大家好，我是騰訊天籟實(shí)驗室負責人、資深專(zhuān)家研究員商世東。非常榮幸能夠在LiveVideoStackCon 2021音視頻技術(shù)大會(huì )上海站現場(chǎng)為大家分享，過(guò)去兩年我們通過(guò)騰訊會(huì )議探索音視頻技術(shù)在云會(huì )議場(chǎng)景下的應用所收獲的經(jīng)驗與心得，以及音視頻技術(shù)在騰訊會(huì )議中的使用情況。基于此，我們進(jìn)一步探索音視頻技術(shù)在云會(huì )議場(chǎng)景下的未來(lái)。本次分享將從以下五個(gè)方面展開(kāi)：

　　01騰訊會(huì )議介紹
　　請允許我在此向大家簡(jiǎn)單介紹一下騰訊會(huì )議——相信絕大多數同學(xué)在日常的工作、學(xué)習過(guò)程當中都已成為騰訊會(huì )議的用戶(hù)。

　

　　2019年12月，騰訊會(huì )議1.0正式版發(fā)布。相對于現在的產(chǎn)品，當時(shí)的騰訊會(huì )議功能比較基礎和單一，在使用體驗上也都略顯粗糙；2020年年初，隨著(zhù)疫情的爆發(fā)催生線(xiàn)上會(huì )議需求井噴，短短245天之內騰訊會(huì )議的用戶(hù)就突破了1億，成為國內市場(chǎng)最快超過(guò)1億用戶(hù)的視頻會(huì )議應用；并且在過(guò)去一年，騰訊會(huì )議多次榮登App Store免費榜的榜首；2020年11月，騰訊會(huì )議在疫情爆發(fā)期間協(xié)助各個(gè)企事業(yè)單位、學(xué)校復工復產(chǎn)、遠程協(xié)助，為數字經(jīng)濟發(fā)展做出了卓越的貢獻；并于2020年在浙江烏鎮舉辦的世界互聯(lián)網(wǎng)大會(huì )上榮獲“領(lǐng)先科技成果”大獎，這也是世界互聯(lián)網(wǎng)大會(huì )自2014年舉辦以來(lái)，首次獲得該獎項的視頻會(huì )議產(chǎn)品。

　　根據北京大學(xué)互聯(lián)網(wǎng)發(fā)展研究中心發(fā)布的研究報告《在線(xiàn)會(huì )議社會(huì )價(jià)值與未來(lái)發(fā)展報告》，騰訊會(huì )議在短短5個(gè)月的時(shí)間直接節約社會(huì )成本達714億元，在經(jīng)濟、技術(shù)、文化等多個(gè)層面為社會(huì )做出了卓越貢獻。

　　騰訊會(huì )議從速度、跨度、深度、廣度等多個(gè)維度上，有效助力企業(yè)數字化協(xié)作轉型：

　　在廣度上，騰訊會(huì )議與業(yè)界眾多硬件和APP實(shí)現了集成，高效連接個(gè)人、會(huì )議與生態(tài)。

　　

　　騰訊會(huì )議為全行業(yè)提供在線(xiàn)會(huì )議賦能，深入政府、醫療、教育、金融、制藥等行業(yè)，為諸多的企事業(yè)單位與組織機構提供了遠程協(xié)作和視頻會(huì )議服務(wù)。

　　在平臺種類(lèi)上，我們也可以看到，騰訊會(huì )議目前覆蓋了大家日常使用的8個(gè)主流平臺，包括PC、移動(dòng)、會(huì )議室以及騰訊會(huì )議的硬件終端產(chǎn)品——騰訊會(huì )議Rooms。在全場(chǎng)景平臺架構上的服務(wù)除了提供視頻會(huì )議和音頻會(huì )議之外，還提供了協(xié)作會(huì )議和會(huì )議直播。而在底層能力平臺方面，除了使用最多的音視頻引擎，還提供了IM、在線(xiàn)文檔、會(huì )議室連接器、智能管理等平臺；除此之外，騰訊會(huì )議還提供了面對所有開(kāi)發(fā)者的API服務(wù)，開(kāi)發(fā)者可以在各自領(lǐng)域和應用硬件中集成騰訊會(huì )議的多項能力。

