中国实时音视频行业研究报告202.8 iResearch Inc. 2202.8 iResearch Inc. 摘要来源：艾瑞咨询研究院自主研究绘制。实时音视频标准化工作的推进将引导行业迈向更高的服务质量，推动PaaS层厂商与垂直行业解决方案商之间的良性竞争与协作共赢。同时，实时音视频逐渐向实时互动领域的延展，元宇宙相关应用的出现将为消费互联网创造更大的想象空间。此外，实时音视频技术有望成为我国泛娱乐出海企业的差异化竞争机会，海外业务版图的扩大也将驱动行业迎来新 的业务 。趋势洞察2021年中国实时音视频（RTC）PaaS市场规模为16亿元，消费互联网 为实时音视频行业 来 。 娱乐 应用的高 的 ，来的currency1 为“fi，2024年实时音视频（RTC）PaaS市场规模将达到30亿元。SMS市场规模网fl 音视频技术” ，驱动音视频服务时逐渐，实时音视频 技术成为 的方向。实时音视频业务 消费互联网 ， 逐渐向 业互联网 。 行业 的 ，我国实时音视频行业的场景效能逐渐深化，步入到理性增长阶段发展背景实时音视频 的 竞争 为大 提供通用的PaaS层能力， PaaS厂商 PaaS厂商 currency1 aaS厂商。 ，RTCPaaS厂商在技术研发和产品打磨上具备更高的行业专注 ， 市场的 “ 行业场景， 为垂直行业解决方案商。竞争格局实时音视频行业 高的 与技术 。 定义的实时音视频网fl al-timNtwork, N， 于UDP的协议层优化，以 弱网保障 。 实际应用 ， 与 DN技术的融currency1，衍生出实时互动 延时 大技术路径。核心技术3202.8 iResearch Inc. 概念定义来源：ITU-T Rec. G.14 (05/203)；艾瑞咨询研究院自主研究并绘制。800ms400ms300ms200ms0ms临近现实的优质实时互动体验大部分用户满意的实时互动体验实时0ms支 强互动超低延时00-00ms支 互动小部分用户可以感觉到延迟大部分用户满意的中度互动体验，观众与主播有较强同步性用户需承受一定延时，文字/弹幕为主要互动手段低延时3000ms00-3000ms支 轻互动基本释义：在远程条件下，以接近实时/可忽略延迟交换信息的通信方式，包括固定通话、移动通话、音频会议、视频会议、网真等形式。实时音视频LIVERealTimeComunications（RTC）本篇报告研究的实时音视频（RTC）服务特指：通信方式：以音频、视频的形式赋能行业；服务模式：基于云计算技术理念提供，包括实时音视频的底层通用能力，以及垂直行业的解决方案；底层技术：采用软件定义的实时音视频传输网络（Real-timeNetwork,RTN）和基于UDP的传输协议；时延区间：本篇报告聚焦于广义的实时音视频，包 时 m 的 动，以及 m 的 时 动。4中国实时音视频行业发展分析1供给侧：实时音视频行业发展能力洞察2需求侧：垂直行业实时音频应用实践分析3中国实时音视频行业典型企业案例4中国实时音视频行业发展趋势55202.8 iResearch Inc. 202.8 iResearch Inc. 音视频消费习惯的迁移用户音视频习惯养成，并逐渐向强实时性、强互动性场景延伸 信息时 ，音视频 、 、交换信息的 方式。 底， 网络视 用 网的currency1 “ fi。fl和的 ， 用音视频”的 。 于底 能力技术的，音视频” 实 、直 实时音视频的 。实时 动 的 ， 下的音视频 动式， 动用的音视频 真实、 式的实时音视频” 移。 时，的 ， 理业的 。实时音视频 通用 能力， 动 传行业 实时、 动 的 ， 实时音视频的 势进 联网产业 联网 伸 。注释：网络视听用户为综合视频、短视频、网络音频、网络直播用户的并集；网民使用率指网络视听用户占网民规模的比例。来源：CNNIC；中国络视听节服务协会；艾瑞咨询研究院自主研究及绘制。来源：艾瑞咨询研究院自主研究及绘制。音视频消费习惯迁移趋势及典型应用场景7.327.88.579.019.4488.3%91.3%94.8%95.8%95.4%2018.122019.6 2020.3 2020.6 2020.12网络视听用户规模（亿人）网民使用率（%）2018-2020年中国网络视听用户规模及使用情况实时性互动性点播 短视频点播 / 视频点播直播 体育/事直播 营销/电商直播 会 /培训直播实时音视频 实时音视频 话 互动直播/PK连麦 互动大班课 远程办公协作 远程医疗/金融单向分发多向互动秒级时延毫秒级时延双向互动非实时6202.8 iResearch Inc. 202.8 iResearch Inc. 