9。所以标准的直播链路是这样走，先走最近OC，然后再走DC，然后通过跟相关的DC值连，然后再通过边缘节点扩散。这样的话链路非常长。我们现在做的加速链路，上行的UDP的包，直接找到最近的OC，然后直通光纤，这样速度会节省很多。在互动课堂这块最重要的就是互动的延时比较多，很多在做在线教育的时候，传统的问题延迟太大了。讲课都讲了两三秒了，你才能看到，很难做互动。视频和白板数据是挺快的，你给学生说，答一下现在白板的题。你的声音还没有过去，白板的数据已经过去，完全不同步，他可能还没想到问题，这是一个完全不同步的状态。

在视频互动这块，A的主播刚刚通过保证上行流量的情况下直联到B，B的连麦用户，也是直联到A。但是B是连麦观众，优先级并没有B这么高，仅仅能保证音频。为了兼容分发，如果你是观众，你看他们两个聊天，同时去拉这两路流过来，这样你的带宽成本很高。所以我们做了云端混流，我们腾讯云内部实时把这两路流混成一个标准协议，你可以拉出来，只有一路流的方式。所有观众就可以通过一路流来看他们两个人的聊天。

这是一个老师通过学生端，在腾讯云互动课堂上的解决方案。老师推流到腾讯云，腾讯云首先做了一个Upload集群，转码，转成标准协议，然后再CDN扩散。若不走转码，可以直接走点播系统。为了简化设置，我们开发了一套web配置页面，比如你要配置它的码率、分辨率、帧率，都可以控制。这就是实时音视频的解决方案。

小程序 vs WebRTC

小程序这块音视频技术我们天然支持，小程序在腾讯云内部走的协议是RTP协议，webrtc走的协议是H5，H5走的协议是RPCP。我们的协议用的是UDP，所以我们在腾讯云内部，实际上已经做好了转码。因为房间内的转码，就是房间内的权限、管理、状态，腾讯已经做好了对两个标准协议的支持。虽然是直联协议，但是您可以把直联协议分享给微信，也可以分享给H5。我们的音视频质量相对而言，比较稳定，抗丢包率超过了30%，抗800毫秒的网络抖动，支持百万级的超大规模的房间，支持千万级的并发，现在是全平台覆盖。

白板与文档

白板和文档现在是独立的模块，也就是跟音视频没有关系的。它走的是暗的通道，白板是画一些坐标点，如是TTP，它把先TTP转到腾讯云上面，把文档上传上去，腾讯云给你转码成图片列表，再加上你画的线、涂鸦数据，直接在通道进行传送。这个消息通道也是腾讯云内部提供的，可以分享到通道内部的所有人。为了避免后进的人没有数据，我们把数据保存到腾讯云，后进人的数据可以直接通过腾讯云直接拉取历史数据。

我们的白板不仅支持力度是涂鸦、文档，提供一个独立的通道，也支持回放。刚刚刘总问我们白板和音视频有没有混在一起？目前我们在做这个事情，但是离正式商用还是需要大家在等待一段时间。一个PPT，我可以把PPT每页转成一个图片，再分享出去。教师端主要的流程是采集、编码、序列化，采集的点进行压缩，通过消息通道发送出去。而学生端则是解压、解码、反序列化。这块采集的点是坐标点，所以我们的JDI相对而言比较大，我们需要做一定程度上的压缩。

其实做白板这块有很多技术上的问题，第一个是大小屏幕不一样，因为有些用PC，有些用平板。还有单笔的连贯性，就是你画的时候，那边不同步走。还有乱序的问题，因为数据传输过程中有乱序，所以我们要做乱序重排的方案。还有文档预览，只有白板这块是没有意义的，要把文档传递出去才有意义。最重要的，如果你们自己有白板，你接别人的音视频，你怎么确保视频和音频的同步呢？所以实时性的保证也是很关键的。我做了坐标规划解决第一个问题，我们取的坐标点并不是绝对点，而是所有点我们都做了相对于左上中心点角的坐标规划，如果它是X轴，就除以它的宽度、除以1万，Y轴也是一样。所有的屏幕都是16：9。

为了达到连贯效果，这边画一笔出去之后，如果画很长时间不松笔，你平移，UP事件是抬起来的。之前我们的做法在于UP的时候把采集的数据往外发。这样会导致，第一你的数据点过大，你的解压和压缩、对数据通道的承压能力有挑战。因为画很长的过程中，对方看不到，你只有松开对方才能看到，所以我们做了很多处理。我们当时把这个事件发出去，平移的过程中，采集平移的数据点进行压缩，定时发送。所以您基本上可以看到是一个实时的过程，我这边画一点，那边可以看到画一点。这边的采集的时间定时差不多200毫秒左右。

同步性。我画的时候，你也在画，那白板怎么处理呢？我们可以支持三五个人同时画。我们的处理很简单，所有的数据到了先缓存，缓存收到之后并不立刻画，还是有一个定时的机制。所以数据来了先存缓存，存完缓存之后定时去拉去，就会展示的跟所有人数据都是同步的，同时我们也把数据传一份到腾讯云。

文档。文档是借助于内部腾讯云的转码，就是COS，COS本质工作把东西传上去。它提供了一个所有文档的转码，当我们把文档上传到COS，COS会通知前助处理，告诉前助处理通知转码服务进行转码。转码之后，它会拉这边的PPT，进行PPT的转码，然后再写回一个COS。下面有流程，上传PPT、通知SCF，转码服务。

学生注意力检测

这是我们针对教育行业学生注意力的检测，这也是一个预研的方案，现在还没有推出来。我们会采集学生的特征点，根据特征的算法，去判断他有没有看屏幕。所有的数据搜集到注意力曲线进行判断，判断这个学生对这门课的判断是如何。

快速上手

最后讲一下快速上手，只需要三步。第一步，开通腾讯云的服务，拿到钥匙。第二，集成TICSDK。第三，业务后台接入腾讯云服务。把这两者结合一下，打造你自己的在线教育课堂，因为每个人的需求是不一样的，但这是一个技术。

拿到SDK以后，四到五步，就可以把画面和互动的东西描述出来。首先是登录，然后创建一个课堂，加入一个课堂。让对方打开摄像头，连麦过来，你把流推出去，进行一些涂鸦，最后是退出课堂。

这是一个比较简化的解决方案。我们把音视频推给腾讯云，腾讯云帮你做转码和文档的转码和一些录制。把流推给对应的学生端。业务方需要取得录制文件，直接调热接口，这是一个简化图，真实情况还要复杂。

现在SDK整合了好几个能力，这是音视频能力、消息能力、白板能力和文档转码能力，蓝色部分是我们提供的。绿色的是现在要去解决的，首先要看怎么拿到钥匙，然后是课堂管理。我们其实是不管课堂的，我们只有一个小群组，我们不维护课堂。然后布局、登录等等，这样事情要做。

今天的分享就到这里，谢谢大家！