　　

　　圖中列舉的諸多場(chǎng)景如遠程培訓、遠程會(huì )商等，在騰訊會(huì )議上也都被廣泛使用，因為這些相關(guān)場(chǎng)景都涉及到遠程協(xié)作溝通。

　　以上是對騰訊會(huì )議的簡(jiǎn)單介紹，希望能夠幫助大家對騰訊會(huì )議有進(jìn)一步了解。下一步我將具體分享騰訊會(huì )議音視頻所具有的黑科技。

　　提及騰訊會(huì )議的音視頻能力，我們首先需要知悉的是騰訊會(huì )議音視頻的建設目標。

　　騰訊會(huì )議自啟動(dòng)以來(lái)，我們一直圍繞著(zhù)更清晰、更流暢、更實(shí)時(shí)互動(dòng)的目標進(jìn)行持續的能力建設，不斷提高遠程線(xiàn)上會(huì )議參與感和交流感。

　　音視頻技術(shù)泛泛而言分為三個(gè)領(lǐng)域：音頻處理、視頻處理、弱網(wǎng)抗性增強。今天由于時(shí)間限制，不太可能和大家全面回顧這三個(gè)領(lǐng)域的相關(guān)技術(shù)，還是和大家分享下三個(gè)領(lǐng)域我們經(jīng)歷的一些有趣故事吧。

　　

　　我們內部統計到，在所有的線(xiàn)上的會(huì )議中，純語(yǔ)音會(huì )議占到會(huì )議總數的80%左右，由于純語(yǔ)音會(huì )議不開(kāi)攝像頭和屏幕分享，或者屏幕分享開(kāi)的時(shí)間在整個(gè)會(huì )議中處于很小的比例。所以語(yǔ)音會(huì )議的質(zhì)量、流暢、純凈、智能互動(dòng)對于線(xiàn)上會(huì )議的體驗至關(guān)重要。

　　在現實(shí)生活當中，由于開(kāi)會(huì )所處的現實(shí)環(huán)境非常復雜，包括各種嘈雜的環(huán)境。為了提供良好的語(yǔ)音會(huì )議體驗，卓越的音頻降噪技術(shù)是不可或缺的。

　　從騰訊會(huì )議開(kāi)發(fā)伊始，音頻方案便沿著(zhù)經(jīng)典信號處理和深度學(xué)習相結合的技術(shù)路徑進(jìn)行，我們運用了獨特的大數據訓練模型覆蓋多種常見(jiàn)的平穩噪聲和非平穩噪聲類(lèi)型。不單是基于經(jīng)典的信號處理模型，而是監測并消除了很多日常突發(fā)性的非平穩噪聲。

　　騰訊會(huì )議支持多平臺終端，因此我們的模型也是低復雜度輕量級，保證能夠在多個(gè)終端平臺落地。在具體實(shí)現上，從技術(shù)細節角度來(lái)講，騰訊會(huì )議的音頻降噪算法結合了人體的聲帶與聲道的發(fā)聲模型以及人耳的聽(tīng)覺(jué)模型，基于多種神經(jīng)網(wǎng)絡(luò )并融合多種損失函數和訓練策略，最終在語(yǔ)音的保真度和自然度以及噪聲抑制上取得了一個(gè)良好的權衡。但這個(gè)挑戰也是巨大的，尤其是在音頻降噪上線(xiàn)以后，也給我們意想不到的挑戰。

　　下面給大家分享一個(gè)有趣的故事。

　　

　　上圖兩個(gè)波形圖所展現的分別是掌聲與敲擊鍵盤(pán)的聲音，可以看到二者波形非常相似。2020年初疫情來(lái)臨時(shí)，許多會(huì )議由線(xiàn)下轉為線(xiàn)上，當時(shí)騰訊會(huì )議所采取的降噪算法還處于灰度測試階段。我們收到的一個(gè)比較尷尬的反饋是，公司領(lǐng)導使用騰訊會(huì )議開(kāi)會(huì )，講到最后時(shí)刻領(lǐng)導習慣性停下來(lái)等待大家鼓掌，此時(shí)由于降噪算法的強悍降噪效果，領(lǐng)導能從畫(huà)面中看到大家鼓掌，但耳朵中卻聽(tīng)不到任何掌聲，這是由于當時(shí)不夠成熟的降噪算法將掌聲也作為一種背景噪音過(guò)濾掉了；此時(shí)如果沒(méi)有開(kāi)視頻畫(huà)面而只是運用語(yǔ)音開(kāi)會(huì )的話(huà)，則領(lǐng)導收不到任何反饋，這樣的體驗無(wú)疑是不自然的。