网络基础设施持续升级高速泛在的骨干网络，为实时音视频传输提供坚实保障实时音视频行业的速 离不开 家骨干网络的建设。以千兆光网和G 表的“双千兆”网络，近 来 进。 1 ，我 光纤接入（FTH/O）端口 “对 联网宽带端口的度覆盖，光纤接入能力 普遍 过百兆，并千兆以上速不断 ；G网络 覆盖 所有地 以上城市，G基站累计“1 万，用全球的 fi。网络基础设施的广泛 ， 用可以受于终端设备骨干网络之间的快速连接，享受无接入、触手可及的质量网络”。 时，“双千兆”网络在带宽能力上的显著提 ，可大幅降 音视频信息的 迟和缓冲时间，提端端毫秒 传输时 的满 ， 实时音视频的据传输落地应用提供良好的底层网络支撑。来源：工信部；中国信通院；艾瑞咨询研究院自主研究及绘制。注释：1、该视频通话测试，测试时 网络 时 00-21 00 ， 集 率为30 s， 协 U C， 为 .2 4， 率为1280 20， 率为15 s 率为2 s；2、音频率currency1网“fi协 fl ，时 1 200ms音频率3”时，为。来源：中国信通院；艾瑞咨询研究院自主研究及绘制。41.0 77.1 96.1 142.5 4.7%8.3%10.1%14.3%2020.6 2020.12 2021.6 2021.125G基站数（万站）5G基站数在移动基站中占比（%）2017-2021年中国光纤端口数量及占比情况2020-2021年中国5G基站数量及占比情况657497796183617879779599784.4%88.0%91.3%93.0%94.3%2017 2018 2019 2020 2021FTTH/O端口数量（万个）FTTH/O端口网宽带占比（%）4G网络5G网络相对增益无卡顿样本端到端时延均值5 ms “60ms 23 200ms时延满足度05fi 00fi1 2 6 300ms时延满足度“9fi 667“fi1 2 400ms时延满足度5 9fi 706fi 0 4 音频卡顿达标率7037fi 505fi 20 国内某省会城市运营商4G 5G 视频 7202.8 iResearch Inc. 音视频传输技术更新迭代技术驱动音视频走向实时，流媒体协议迈入毫秒级传输阶段流 技术可将 理 的音频、 连 地上传网站” ， 件无 全下 本地 可 。在 解 方 ，H 、 产 等视频解 技术可以 件的 、传输速度快。 ， 全球 G产业应用的音视频信 ， 入D （视频广 ） ，可以在 等 质量下H 的 。在协议方 ，基于Tcurrency1P的RTP、H“ 、D H等协议的 方案在 - 秒fi的 迟，fl基于UDP的 eRTcurrency1 地将迟降 毫秒 。 协议不 ， eRTcurrency1 流 通信 ，覆盖音视频采、 解 、传输和的全”，可以 实时音视频提供全流 的理据技术支。来源： 网；艾瑞咨询研究院自主研究及绘制。45+seconds18seconds05seconds01second70%11202.8 iResearch Inc. 中国实时音视频产业图谱注释：1、部 ， 中 G 及 ；2、通用currency1 的 务 况进行划 ，同一 出现一次。来源：艾瑞咨询研究院自主研究及绘制。2022年中国实时音视频 综合型IaaS厂商 通信云PaaS厂商RTC PaS厂商行业解决方案通用能力 TPaaS解决方案为主PaaS+SaS解决方案 12202.8 iResearch Inc. 中国实时音视频商业模式 基础服务 服务， 互动体 ， 业务 注释：通话、直播、转 费用，如果既订阅了视频流又订阅了音频流，则只对视频流费。来源：腾讯云、网、即构、阿里云、网易云信产品费说明； ；艾瑞咨询研究院综合 自主研究及绘制。增值服务以RTcurrency1私有协议流和拉流的实时音视频”采用按时 计 式。实时音视频 在用不 计 方式之上， 会叠 度 时 、套餐包、梯度折扣等合 方式。着应用 的 伸 ，实时音视频 会采 主研 方合 的方式，不断充实 产品能力矩阵。网 合类、 全 类、 增 类增值”的拓， 实时音视频”可用 、可 、可玩 ，赋 用 的实时 动 。 