2024年6月13日，第89次AVS工作組會議在紹興召開。AVS音頻組經過討論，正式宣布，《信息技術 智能媒體編碼 第 10 部分：實時語音》（以下簡稱AVS3-P10） 已經完成FCD（Final Committee Draft）階段，即將正式對外發布。AVS3-P10是全球首個系統性引入人工智能并實現真正意義上的低碼率下高質量語音編碼標準，為全球語音技術的發展帶來革命性的突破。
實時語音通信技術（RTC: Real-time Communication）已廣泛應用于在線會議、協同辦公、互動娛樂、社交等領域，上述多樣豐富的應用場景給實時語音通信技術提出了多種技術挑戰，其中，高質量、低延時、低帶寬、高抗性的語音編碼是非常重要的一環。傳統的語音編碼器，包括AVS、ITU-T等標準語音編碼器，在16-20kbps左右碼率時，能夠恢復出高質量寬帶語音；在30-35kbps，可以恢復出高質量超寬帶甚至全帶語音。然而，當碼率進一步降低（如：降到10kbps以下時），傳統語音編碼器恢復的質量下降明顯，影響用戶體驗。
基于上述應用訴求，在2023年3月第84次AVS會議上，由騰訊提議在AVS音頻組啟動面向實時語音通信場景的低碼率高質量語音編碼項目。經過需求分析，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音頻組發出技術征集書。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竇維蓓教授宣布了《信息技術 智能媒體編碼 第10部分：實時語音》已經完全滿足技術需求，主客觀測試驗證表明其性能在多個對比項中表現最優，標準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標準制定過程中，采用按照ITU-T P.800 DCR主觀質量評價規范，并由中國電子技術標準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，體現出明顯優勢，最低碼率可達5.9kbps。AVS3-P10采納了深度神經網絡技術，自帶的丟包損傷能力，有效提升了編碼器在網絡不佳時的質量。
在立體聲編碼場景，AVS3-P10集成了在AVS音頻歷代標準中采用的基于極大相關旋轉（MCR：Maximum Correlation Rotation）的參數立體聲編碼技術。經過測試，碼率低至7.6kbps時也可實現高質量雙聲道立體聲編碼效果，主觀質量均達到4.0以上MOS分。在低于17kbps的測試碼率條件下，AVS3P10的CD1.0實現了雙聲道立體聲主觀質量均超過對比系統。
在ITU-T P.863客觀質量評價實驗中，AVS3-P10 RM0也體現出了顯著優勢。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領域，AVS3-P10 RM0在相近碼率下，質量優勢在0.6MOS以上。上述測試結論均反映出，AVS3-P10 RM0代表了目前AI Codec的最高水平。
上述測試結果表明，AVS3-P10質量，可以對齊OPUS和EVS等傳統信號處理編碼器在中高碼率的表現，達到運營級質量。AVS3-P10技術水平、語音質量達到國際一流水準，為全球語音通信技術樹立了新的標桿。
AVS3-P10實時語音標準FCD的完成，具備了提交AVS工作組進行最終審批的條件。該標準離不開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標準，是對AVS系列標準的重要補充。
版權所有?上海國茂數字技術有限公司 滬ICP備10024710號-1
在線留言
021-50172612