　　我們知道算法對于模型來(lái)說(shuō)至關(guān)重要。騰訊會(huì )議針對非突發(fā)噪聲的消除采取了多種模型，當時(shí)所采取的模型并不需要區分鍵盤(pán)敲擊聲與掌聲。如果仔細觀(guān)察鍵盤(pán)敲擊聲與掌聲的波形圖我們不難發(fā)現，掌聲波形存在細微的差別，而敲擊不同鍵盤(pán)所呈現的聲音也會(huì )有一定差別，但人耳對二者很難區分。

　　這無(wú)疑對我們實(shí)現噪聲消除模型帶來(lái)很大挑戰。一方面我們希望噪聲消除模型具有很好的泛化性能，不能只針對訓練的數據做有效處理；但在一些特殊場(chǎng)景下，模型可能存在失效的情況，錯誤過(guò)濾其他噪聲。意識到該問(wèn)題后，我們對降噪模型進(jìn)行了創(chuàng )新，也就是在模型中加入了一個(gè)獨特的可融合幀級信息與語(yǔ)音片斷信息的多級別模型，而且還可以多尺度地獨立提取不同頻帶域特征，區分掌聲與非掌聲的局部特征信息，再對這些特征進(jìn)行融合從而達到識別全局不同類(lèi)型噪聲的效果。以后我們通過(guò)騰訊會(huì )議與領(lǐng)導開(kāi)會(huì )，再也不需要擔心領(lǐng)導因為聽(tīng)不到掌聲而尷尬了。

　　

　　說(shuō)完噪聲我們再來(lái)說(shuō)語(yǔ)音，因為語(yǔ)音增強和噪聲消除是相輔相成的，但語(yǔ)音和噪聲有很大差別。上圖展示的一段逐漸衰弱的語(yǔ)音波形圖，可以看到語(yǔ)音波形圖具有一定的諧波特征。但語(yǔ)音在距離遠一些時(shí)非常容易淹沒(méi)在背景雜音里，這對語(yǔ)音增強而言，如何將語(yǔ)音從背景噪聲中分離并增強顯得尤為重要。

　　剛開(kāi)始的時(shí)候騰訊會(huì )議主要在手機、PC等平臺部署，不會(huì )存在太多人距離麥克風(fēng)較遠的情況；但當大家帶上耳機或者使用電腦在空曠會(huì )議室開(kāi)會(huì )時(shí)，尤其是當多人在會(huì )議室里開(kāi)會(huì )，有些成員距離麥克風(fēng)較近，有些則距離麥克風(fēng)非常遠，這就導致一些遠處的人聲會(huì )被當成噪聲而消除。為了避免這樣的情況發(fā)生，我們對模型做出進(jìn)一步改進(jìn)，優(yōu)化了模型以大幅度改善遠處較弱語(yǔ)音的增強與降噪效果，在降低噪音的同時(shí)保留遠處人聲的清晰度。

　

　　音頻降噪不僅用于PC、手機等終端設備上，一些商業(yè)會(huì )議場(chǎng)景，尤其是部署在會(huì )議室的視頻會(huì )議產(chǎn)品，當我們在與合作伙伴探討最佳產(chǎn)品形態(tài)的時(shí)候發(fā)現，市場(chǎng)上的大型會(huì )議室設備在遠程拾音、降噪、雙講、噪聲消除方面往往無(wú)法滿(mǎn)足行業(yè)需求，體驗與實(shí)用性都不佳，為此騰訊會(huì )議技術(shù)團隊專(zhuān)門(mén)進(jìn)行了技術(shù)攻關(guān)。