音频务视频务基础服务 时 时长 按订阅视 时实际订阅的分辨率按订阅人数时 分辨率时长= 户频 /房间时长，不累订阅路视频流时长档位单价= 户订阅所有视频流分辨率之和实时音视频商模及基fi服务fl费 高 权限控制质量监测媒体流 密内容安全审 线媒体流 美颜/人声效果 互动白板频 /房间管理旁路推流 DN端混流转码端实时 制 时长=累 户订阅路视频流时长档位单价=每路流各自对分辨率 增 实时音视频13202.8 iResearch Inc. 中国实时音视频厂商盈利能力分析 成 发入高， 商currency1 “实时音视频行业在 的资 技术 ：Paa 不 在底层网络建设上投入 定的资 本， 在 算 和产品矩阵打磨上投入大量的研 本。正 行业 的在，实时音视频行业的市 ， ”Paa 对于产品价 备 的话 ， 未在“价 ”。 时，的 本入， 实时音视频的产品价 于传音视频产品。 来，实时音视频（RTcurrency1）Paa 的 值 在 fifi，受资 赋及研 能力的不 的 ，不 的 本 构及 会在 定差异。注释：1、 源成本包括带宽成本与基础设施成本两部 。其中，基础设施成本主要包括服务器硬件 购费用，及RTN网络节点的建设费用；2、研发成本为人工费用之外的产品发、测试费用；3、基础 毛利润= 时音视频收入- 源成本-研发成本。来源：综合 信； 及 ；艾瑞 测模 ；艾瑞咨询研究院自主研究及绘制。100% 33% 37% 30%研发 2021年中国实时音视频（RTC）商的 “实时音视频（RTC）PaaS厂商 1、资源禀赋自有/自建基础 施外采/租用基础 施基础 施可用基础 施可用（基础施是否可 同时承担实时音视频 ” 其他 ”， 提高资源利 率）实时音视频（RTC）PaaS厂商入 2、研发能力自研产品/ 术外采产品/ 术有衍生产品 衍生产品 （是否具备与实时音视频衍生 套三网类 安类 体验类 ，共同赋能 解决方案）14202.8 iResearch Inc. 8 5 6 8 0 6.6%0.%89.%0. % .0% .7% .% 07 08 09 0 0 0 0 0 0 中国实时 视 （TC）PaaS市规模（亿元）中国实时 视 （TC）PaaS市规模 长率中国实时音视频行业市场规模fifl ，实时音视频 场 实时音视频” 开出 行业 的 势， 就阶段fl言，以Paa 主 ”式的 联网 核心的入来 。根据currency1 算， 1 实时音视频（RTcurrency1）Paa 市 1 “， 增 1 fi。相 过 的速增 ， 1 增速fi落的 主 有 方 ：1）受“双fl” ，在的入降， ） 交 ，实时音视频在 ” 联网应用的 ，速增 阶段进入增 阶段。于实时音视频无” 的市 用，计未来 形势转好 ，实时音视频将有望在来 的产业 联网实落地， 时 相应用的出 将 联网大的 间。2017-2024年中国实时音视频（RTC）市场规模及”CAG=7.6% CAG= 8.%注释：中国 时音视频 RTC aa 场规模以 时音视频 RTC aa收入口径核 ， 范围为推流、拉流均使用RTC技术且在中国陆产生的服务收入。来源：综合 信； 及 ； 艾瑞 测模 ；艾瑞咨询研究院自主研究及绘制。15中国实时音视频行业发展分析1供给侧：实时音视频行业发展能力洞察2需求侧：垂直行业实时音频应用实践分析3中国实时音视频行业典型企业案例4中国实时音视频行业发展趋势516202.8 iResearch Inc. 实时音视频核心价值及关键技术总览传输网络保障”延时、高传输，业 提 媒体实时音视频相直 大的在于对端端时 的降 。在传直 构下，时 主 来 于currency1DN分 和下行拉流。fl通过建 实时音视频的传输网络，应用 时传输协议，并以网传输 ，实时音视频实 时、可 的音视频传输。在音视频 方 ， 的实时音视频 以通交流 核心求，对音频的质量度 ；fl着实时音视频实时 动 拓， 对降 、 分等视频质增 的 求 不断提 。来源：艾瑞咨询研究院自主研究及绘制。实时音视频的核心 技术视频引擎基础设施专业组件视 编码视 解码视 采视 渲染视 降噪视 强超分辨率 HD音频引擎 编码 消除噪抑 空 自动 益 解码 采 渲染云基础 施 云原生边缘算传输网络实时音视频传输网络网络传输协议弱网传输保障策略构建软件定义的去中心 网络，可实现智能fl由 智能调度 UDP协 协 层与算currency1层优，提高 的可靠性与逻辑性主要 过丢包修 抖动 抗 码率自适”网环境 的 直播时延的 源fifl时延抖动 协 栈的优 以 CD 资 的“ ， CD 分发和 的时延的主要原 ， 降 视 到时延的 60 行 0 50 C 分发0 0000 行 0 000 0 时延 17202.8 iResearch Inc. 