目前大火的視頻直播，憑借其強大的荷爾蒙作用，已經證明了不僅能夠滿足用戶的需求，還能夠引導甚至制造用戶需求，形成一波熱潮。但千篇一律的網紅臉讓很多網友都開始視覺疲勞。于是，不少商家平臺開始將目光瞄準多人純語音聊天市場。那么，多人語音直播聊天的市場能夠滿足用戶哪方面的需求呢？和視頻直播相比，又有哪些優勢和特點呢？概括起來，直播主要可以滿足用戶兩個方面的需求：娛樂需求和價值需求。

多人語音聊天場景技術難點

視頻聊天時候，因為可以看到彼此，對聲音也不那么在意。而純語音聊天時，人注意力都放在聲音上，對音質的要求更高。

1)整體穩定的技術

語聊的技術門檻相對較低，多人語聊和特定場景相對復雜，技術實現難度比較大。以pia戲為例，如果經常出現卡頓、延遲和聽不清的情況，會將營造的劇情氣氛破壞殆盡，主播時不時要退出重新登錄，無法全身心投入，用戶聽到的是斷斷續續的聲音，不能沉浸到劇情中。音視頻引擎，通過抖動緩沖技術、前向糾錯技術、丟幀補償技術減少網絡抖動和弱網環境下的延遲，保障語音通話低延時且清晰。讓用戶在復雜網絡環境和多類型手機的情況下，也能實現暢通優質的語音通話。

2)多人聊天的語音前處理

以KTV語聊房為例，在房間當中，有人說話聲音、歌聲、伴奏都在房間呈現，每個人所處的地方，所用的設備也不一樣，這就有很大可能出現回聲、噪音，或是某個人設備不是很好，發出的聲音很小。語音前處理3A技術：回聲消除(AEC)、噪音抑制(ANS)、音量增益(AGC)，杜絕回聲和嘯叫，降噪而無損音質。這樣歌者能展示甜美歌聲，聽眾也有良好的聽覺享受。

3)媒體次要信息同步

而在KTV類的場景中，AB兩人輪麥合唱，如果輪到B唱歌時發現歌詞沒同步，就很難唱下去。這當中技術難點就在于歌詞等媒體次要信息是否能做到同步。支持將非媒體信息注入媒體流中，歌詞等媒體次要信息和音視頻信息放在同一個媒體通道傳輸的，做到歌詞與歌聲同步展示效果。

開發語音聊天平臺的技術關鍵點

語音聊天室需要為用戶提供長時間、高頻次語音連麥互動功能，在網絡抖動時保證語音通話流暢、延遲小、卡頓低、音質好。因此開發語音聊天室，一些技術關鍵點需要關注，如：頻繁麥位切換：搶麥、跳麥、麥位排序、抱麥、上麥、下麥等是典型場景，復雜的麥位邏輯需要詳細設計，否則影響會產品體驗；

高并發：應用高峰一般會出現在午休時刻、晚上或者周末，音視頻通話發起、接聽數會瞬間爆發增長，如果音視頻架構不能支持海量并發，那么通話發起或者接聽不成功、丟包、卡頓、延時等現象出現幾率極高；

卡頓：通常是由丟包引起，涉及到音視頻編解碼性能質量，并且端到端的傳輸鏈路設計都會對卡頓造成影響；

時延：通話延時大于150ms時，就會影響通話質量通話連續性影響，當時延大于400ms，基本聽不到對方講話；

音質：噪聲、回聲、聽不清、無聲等音質問題，特別影響用戶體驗，提高音質，適配機型、適配音頻編解碼、調優性能等工作需要重視。

房間：用戶進行多人實時音視頻通話的地方

房主：音視頻房間的創建者或者管理員

連麥者：在多人通話時參與語音互動，發言的人，可以發送語音，接收其他連麥者、房主語音

觀眾：只可以收聽的人，沒有發言的權限，其中連麥者和觀眾身份可以隨時切換。

（文/布谷科技-封百前）

原創作者：山東布谷鳥網絡科技有限公司