　　得益于騰訊會(huì )議天籟音頻團隊的努力，我們最近提供了一套性能優(yōu)異的會(huì )議室遠場(chǎng)拾音解決方案：我們采用了多個(gè)MEMS麥克風(fēng)板并結合音頻處理器，然后通過(guò)攝像頭上方的結構非常方便地集成于在線(xiàn)會(huì )議設備之上，很好地實(shí)現了在參會(huì )者不方便使用電話(huà)或不方便使用擴展麥克風(fēng)的場(chǎng)景中對遠距離人聲的拾音問(wèn)題。下面請大家體驗下我們模組強悍的超遠距離拾音能力。

　　此外，該模組除了解決遠距離人聲拾音的同時(shí)，也實(shí)現了更為智能的噪聲消除效果。例如針對敲擊鍵盤(pán)、放水杯，咳嗽聲等突發(fā)性噪聲都具有良好消除性能。除了噪聲消除，雙講是視頻會(huì )議中一個(gè)常見(jiàn)的現象，同時(shí)也是一項挑戰。市場(chǎng)中大屏幕主流產(chǎn)品在處理雙講場(chǎng)景時(shí)往往會(huì )出現很明顯的失真現象或者雙講剪切，這就導致一些交流較為頻繁的會(huì )議，往往會(huì )影響語(yǔ)音的清晰程度。而使用天籟團隊所開(kāi)發(fā)的模組，雙講場(chǎng)景即便是多人同時(shí)講話(huà)依然能夠清晰的聽(tīng)見(jiàn)每個(gè)人所說(shuō)的大部分內容。

　

　　除了音頻，騰訊會(huì )議領(lǐng)先的視頻技術(shù)也絕不僅僅是一個(gè)全高清的視頻體驗。除了高清H.264編解碼、HEVC等之外，為了改善視頻會(huì )議的參與感，騰訊會(huì )議還做了很多與視覺(jué)AI相關(guān)的工作。如虛擬背景，以及去年疫情開(kāi)始很多學(xué)生使用時(shí)很喜歡的美顏功能。

　　騰訊會(huì )議最近還收到來(lái)自一些用戶(hù)的反饋，他們打開(kāi)攝像頭的時(shí)候總感覺(jué)不自然， 因為日常交流的時(shí)候大家都會(huì )有眼神接觸，但在視頻會(huì )議的時(shí)候，因為攝像頭和屏幕與人眼之間的夾角，對方看到人的時(shí)候眼睛是向下的；如果你非常激情且投入地參與會(huì )議，但是無(wú)法于其他參會(huì )人有眼神接觸，這樣的體驗不會(huì )很好。于是我們決定做一個(gè)眼神接觸的功能，也就是將眼神偏離的向下的角度給糾正過(guò)來(lái)；但實(shí)際上做眼神接觸的時(shí)候，需要調整的不僅僅是眼神，還有眼睛上方的睫毛，下方的眼皮區域等等都需要做出相應的改善，才能讓面部表情看起來(lái)自然。更具有挑戰性的是一些戴眼鏡的情況，眼鏡會(huì )有各種各樣的形狀，更會(huì )有反光，這都對建立人臉3D模型以及人臉3D模型生成的數據提出了很大的挑戰。我們在開(kāi)發(fā)這個(gè)功能采集了數千人的人眼，并且運用人臉3D模型來(lái)生成總計超過(guò)百萬(wàn)張的人眼數據。

　　當該功能上線(xiàn)后，大多數客戶(hù)反映都很正面，但我們也收到了一些意料之外的反饋。很多老師和學(xué)生反饋，原來(lái)上課的時(shí)候老師可以看到學(xué)生是否在專(zhuān)注的聽(tīng)講，結果現在老師發(fā)現大家都盯著(zhù)老師看，一堂課上下來(lái)學(xué)生都非常的專(zhuān)注，老師就覺(jué)得5分鐘、10分鐘還行，一堂課下來(lái)40分鐘這么多以前很調皮的學(xué)生現在如此專(zhuān)注就不太正常，下來(lái)一打聽(tīng)，原來(lái)是學(xué)生把眼神接觸功能都打開(kāi)了。我們收到這樣的反饋以后，也對模型的改善程度重新做了一些調整，當眼神偏離幅度過(guò)大的時(shí)候，系統不再做眼神糾正了。

