今天，講講“千里眼”和“順風耳”的故事

　 阿里云優(yōu)惠券 先領券再下單

為跟客戶開半小時的會議,一整天都耗在路上;一個緊急電話,立即驅車數十公里趕往偏遠的下轄礦區(qū);月總、季總一到,分布在全國各地的同事就得定期飛回來,不僅鞍馬勞頓,還要花費大量的差旅費……這些經歷,應該是許多人的共同記憶。

視頻會議的普及,給上述種種情況帶來不少“福音”,但遠程終究不是現場,視聽和互動的感受,都會有所影響,在設備不達標的情況下,還會出現音畫不同步、聲音斷斷續(xù)續(xù)等一系列問題,溝通效率大打折扣。

讓遠程協作的用戶體驗和效率,盡可能和現場的一模一樣,這是MAXHUB研發(fā)團隊在開發(fā)V6系列會議平板時,所肩負的一大使命。

今天,一起探究這背后的故事。

像面對面一樣交流,是音視頻設備的本位價值

“讓屏幕兩端的交流感更真切,擁有接近于面對面討論的逼真效果,我們認為音視頻設備理應為用戶帶來這樣的本位價值。”MAXHUB視覺研究負責人騰哥如此說道。

但當騰哥帶領技術團隊走訪企業(yè)、深入調研的時候,看到的卻是另外一番景象。

他們了解到很多中小型企業(yè)正在使用的視頻會議工具,居然是“電腦+云視頻會議軟件”這樣的組合,存在看不清、聽不清和交互弱等一系列問題,很大程度上影響著溝通的效率和員工的積極性。而原因就是,一套專業(yè)級音視頻設備的價格動輒幾十萬,他們沒有這么多的預算用于部署。

騰哥也發(fā)現,就算是在MAXHUB所專注的會議平板行業(yè),大部分產品的音視頻功能還有所欠缺,視頻會議的流暢性和清晰度,未能達到用戶預期的效果。

“所以,我們想去改變這個現狀,讓大家用會議平板就能進行專業(yè)的視頻會議。”騰哥補充道。

MAXHUB研發(fā)團隊的期盼中,這不僅是能夠解決視頻會議現狀的產品,更希望可以在行業(yè)中產生“鯰魚效應”,激勵上下游的廠商,共同來優(yōu)化用戶體驗。

我們花費一年半時間,造出了這顆雙攝

“看到這顆雙攝了不,它是4800萬像素廣角與800萬像素長焦雙軸機械云臺組合而成的一體化雙攝,我們花了一年半的時間折騰出來的。單個鏡頭的時候,四五米遠的人像放大后效果不太理想,所以我們加了一個長焦鏡頭,可以在人像特寫的情況下,保證畫面清晰度。”騰哥指了指位于MAXHUB V6科技版頂部的攝像機,自豪地介紹道。

可是,一體化雙攝的研發(fā)過程,遠遠不像描述中的那么輕松。

騰哥帶領的視覺研發(fā)團隊要攻克的第一個難關,是如何把兩顆鏡頭、精密的磁編碼云臺和眾多零部件,高度集成在頂部邊框中。最先采用的是潛望式結構,但得到的鏡頭組體積較大,顯得有些突兀,影響整體的美觀性。經過數十次推倒重來后,MAXHUB研發(fā)團隊參考專業(yè)云臺攝像機的架構進行重新設計,實現了如今兼顧美感和小體積的雙攝方案。

隨之而來的,是小體積導致的溫升、轉動精度問題。

該雙攝采用4K級傳輸碼率,且內部空間小,故此容易發(fā)熱。為此,MAXHUB視覺研發(fā)團隊自己搭建了全新的風道設計,并進行1000多次熱學仿真實驗,不斷改進風道結構,讓散熱的效果實現最優(yōu)化。

受整體體積影響,內置的微型電機較難把控轉動的精度,基于此,研發(fā)團隊自行設計電機的傳動架構,以及采用高精度磁編碼器,使得微型電機可以精準轉動,讓攝像頭準確捕捉到相應的人像。

接下來的難點,便是如何讓兩顆鏡頭默契配合,達到1+1>2的成像效果。

“最大的挑戰(zhàn)是,要讓一顆ISP芯片操控雙攝的圖像處理能力,跟單攝是一樣的,簡單來說,就是當你的工作量變成雙倍的時候,你要把它做得跟之前一樣好。大家可能會有一個疑問,我們?yōu)槭裁床挥脙深w芯片?事實上,芯片增多后,它們之間的任務劃分、數據交換和數據通信,都會損耗時間并產生熱量,結果可能會適得其反。”騰哥這種化繁為簡的解釋,哪怕是視覺領域的技術小白,也能夠快速理解到其中的關鍵所在。