实时音视频传输网络定的中化网络， 实时音视频传输网络（Real-timeNetwork,RTN） 专 实时通信设计的定、质量的传输网络。通 fl言，实时音视频传输网络构在 联网之上，采用软件定义网络的方式进行网络 ，专于通信 的计算和 异 的 。 主 网络质量探 、 和 理，据 据传输和转 ， 和 转的 。基于 心的构设计，实时音视频传输网络 终端用 就近接入，并 用 能 算 实时计算 的 传输，有解决 和带宽 本的 。来源：艾瑞咨询研究院自主研究及绘制。实时音视频 网络的 及特 边缘 边缘 边缘 边缘 边缘 边缘 边缘数 中 数 边缘数 体边缘体边缘 网络质 fl 规 规 理 数 和 发 实时音视频传输网络R 实时音视频传输网络R 软件定义 公共互联网之 ， 于 定义网fl 的支 营商 的实时音视频网fl， 路 的方 ， 理 的 去中心化 泛的 点， 的 ，支 同 内 流媒体服务间的 联网内智能调度 currency1容量成质量之间的currency1， 于“路fi进行fl优的路径 ，动 障线路，保障音视频的定高质量18202.8 iResearch Inc. 网络传输协议的选择注释：RT 时 协 /Rea -ime Trans or rooco 承载媒的协 ；RTC RT 控制协 /RT Conro rooco 用 有关呼叫的元数的协 。来源： eRTC音视频 时互动技术；艾瑞咨询研究院综合 自主研究及绘制。传输层协议的选择：Tcurrency1P 传输实时 来换 据 的可 传输协议。网下， 在据传输 的“ 握手”连接会带来 大 时。flUDP 不可 的传输协议， 大的 实时 ， 不 据的“和 。实时音视频产品往往 P协议 行协议层 层的优化 传输的可 逻辑 P协议的优化：UDP协议 和RTP/RTcurrency1P协议 在实 应用 出。RTP 据传输， 协议 的 、端口类 、时间 等段，可 据包的分、 、 提供逻辑据；RTcurrency1PRTP的 ， 对RTP的传输质量进行计 ，并 网对 提供 参。基于 协议的性 化，为 网 提供 RT RTC 的 TCP协 支持 文消 ， 中，网络质 与的大数 S与 文中得发 R（Scurrency1“currency1afi向 fl 一段时 内，发的数 包 RR（currency1“currency1a）向发 fl ，包丢包率 延时 P数 包 P数 包UDP数 包 UDP数 包发 flTCP TP”TP数 包S数 包数 包TCP TP”TP数 包S数 包数 包 信网19202.8 iResearch Inc. 弱网传输保障策略（1/3） 动 发 的 传 来源：网易云信音视频技术 栏网易云信流媒服务 构设与 现；网络 o的 之 音视频 网对 ； 云技术 RTC 音视频 网对 技术；C N；艾瑞咨询研究院自主研究及绘制。 发 C（Forward Error Corection） 动 R （Automatic Repeat-reQuest ） C 术的 心为以 延时发 网络 提”包 fl发生 丢包时，可以直 包数 C 术的 理 ，到抗丢包能 视 码率 延时 者的有发53“ 53“ 53“ 53“ T 网络C编码C修 fl网下，实时音视频在网络传输的包 技术主 包括： 动 传求（ R-N currency1 ）、 （F currency1/R D）、 申（P“/FR）等。实 应用 通 采用 R-N currency1 技术先行，F currency1技术兜底的 合 。并根据N currency1 、N currency1 应时 和F currency1 ，对 的 包 进行实时、动 的调。 的技术理及应用的 如下： AC ， 的利用率高 需要 ， 延迟 的 同TCP协 AC 的 到 ，实时 视 采用TP/UDP协 AC 的 fl 数 包 的 性， 丢包， TT（延时） 同包向发发起 需 数 ，丢包时延 适用丢包率 较 定的 实时音视频：的 currency1 外的丢包抖动， 大延时高延迟 ，网络TT大， 需要 ， 丢包 的 性 用 外 ， 受 视 原码率， 质53“ 53“ 网络RTP/UDP: NACKTCP: ACK发 fl fl到3 3 fl到 3 “ 5C传输 currency120202.8 iResearch Inc. 