　　

　　因為騰訊會(huì )議是在線(xiàn)會(huì )議，是基于IP網(wǎng)絡(luò )的。IP網(wǎng)是沒(méi)有QoS保證的，這點(diǎn)和PSTN網(wǎng)絡(luò )不一樣。所以保證QoS，保證音視頻的流暢性是騰訊會(huì )議網(wǎng)絡(luò )組孜孜不倦的追求目標——如何保證騰訊會(huì )議在弱網(wǎng)特別是一些極限網(wǎng)絡(luò )的情況下的弱網(wǎng)抗性，在極限網(wǎng)絡(luò )情況下也很好的保證順利的流暢的會(huì )議體驗。

　　在眾多的會(huì )議里面都出現過(guò)發(fā)生弱網(wǎng)的條件。深圳北站，處于深圳的北郊，基站的部署不會(huì )像市中心那么密集，有地鐵通到深圳北站，還有深圳北站的高鐵。通過(guò)后臺大數據監控發(fā)現，這個(gè)地區網(wǎng)上經(jīng)常有周期性的大丟包和抖動(dòng)現象發(fā)生，導致會(huì )議的流暢度受到很大影響。我們就去深圳北站那棟大樓做實(shí)測，結果和預想的一樣，由于基站比較少，尤其當地鐵和高鐵同時(shí)進(jìn)戰的時(shí)候，會(huì )導致網(wǎng)絡(luò )流量急劇增加，大量的用戶(hù)連接到基站。并且由于高鐵地鐵導致電磁干擾，基站分配到每個(gè)用戶(hù)可用的帶寬可以低至幾十kbps。50kbps以下要進(jìn)行一個(gè)很好的流暢的語(yǔ)音會(huì )議技術(shù)上是有挑戰的。

　　發(fā)現了這個(gè)問(wèn)題以后，我們在網(wǎng)絡(luò )層做了很多優(yōu)化和調節，保證在一些極限的條件下——比如地鐵里，或者高鐵交匯的時(shí)候，依然能保證大家在開(kāi)會(huì )的時(shí)候有流暢的體驗。

　　前面和大家分享了我們的音視頻核心技術(shù)上面長(cháng)期積累的點(diǎn)點(diǎn)滴滴的故事，那有些同學(xué)可能會(huì )問(wèn)，我們有什么用的機制能夠系統和全面的發(fā)現這些問(wèn)題，發(fā)現這些badcase，從而進(jìn)行有針對性的用戶(hù)體驗改善的呢？

　　

　　在座許多同學(xué)來(lái)自學(xué)術(shù)界。在學(xué)術(shù)界做算法和工業(yè)界還是有很大的差異。學(xué)術(shù)和工業(yè)界做算法的共同點(diǎn)是“知己知彼”，學(xué)術(shù)界更多的是對如何做得更好，針對一個(gè)問(wèn)題提出改善或提升。工業(yè)界除了如何做得更好，還需要知道誰(shuí)做得不好？什么時(shí)候做得不好？哪里做得不好？比如，我們做算法的都知道，其實(shí)攝像頭和麥克風(fēng)對采集是有要求的，如果采集效果不好，在這個(gè)基礎上，本來(lái)采集的語(yǔ)音效果就比較差，后續就很難提升，如果攝像頭本身只有360P，怎么可能做出高清視頻；使情況更糟糕的是深度學(xué)習技術(shù)對數據的依賴(lài)性，比如模型遇到完全沒(méi)碰見(jiàn)過(guò)的數據的時(shí)候，它的表現不可測。這就要求我們能從現網(wǎng)中發(fā)現各個(gè)環(huán)節的缺陷，不管是自研的，還是其他廠(chǎng)商的產(chǎn)品，都要做好音視頻質(zhì)量的實(shí)時(shí)評估和檢測，能發(fā)現其中算法效果的不足和局限性。

　

　　此外還要做更進(jìn)一步的細分及指標的定義。很多業(yè)界朋友交流到音視頻本身就是非常主觀(guān)的事物，如何把它細分指標到各個(gè)層面從而提升音視頻體驗是很困難的，但我們必須這樣做。