為此,MAXHUB視覺研發(fā)團隊設計了多套技術流方案來優(yōu)化ISP芯片的系統架構和功能單元的運作流程,并進行大量的仿真計算,讓ISP芯片的性能充分發(fā)揮出來,在工作量翻倍的情況下,依舊游刃有余。

“再分享一個小細節(jié),我們主攝像頭的可視角是92°,這是一個畸變、透視和解析力都極為均衡的黃金角。為了得到這個數值,我們基于微軟Teams的標準,在82°到110°這個角度范圍內反復進行了1500多場模擬測試,并邀請一些真實用戶來現場對比成像效果。”

在騰哥看來,92°超廣角鏡頭帶來的實際體驗感還是非常令人滿意的,“鏡頭可視角調整后,視野范圍比以前擴大了37.3%,成像的效果非常清晰,這樣一來,我們在很小的會議室也能夠進行多人視頻,而大型講廳更是可以輕松拍齊整個會場。”

小而美的外觀結構、別出心裁的92°黃金角……這些背后藏著的,是MAXHUB視覺研發(fā)人員對用戶的洞察及用心。

有了“千里眼”,就得有“順風耳”來配

在視覺研發(fā)團隊埋頭攻克雙攝技術難關的同時,以鄭工為主導的聲學研發(fā)團隊,則在跟如何提升會議平板的音頻處理能力較著勁。

“視頻會議的時候,大家應該都體會過,對方會場講的話傳到你耳邊摻雜著鍵盤聲、關門聲、咳嗽聲等等噪音,而且有時候聲音還會時大時小……這很影響效率。”解決這樣的用戶痛點,是鄭工和他的團隊在堅持的事情。

MAXHUB聲學研發(fā)團隊很早前就自研了AI降噪技術,讓麥克風在收音的時候,可把常見的噪音都過濾掉。在開發(fā)新的麥克風模組時,為了再度優(yōu)化AI降噪技術,他們旁聽了超過600多場會議,收集了1000多個小時的錄音,豐富了原有的音源數據庫和聲學模型體系。如今,MAXHUB的AI降噪技術可以過濾掉打字聲、開關門聲、空調低頻振動聲等各類噪音。

“其實,我們的AI降噪技術還有一個小缺點,它會把歌聲也過濾掉,我們在這邊唱歌的時候,對方能看到口型,但聽不到歌聲,這是因為當時沒考慮到大家可能會在會議室唱歌?？?我們后續(xù)的研究課題又多了一個,期待大家以后用MAXHUB會議平板,來一次遠程歌唱比賽。”鄭工這句幽默的話語中,詮釋的正是MAXHUB人不斷發(fā)現問題、不斷改善、不斷探索的精神共識。

為了進一步打造極致音頻體驗,MAXHUB聲學研發(fā)團隊還引入了騰訊天籟實驗室的領先技術,在MAXHUB V6音視頻專業(yè)版上內置騰訊天籟inside音頻模組,采用全新升級8陣列麥克風,從而實現180度廣角、12米超清拾音,并基于深度學習模型智能消除超過300種噪聲,確保多人講話時每一個聲音都能聽得清、聽得真。

“如果把我們的一體化雙攝比作‘千里眼’的話,那我們的麥克風模組就是跟它絕配的‘順風耳’。它們倆配合工作的原理也挺有趣的,講話人在走動的情況下,攝像頭和麥克風會聯合定位說話人的位置,麥克風波束就能自動對準講話人,拾音口就能一直正向收音,確保拾音效果是最好的,我們把這叫做聲隨影動。”鄭工驕傲地講解著研發(fā)團隊帶來的最新成果,當然,這不是因為技術有多么領先、多么獨特,而是這些技術真的能為用戶提供更好的產品體驗和更高效的辦公助力。

“千里眼”和“順風耳”默契無間,再搭配上MAXHUB所擅長的云視頻會議軟件系統,一幅宛如同地的視頻會議畫面,就展示在眼前:雙方的動作、表情和聲音都清晰傳遞給彼此,ppt、設計稿等等會議文件,也能通過軟件實時展示給對方,如果有哪個畫面講不清,我們就可以借助同步批注的功能,在這張圖上圈圈畫畫,讓對方快速鎖定疑問的出處。

對用戶來說,MAXHUB帶來價值,是讓組織間的遠程協作也能同步溝通,就像現場交流一樣高效,幫助減少出差的頻率。對會議平板行業(yè)而言,希望MAXHUB的視頻會議新技術能起到“燈塔效應”,為各大廠商帶來新的探索方向和技術原型。

垂髫年華的MAXHUB,才剛剛出發(fā),還很稚嫩,但這里有許許多多像上述兩位工程師一樣的滿懷熱忱和追逐夢想的人,用行動書寫著MAXHUB的未來和詩歌。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！