弱网传输保障策略（2/3） 动 网络 ， 流体 虽包 算 可以增 网 据传输的容错 ， 难以解决 网络抖动、解 抖动带来的乱 、 迟“等 ，此时 Jiterufer（抖动缓冲）来做 包的缓。 eRTcurrency1的视频 、声音 包 适应缓冲块， 方 可以把的乱 包进行 、 ；另 方 可以根据网络动 调端端的缓时间，通过让 适当的 迟来换 音视频通话的流畅 。打 秀Jiterufer的难在于如何快速、 确地计算网络的非 变（包括网络带来的抖动和 包等算 入的 迟），并在 迟和卡顿之间 好的衡。来源： eRTC音视频 时互动技术；C N eRTC视频 ier er 、 eRTC os ；网易云信 ier er； 云 时音视频 网技术 ；网 时 音 技术 ；艾瑞咨询研究院自主研究及绘制。压缩数 55565758M61组成一帧包序列 包排序： 过RTP 议 中SequenceNumber等 段，将RTP数 包行排序检查，并将其组成一个fl整帧 组“（PacketBufer） 帧排序： 过FrameReferenceFin er fl整帧 帧，并 其 GOP排序 GOP排序： 并向解 可解 GOP 组（FrameReferenceFinder &FraeBufer）Packet/JiterBufer解 解 NetEQ算 SpechBufer SP处理 正 包 共 解 信号处理单元（DSP）实时音视频： RTC 中的视频音频 currency1I B1B2B3B4P1 IGOP1GOP2压缩数 视频抗抖动-JiterBufer微控制单元（MCU） 音频抗抖动-NetEQ 将 C 中 排序 音频数 SP中解 行 包 “可 生与 包 音 S21202.8 iResearch Inc. 弱网传输保障策略（3/3）currency1 ， 性 流包 、抖动对 可以在有限的带宽下，提供好的音视频质量， 难以解决 动 下， 流无 适应 接端网络带宽状况不 的 。传 动方案 ，网络带宽 差的用 会 所有参的 。fl动 虽对 送端的带宽 求 ， 可以根据接端的带宽状况，调传输的据量，接端送合适的视频流。对网络质量好的用，传输清晰度的流；之，传输 清晰度的流。视频流的 适应技术主 包括： 流切换（ imulca t）和可伸 （ currency1）。来源： 云技术 I 在视频 fi 中的用；C N技术 im cas 与C ；艾瑞咨询研究院综合 自主研究及绘制。可伸缩编码SVC（Scalable Vide C ding）实时音视频： 应的 currency1currency1（0）中间（1） （2）多码流切换（Simulcast ）1080p720p360p发 fl fl 360p1080pT （ 较 ）（ 良 ）发 fl fl T 0210210（ 良 ）（ 较 ） 视 分 编码， fl解码度 作为H. 6的拓展， 007年 为正 标，容性有待提升 将视 按时 空 质 分 层编码，载为一fl 发到， fl用户 选择同层 发 S ula ，编码率和网络适性均大幅提升（“ ） 产生 fl视 ，容 资 的浪费 fl可选择视 类有 ，网络条件 的适用性 将视 编码同分辨率的 fl码 ，同时发给 fl用户 选择最 适码 一fl 可以单独解码，且解码度没有 SVC，实际用更实现22202.8 iResearch Inc. 视频引擎 技术 级迭代，AI技术助力视频画修 强未 的视频的据量巨大，通 对视频 再进行储和传输，这 视频 的主 工 。 视频 择的 素，以H currency1，上 H 相，可以在维质基本不变的 提下将传输带宽fl少来的 半。虽阶段H 广泛 用的视频 ， 用 开出下滑，H 、 P等有望将 下 阶段的主流。除此之 ， 用 工 能技术进行降 、 、清晰度和彩增 等 质 工 ，提 眼对视频的主 ， 视频 、 理过 的方。来源：视频 器研数来自2021 imoinieo ee o er Re or；艾瑞咨询研究院自主研究及绘制。视频 视频 解 指对视频进行 和解 的过 ， 的的主 除视频 的 信息，以降 对储 间和传输带宽的 力。冗余”相之间有强的相关性时冗余视频 的相”之间内容相编码冗余 同 出现的 同视觉冗余人的视 83”4”31”1”1 ”15”1”42”2 ”12”N11” .2 4/C .2 5/ C G-2 8 12021 2020fi发fl 视频 的视频 视频 视频 增 技术 实时音视频 的点 方 强 强 D 用 方 网fl 进行 ， 轻量级的卷神经推动 实时 理 动端应用 的 。 