　　細節決定成敗，細節取決于什么，細節的第一步就取決于細分指標的定義，尤其對于我們做音視頻的同學(xué)而言都非常頭疼的的主觀(guān)感受指標。

　　視頻可以細分為視頻編解碼、視頻采集幀率、視頻接收碼率、屏幕分享幀率、屏幕分享接收碼率、視頻幀率的變化，視頻碼率的變化這些指標。

　　對于音頻更加主觀(guān)，處理環(huán)節更加多，同一個(gè)地方不同音頻設備會(huì )互相干擾，攝像頭間干擾可能性會(huì )比較小。所以為了對音頻做完整的監控，我們將音頻指標分為7大類(lèi)包括無(wú)聲、卡頓、漏回聲、降噪、嘯叫、音質(zhì)采集、語(yǔ)音/音樂(lè )內容分類(lèi)。這是初步的7個(gè)種類(lèi)，針對每一個(gè)種類(lèi)我們有進(jìn)一步細致的劃分，比如卡頓問(wèn)題是大家很困擾的，以前最早時(shí)卡頓問(wèn)題我們一般認為是網(wǎng)絡(luò )不好。網(wǎng)絡(luò )通過(guò)丟包導致卡頓，經(jīng)過(guò)進(jìn)一步修復分析后，發(fā)現并不是這么簡(jiǎn)單，網(wǎng)絡(luò )丟包，抖動(dòng)導致的卡頓、前處理丟幀、播放側解碼失敗、3A處理導致的音量忽大忽小都會(huì )導致卡頓的發(fā)生。我們如果可以把細分指標都完善定義，那么就可以實(shí)現對會(huì )議音視頻體驗的一個(gè)完整的監控。但是定義出來(lái)的指標是一方面，對騰訊會(huì )議這樣超過(guò)一億用戶(hù)的平臺，很多時(shí)候大盤(pán)的指標對于個(gè)體問(wèn)題并不敏感。

　　這就帶來(lái)了第二個(gè)問(wèn)題，要進(jìn)行非常嚴格細致的場(chǎng)景分類(lèi)。首先是比較基礎的根據設備類(lèi)型、操作系統、軟件版本進(jìn)行分類(lèi)，如這個(gè)版本放音視頻沒(méi)有問(wèn)題，但可能下一個(gè)版本可能就會(huì )出現bug。更難的是根據音視頻的內容所處場(chǎng)景進(jìn)行分類(lèi)，大家在開(kāi)視頻會(huì )議時(shí)可能在家里，馬路上，辦公室等不同位置；音頻會(huì )議場(chǎng)景可能更多，家里、地鐵、商場(chǎng)、機場(chǎng)、車(chē)里，場(chǎng)景分類(lèi)做出來(lái)后，這些具體指標在各個(gè)場(chǎng)景中會(huì )有不同的表現，對提高全網(wǎng)的質(zhì)量有非常大的幫助。舉一個(gè)例子，嘯叫一旦發(fā)生，就有災難性的后果，所以我們的算法是一旦發(fā)生嘯叫就閉麥，避免嘯叫場(chǎng)景的發(fā)生。而嘯叫檢測本身帶來(lái)誤警，這是所有檢測都不可避免的，一旦誤警關(guān)麥時(shí)，我們會(huì )統計出全網(wǎng)關(guān)麥的指標。但只能看到指標是否有波動(dòng)不知道如何使用是無(wú)效的。這時(shí)候我們就把場(chǎng)景進(jìn)行細分，進(jìn)而發(fā)現車(chē)載場(chǎng)景中，嘯叫指標明顯高于其他場(chǎng)景。大家可以分析一下原因，其實(shí)當汽車(chē)鳴笛的時(shí)候，是很有可能是被誤判為嘯叫的，這只是一個(gè)簡(jiǎn)單的例子，還有其他如回聲、降噪都可以進(jìn)行類(lèi)似的分析進(jìn)而發(fā)現我們算法的局限性和不足。

　　多維度分析包括跨緯度，不同設備在不同場(chǎng)景中，進(jìn)行交叉維度分析，比如看回聲的指標的時(shí)候，我們會(huì )看在各個(gè)設備，以及各個(gè)聲學(xué)場(chǎng)景下的效果的上報，這樣可以發(fā)現很多有價(jià)值的信息。

