1872年的某一天,在美国加利福尼亚州的一个酒店里,两个年轻人发生了激烈的争论。
其中一人认为,奔跑的马在跃起的瞬间,四蹄是腾空的。而另一人则认为,马奔跑时,始终有一个蹄子是着地的。
来自英国的摄影师麦布里奇得知此事后,决定通过实验来验证谁对谁错。于是,他借助24台相机,连续拍摄了24张照片,并由此创造了人类历史上第一个“视频”。
不久后,1877年,著名发明家爱迪生在他的“圆筒留声机”上,录下了他亲自朗读的《玛丽有只小羊羔》的歌词。
这短短数秒的声音,成为了人类历史上第一条音频。由此,人类正式进入了音视频时代。
█ 音视频技术的发展和演进
众所周知,人有五感,分别是视觉、听觉、嗅觉、味觉和触觉。通过五感,我们才能感知外部物理世界的存在,享受真实生活的美好。
在人类漫长的历史长河中,文字、图画是记录和传递信息的主要方式。直到前面提及的音视频出现,才将人类记录信息的方式,升级到了一个更高的维度,更加具象化。
音频和视频诞生早期,只能存储在胶片和磁带上,容量有限,也不方便保存和运输。
电影胶片
直到20世纪70-80年代,随着数字录音和摄像技术的不断成熟,唱片公司和电影公司开始采用数字方式录制原始素材,并进行后期制作,掀起了音视频技术的革新浪潮。
在数字技术的支撑下,音视频剪辑变得更加方便快捷。CD、MD、DVD等数字载体的出现,不仅让音质画质大幅改善,还极大地扩充了存储容量,减少了空间占用。
世界上第一款CD播放器,索尼CDP-101(1982年)
到了90年代,个人PC的规模普及,以及互联网的爆炸式发展,再次刺激了音视频技术的飞跃,并将人类全面推向了多媒体时代。
那一时期,互联网先民们疯狂地上传和下载mp3、wav格式的音乐,bmp、jpg格式的图片,还有rm、mov、avi格式的电影。他们不再局限于纯文字的交互方式,而是全面转向了QQ、MSN这样的多媒体通信工具。
与此同时,基于音视频技术发展起来的游戏产业,更是将人们对数字世界的感官体验,推向了更高的层级。人们开始有了对数字虚拟空间生活的早期憧憬和迷恋。
“模拟人生”游戏截图
进入21世纪后,随着3G/4G、光纤宽带的高速发展,以及摩尔定律下CPU、内存、硬盘能力的进一步跃升,音视频技术再获突破,几乎可以说是日新月异。
以视频的清晰度为例,一路从早期的标清(320p/480p),发展到高清(720P/1080P),再到超高清(4K/8K),并最终催生了前所未有的人机交互模式——VR/AR(虚拟现实/增强现实)。
VR/AR的出现,第一次让人类感受到什么叫做沉浸式体验。我们与数字世界的交互,从单向异步,变成了双向同步。我们向真正的数字空间生活,迈出了一大步。
2020年,腾讯提出“全真互联网”。2021年,元宇宙火遍出圈。这些都是音视频技术飞速发展的产物。
视频编解码技术的不断演进,信息通信技术的快速迭代,极大地改善了人们的视频观看体验,彻底激发了人们对平行数字空间的渴望和向往,认为这是一种可以实现的梦想。
人们不再满足于使用音视频技术传递真实世界的影像,而是更希望将真实世界的一切元素都“捕捉”下来,转换成无数的比特,存放在硬盘里。这些比特,将成为人们构建数字虚拟世界的素材。
█ 音视频技术的需求变化
元宇宙到底能不能成真,我并不知道答案。但是,音视频技术的需求趋势,却是显而易见的。归纳而言,就是两点:平民化、产业化。
近年来,智能手机的普及,专业摄录设备的降价,让越来越多的普通用户有机会进行音视频内容创造和生产。
短视频业务的爆发,以及全民直播的兴起,更是将视频平民化推向了新的高潮。
网红直播带货
几乎在一夜之间,我们就进入了“人人看视频,人人拍视频”的时代。很多优秀的up主或主播,能够通过优质的内容,赚取巨额收益,刺激了人们将视频作为谋生手段的热情。
在这样的情况下,音视频技术需要进一步降低门槛,让更多的人能够更容易地生产内容。
2020年,突如其来的新冠疫情,也间接推动了音视频产业的发展。我们需要借助虚拟空间的延伸,弥补疫情导致的物理空间上的限制。
学生居家学习,企业居家办公,产生了大量的网课、会议视频流量。根据运营商的统计数据,截至2020年底,视频在全网数据流量的占比已接近70%。
远程会议
除了学习和办公之外,产业将视频的应用进行了延伸,发掘了更多的创新场景。