实 的图像退化问题， ” 点，将码 训 currency1fi的方 强 效果。23202.8 iResearch Inc. 音频引擎通过回声消除、噪声抑制、动 益控制 化音频音频的 理 音频 理 的。麦克风采的音频据会在 声、fi声等 ，如在 视频会议 ， 地 设备 时开麦会 烈的啸声， 言离麦克风 会导致音果不佳。 提音频质量， 在 送端对 送信 进行fi声 除、降 和音量 衡的操 ， currency1fi声 除、 N 声抑 和 Gcurrency1 动增 的 理。在通话、 聊、游戏等不 ，实时音视频 考虑 的实 求，对 算 进行对应的调，以实良好的音频果。来源：艾瑞咨询研究院自主研究及绘制。音频 音频 麦 声Ccurrency1“SfiCfl 增 Ncurrency1OD R R R” X R+“T R混音 限 Ncurrency1OD R解 J+P“currency1抖动 除+包补偿 用 的音频与 的音频 ， 相的人造 声，将远端的声音消。 用声的 点 音频 向 理，消声。频 定的currency1声 有 方fi以有效 制，但突 性强频 的瞬时声则很难 制。控制语音 号的 益 的currency1理 间之内，缓解备 差异说话人音量大小距离远 导致的音量的差异。24202.8 iResearch Inc. 实时音视频技术 分析（1/2）多人实时互动方案 RTC技术为 ，C N技术为辅音视频通 ：通过接入RTcurrency1 D ， 频 /房间 的用可以通过RTcurrency1私有协议，流 实时音视频传输网络（RTN），并RTcurrency1地址拉 订阅的音视频流，享受定流畅的1v1 实时音视频通话”。实时 直播： 动直 增 主 、连麦、 的 概念，连麦既可以 房间 的 ， 可以 房间的主 。在核心 动端，主 和连麦通过RTcurrency1地址送 己的音视频流，并拉 的音视频流。连麦 容会通过旁 在云端将混 流，并转 传直 协议供端 用currency1DN地址进行拉流 。 求上 ，将currency1DN地址切换RTcurrency1地址进行 动。来源：网RTC产品 ；腾讯云TRTC产品 ；阿里云RTC产品 ；即构RTC产品 ；艾瑞咨询研究院综合 研究及绘制。 实时 技术 N网fl服务 DN网fl服务旁路混流转码服务用户/主播A用户/麦B用户/麦C观众RTC有 议RT P议RT P / FLfi /HLS等议RTC有 议RTC有 议（路流）（一路流）播延时200 400msCD 的HLS( u8fi协 ，可较 补足TC协 移动浏览容性理想的短板”动端网播 CD 可以承载 万人同时观看，补充TC 术的高并发难 ” 发CD TC价格 廉，适用需高 率互动 可忍受一定延迟的观众本核心互动 旁路观众fl RTC 25202.8 iResearch Inc. 实时音视频技术 分析（2/2）超”延时直播 传统直播架构在协议 网络层面进行改造 时直 近 来新兴的 类应用。如电 直 、赛事直 等 ，兼并 时的 ，传直 - 的时 难以满 求， 对实时 动的 求 不及视频会议等 的实时音视频应用，无 将时 降 m 以下。 此， 时直 合 传直 实时音视频的技术构，通过 补短的方式实 介于二之间的端端时 。 针对 时直 无 套 的技术 ， 大 可以归 拉流协议、网络构和流协议 方 的改，在实 应用过 ， 会衡 本及 能指 等 素，在不 的协议和网络构之间进行择。来源：艾瑞咨询研究院自主研究及绘制。超低时延 技术TMP/LV/HLSTC/TC私有协 TMPTC/TC私有协 主播观众边缘 边缘 融 调度 e1 协议 e2网络 e3 协议 延时 征属 统直播的升 用，主播人数，观众人数 ，存 发需 观众与主播存文字聊天 商品购买 轻互动需 ，要 直播的延时 800ms 直播常用TMP/LV/HLS 协 为可靠的TCP协 ， 次握手 丢包 时延的 ，超 延时直播为降， 优先将 协 改 为 协议的TC协 或TC私有协 普 直播 采用树层 的CD 网络架构，长fifl 缓存 较高的 时延，将 统CD 网络架构升 为 级网 对 网的混架构，将能 沉，过动态fl 规 智能调度和fl由降 时延 TMP协 ，TC协 和TC私有协 的 较 ， 移动的 性 较，可 作为协 的一选，视 采用Step1 拉流 改造 Step2 架构改造Step3 推流 改造26中国实时音视频行业发展分析1供给侧：实时音视频行业发展能力洞察2需求侧：垂直行业实时音频应用实践分析3中国实时音视频行业典型企业案例4中国实时音视频行业发展趋势527202.8 iResearch Inc. 