　　現在和大家分享未來(lái)云會(huì )議的整個(gè)音視頻技術(shù)。

　

　　講到未來(lái)時(shí)，我們常常會(huì )思考現在的音視頻會(huì )議存在什么問(wèn)題。

　　我經(jīng)常開(kāi)玩笑問(wèn)朋友，誰(shuí)最喜歡開(kāi)線(xiàn)上視頻會(huì )議，開(kāi)玩笑地說(shuō)是項目經(jīng)理最喜歡，原因是在開(kāi)項目會(huì )議時(shí)，他不需要你說(shuō)太多，只需要回答yes or no，不需要看見(jiàn)你，不需要知道你的心情，不需要知道你在什么樣的環(huán)境，只要關(guān)心項目版本的驗證發(fā)布及生產(chǎn)效率，對他來(lái)說(shuō)有明確的目標及途經(jīng)，于是線(xiàn)上會(huì )議于項目經(jīng)理而言是非常好的提升生產(chǎn)力的效果。

　　誰(shuí)最不喜歡開(kāi)線(xiàn)上視頻會(huì )議呢？我閨女最不喜歡和我開(kāi)視頻會(huì )議，每次最多不超過(guò)3分鐘就跑一邊去玩了、經(jīng)過(guò)調研發(fā)現類(lèi)似的情況還有團隊中的新同學(xué)入職時(shí)、每次有重要的事情和老板談時(shí)、BD第一次見(jiàn)客戶(hù)，你想和老板討論績(jì)效考核的時(shí)。這時(shí)候大家往往都會(huì )覺(jué)得視頻會(huì )議無(wú)法充分表達出想要的真正的意圖和目的。

　　

　　在工作中，人們溝通主要由三個(gè)目的。第一個(gè)是生產(chǎn)率；第二個(gè)是當你面對開(kāi)放性命題需要討論、思維碰撞時(shí)候需要創(chuàng )新性的解決方案的時(shí)候；第三是建立和維護人際關(guān)系的溝通。對于第二和第三類(lèi)的溝通，我們現在知道，線(xiàn)上會(huì )議和線(xiàn)下會(huì )議的體驗還是有蠻大的差距。

　　

　　這主要是因為，第二和第三類(lèi)目的下的會(huì )議中的參會(huì )者，表達會(huì )有多種方式：文字語(yǔ)音帶有明確的目的和實(shí)施途徑，但是對于開(kāi)放式的話(huà)題，更加需要的是面部表情及眼神接觸來(lái)達到充分的投入和交互，此外還有情感述求，比如尋求他人認同、支持、還需要將情感述求和實(shí)際開(kāi)會(huì )場(chǎng)景結合起來(lái)，比如線(xiàn)下輕松休閑的會(huì )議可以去咖啡館開(kāi)，嚴肅的會(huì )議可以去正式的會(huì )議室等等，這樣的訴求目前在線(xiàn)上會(huì )議上都是難以滿(mǎn)足的。

　

　　但是正在蓬勃發(fā)展的VR、AR技術(shù)也許可以彌補音視頻會(huì )議中上述的情景的不足，身體語(yǔ)言，面部表情可以通過(guò)VR/AR技術(shù)來(lái)彌補。它們在實(shí)時(shí)視頻會(huì )議中的一些作用，比如左圖的全息會(huì )議可以確保參會(huì )者的實(shí)時(shí)動(dòng)作出現在全息投影中，彌補實(shí)時(shí)視頻會(huì )議中參會(huì )者面不和身體語(yǔ)言的的缺失，現在使用手機相機即可實(shí)現高質(zhì)量的全息采集。右圖的VR技術(shù)，可以使參會(huì )者在會(huì )議中使用一些有意思的掛件、服裝等，更好的構建不同談話(huà)場(chǎng)景，為遠程會(huì )議增添與會(huì )議目的一致的各種環(huán)境等等。

　　由于時(shí)間限制，以上是我與大家分享的內容，希望對大家有所幫助，謝謝
　　來(lái)源：LiveVideoStack