例如,借助视频识别技术,可以对产品进行质量检验,可以对园区进行车辆管理,可以对工地进行安全隐患识别。
再例如,借助VR/AR技术,可以进行人员岗前培训,可以进行远程手术,可以进行远程参观,也可以进行远程设备巡检和故障处理。
也就是说,视频不再仅仅是娱乐工具,而是变身为生产力工具。
各个领域和垂直行业,都希望借助音视频技术,升级和改造现有生产场景,提升效率,降低成本。
企业希望充分利用音视频技术,但是,也面临着对技术门槛和资源投入的担忧,望而却步。
我们现在每天都在讨论数字化转型,其实,“音视频+垂直行业”,就是企业数字化转型的一个极佳入口。行业音视频,即将进入爆发期。
█ 音视频技术的未来方向
刚才说的是外部需求的变化。接下来,我们看看音视频技术是如何应对变化的。
简而言之,就是三点:算法极致化、功能智能化、服务平台化。
音视频的性能指标提升,一直没有停止前进的脚步。
尤其是视频方面,因为高清显示技术的驱动,使得视频的分辨率不断增长。除了分辨率之外,视频的帧率要求,也在增加。
还有VR视频,因为含有三维的时间和空间信息,所以冗余更高,数据体积更大。
想要实现超高清高帧、VR/AR视频应用的普及,仅仅依靠增加硬盘容量和通信带宽是不够的,必须尽可能压缩视频的体积。这就离不开视频压缩算法的持续改进。
目前,全球视频编码标准分为多个派系。除了大家熟悉的H.26X系列(ITU-T主导)之外,还有MPEG系列(ISO/IEC主导),AVS系列(国内AVS组织主导),以及免费开源的AV1等。
来自知乎用户:甜草莓
这些标准,形成了开放的竞争关系,不断探索着视频算法的极限。它们是视频技术向前发展的基础。
除了硬指标提升之外,音视频的另一个发展趋势,就是全面智能化时代的到来。
换言之,就是AI人工智能技术不断被引入到音视频领域,帮助提升音视频内容的生产效率,同时创新出更多的玩法。
首先看看音频。
AI+音频,可以实现对音频信号的智能识别、编创。具体识别对象,可以是歌曲中的鼓点、节奏点。 AI可以针对音乐的强度、情绪、风格、情感等维度,对音乐进行理解和打标签。在编创时,AI可以将音乐中人声、伴奏、吉他、钢琴等音轨进行智能分离。
AI还可以自动对歌词进行续写,将一首流行歌曲,改编成一首Rap(说唱音乐)。
再看看视频。
做过视频的人都知道,视频内容创作的大部分工作量,都集中在视频内容剪辑和渲染上,既费时又费力。
相比于传统的人工剪辑,基于算法和学习,AI可以对视频素材进行“智能增强”、“智能剪辑/拆条”。
“智能增强”,则是通过AI技术,进行视频图像降噪、色彩增强,改善画面细节,提升人眼的主观效果。
“智能剪辑/拆条”,则是智能识别和分析视频原始素材中人物的动作、事件和表情,自动定位精彩片段,将其提取出来,完成剪辑、配乐等工作,变成精彩视频集锦。
“AI+音频+视频”的融合,用途更为广阔。Up主可以借此实现视频智能配乐、音乐MV和vlog的自动创作,大幅降低作品的生产难度。
除了内容创作以外,AI还可以用于视频修复(旧电影修复)、视频增强和行业视频应用。
例如,腾讯的多媒体实验室,通过深度学习敦煌壁画病害数据,形成自动识别并添加图示的一整套算法,打造出了高效的AI壁画病害识别工具。
腾讯与敦煌研究院合作的文物VR远程会诊
音视频技术的第三个发展趋势,是服务形式的平台化。
正如前面所介绍的,音视频技术的应用难度很高,一般个人和企业很难独立玩转。于是,现在很多音视频技术服务商,开始通过视频云(腾讯)、视频中台(中国移动)等方式,对个人和政企用户进行音视频能力服务。
这些平台集成了开放的API接口,方便上层应用开发商调用,开发软件。平台本身,又结合了云的能力,拥有无限的算力,可以支撑用户的需求。
专业服务商们提供的技术和平台,涵盖了智能采集、数据处理和渲染展示等多个环节,有利于降低垂直行业对音视频业务的开发门槛,让更多的企业能够从容地使用音视频业务,享受音视频红利,加快数字化转型。
█ 结语
现在,没有音视频,人们的快乐会减少一半。
未来,没有音视频,企业的效率会下降一半。
正如前面所说,未来,音视频技术将进入爆发期。尤其是工业制造、金融证券、文旅教育等垂直领域,音视频将进入高速增长的阶段。音视频的商业模式,将发生很大的变化。音视频业务的应用场景,也将大量出现。
希望音视频能够带来更多的创新,带给我们更多的惊喜。
—— The End ——