中国实时音视频行业 用概览实时音视频商用实践从消费互 网向 业互 网逐渐渗透注释：1、“ 时音视频行 用场currency1模 主要“ 时音视频的用“ 时音视频的用成fi 两指综合fl 行 点场currency1的发。其中，“ 时音视频的用主要“场currency1的 时 互动 两 fl ；“ 时音视频的用基础主要“场currency1数 、场currency1 ” 两 fl ；2、 模 果为 、数 研究例 研究果综合 。模 中的用例说明同场currency1在“两指的的对关 ，并用说明一场currency1的 对。来源：艾瑞咨询自主研究及绘制。实时音视频应用场景的 全球/异 房，网络架构 支持千万 高并发，可实现秒 滑扩容优质的智能fl由调度能够满足00 内长距离的到的 视 互动实时音视频 应用场景模型支持公有云 混 云 私有云部 丰富 灵活 用的SD AP，可实现全业极速构建容OS Acurrency1“ “w aOS 小 TOS lucurrency1 lcurrency1“ Uy 发 适 海 移动终 外 卓的网 抗算currency1和 算currency1， 70% 80%的丢包 ， 可以”持 定 体验，提供更高品质的实时视 支持全fifl数 ， 数 全”和人 私” 能内 内容 全 能，支持实时 视 ，”用的 规性 延时互动多 弱网 以泛、在 表的 联网 ，备实时音视频 的良好应用基础和价值 ， 实时音视频 用实践的主力。产业转 的速，协 全行业的通用 解决方案， 时 企业的必备能力；实时音视频在金 、 等传行业 的应用能 在 扩大。虽oT行业 的实时音视频应用基础 未 ， 在工业 、 动 等备广 ， 实时音视频行业的未来 方。实时音视频用 实时音视频用值 同互动 ”在 音视频 在 11信 超声 互动互动 能 互动currency1 实 消费互联网 业互联网 检自动 实 28202.8 iResearch Inc. 实时音视频 及实 实时音视频激活互动新玩，多场景 动释放业务 空间 交 求的不断 满 ， 行业 量用的竞争 ， 的 本 。产品 质 势下， 动 新 动式挖 的 显。实时音视频技术 交 有 合度，不 可以直接提 有产品的基础 ， 可以 合 间音频、 R、 R等技术， 用 式的实时 动 。此 ，实时音视频技术 在合 、 直 等 实时 可能，并有 于直 、 交、游戏类 间的 合。 合过 出的 动新玩 ，有 于拉 用 、 、 用时 等业据，并拓产品的 ，提 产品的 能力。来源：艾瑞咨询研究院自主研究及绘制。实时音视频 场景的应用 应用场景及音视频 类场景秀直播游戏直播事直播演艺直播健身直播 类场景 v 视频 v 语音视频相亲视频群聊互动播客语音电台语聊房 游戏类场景互动游戏 狼人杀剧杀太空杀棋牌休闲益“PvP 直播合发展 ”基础 K歌类：以保障 路音视频流与 V歌词的实时 齐，解锁currency1唱 唱抢唱 决你猜我唱实时音玩法。陪伴类： 厢 厢内观众间以进行实时互动 流，达成电音乐直播“一起看+随时聊”效果。PK类： 游戏联直播间 房PK 播与观众PK ，提高观众围观热 与参与感，激发 打赏热情。 玩类：创 房间邀请好友陌生人观众 起 游戏 实时聊天，远离尬聊，提升用户活跃与用户fl存。1v1互动：提供弱网环境下无卡顿无错位的实时音视频体验，提高音视频聊天 话的 。群聊互动： 人语聊 人相亲连麦黑 实时畅聊； 播也以邀请观众 麦，进行实时互动。音视频互动：多场景 ： +游戏快 破冰，提活跃直播+游戏飙 ，营 变现直播+ 拉 距离， 强 与 互动 升级： 时 v / 人互动体验；强实时强互动fi/ 解锁。29202.8 iResearch Inc. 社交娱乐场景应用案例：某音乐元宇宙平台在线K歌一体化方案，开启身临其 的实时互动 唱体 着 增的上音 求，以及 交概念的 速 ， 大 音 联合声网 打 上音 动 。托声网实时音视频”及eta T 解决方案，用可以在 建精 D 间并打 形，时地地的友 实时 动、实时Hi ； 式 间音频、专业音质音、 块件等 大 能可真实 下 ， 用带来 的 。来源：艾瑞咨询研究院自主研究及绘制。 网某音 ： T 实时 项目决fi 作效能声网SDKeia a eri本 G 件主io 1主唱端听众端SD-RTNTM声网SDKeia a eri本 G 件合io 2合唱端声网SDKeia a eri本 G 件合io 3合唱端. .声网SDKBGMAudio1Audio2Audio3声实时 唱fi架构网音集协、 sic、 音 合 。为该 20 ， 音 、 以及音 行 。 、 指 。携手顶 海 网 场， aar 部 、音源 、3 音源对， 现同音。 范围音频、 模 场，为该 带来 模 现 的听 。 网 、N 语音引擎， 48k z全频带 样，音频 4. ， 现 保真音还原。 业 网为该 组件、播放组件、 词组件模块。支持50ms超低延时耳返，及视频播放、 打 、 特、录制 享九场currency1功。 化 场网 撑该 打造炫酷、沉浸 3 舞 布currency1， 用户在舞 走动并与其他用户进行多 时互动。currency1D“ fi 网 低至64ms端到端超低延时的 时合，保障该 合 奏、 词、人多 精准同步对齐，激活 互动玩。fl ms合唱STEP 2通过 -RTN ，主 与合 时听到彼此，成合。STEP 1主 与合同时“本 获取G，随着 奏同时启演。STEP 3观众 以享到演者们的“零时差同步。30202.8 iResearch Inc. 202.8 iResearch Inc. 行业实时音视频 及实 强调师生的实时互动，叠加丰富的教学工具提 教学行业分 currency1和 的信息 ”分， currency1受“双fl” 的 ，机构“转素质、 、业currency1等分赛 ，信息迎来 和 求的双 好， 用以音视频 核心的手段 进、提 质量 大势所 。于行业fl言，实时音视频的应用及1v1、 fifl、 动大fifl、双 fl等 ，不 在 时、并 上的 求异， 应针对 的 求提供不 的解决方案以实清晰流畅的音视频 。此 ，行业对 动、在 、fl件 等 动工在 ， 提供 的 能以 提 质量。来源：艾瑞咨询研究院自主研究及绘制。注释：1. 中 学 口径包含普通 中、初中及 学；2. 网络多媒教室 率=网络多媒教室数 普通教室数 。来源：网络多媒教室 率来自教育部，艾瑞咨询研究院自主研究及绘制。校外培训实时音视频应用场景及特 教育信息实时音视频背景及特 2020年3月部关 加 “ ”用的 专递课堂 名师课堂 名校网fl课堂旨 用教育 息化 段扩大优质教育 覆盖 ，解决 齐 足 好课的 场互动大 小 型 质 育 人 育 业 支持公有云 混 云 私有云部 弱网 中小 商网络优，”到优质 音 支持高分辨率 高码率的视 ，利用 A算currency1 A 降噪提升 质 教学功能提供包 板互动 件 作业 验 看 丰富的 互动 教育信息化需求特征品 同 ，提供 的 视 体验利用 到 板 丰富 能 过视 D 视 currency1 “视 的外，fifl 提供包 观看次数 时长 互动 内的 度分数 ， 构 L“ ” 可 品自定义与商 CM 统 公 ， 生 0.2”81.5” .8”城 镇 乡村网络多媒教室 率(”)2020年国小学网络多媒 教室覆盖率31202.8 iResearch Inc. + 业发 提供”、 打卡、 音打卡等类 业 能提供“ 、清、综合价等 形式，并可 用上 的资 ，打卡 实时出分值、价 行业场 用案 用OMO融 课堂打造跨 域、跨时空的混 教学 式 1 ，云提出“ 四”本fl式，以 fl流 ，提fl。云 合 ，入 OO上下 合的方案。OO 合fl既 合 的 ， 顺应技术的变。 用currency1la 、研、 、 ，云 全 提供 全新的研 ，通过分享全 全球 围 的 质资 ，开 fi、 、 的联动fl，全方位提 信息。来源：艾瑞咨询研究院自主研究及绘制。翼鸥教育庆云县中丁中学：O O融 课堂以科技 教育发展 + 行 下 下实时 动支上fl视频fi 提供计时 、 等工 fl 实时 +综合 在fl直 对进行实时的 及综合素质价 合 方案课堂效率教学质量学生兴趣云 模式 合 探 形 量表形 fl云 信 化 合 展 信息研 、技术” 和 技术 的下技术” （ 技术” ）， 技术 提出 1分 应 ” 云flcurrency1la 用指 ，开“下技术 currency1”fl fl 构 主 精彩32202.8 iRe