引言： 苹果、Google、亚马逊等科技巨头一致看好的智能音箱市场，国内厂商应该如何布局呢?Mediawin一站式音视频解决方案，让国内客户快速跟上国际大厂的脚步。

　　最近，智能音箱确实“火”了。在今年的Google I/O大会上，内置Google Assistant语音助手的智能音箱Google Home让人印象深刻;在2016 Code conference上，亚马逊的Echo智能音箱也被“摆上”台面;据悉苹果也将推出集成摄像头、SIri语音助手的智能音箱。各大巨头纷纷登场，Facebook、百度、腾讯…相信也已经不远了!

　　实际上，智能音箱也仅是音视频应用于物联网领域的冰山一角，还有大量的新兴应用，比如智能机器人、智能门铃、VR/AR、智能电烤炉、智能冰箱、车载后视镜等，都需要视频技术的支撑。由此可见，在物联网时期，音视频应用正迎来“爆发式”的增加，眼睛和耳朵将无处不在。

　　“戴上”耳朵和眼睛，智能硬件世界将会怎样

　　智慧教育

　　传统的课堂教育都是老师在上面讲，而学生在下面听;在线教育灵活方便，在任何地方、任何时间都能进行学习，并且自由控制学习进度。

　　智慧监控

　　传统的监控方式只是将视频存储在服务器，发生案件之后才去翻看视频内容;智慧监控不仅能在线警示，还能进行人脸识别、移动监测、实时通讯等功能。

　　智能儿童陪伴机器人

　　一般的玩具缺乏趣味，没有任何互动的功能;智能儿童陪伴机器人能够讲故事、播放歌曲、实时拍照、语音交互等功能。

　　智慧汽车

　　功能型汽车的驾驶情况完全依赖于司机的状态，疲劳驾驶、分心、操作不当都可能导致意外事故;无人驾驶汽车是计算机系统，能360度全方位的看到路况，减少事故和人员伤亡，同时缓解交通压力。

　　智慧音响

　　一般的音箱只能播放音乐，没有连接互联网上海量的资源;智能音箱不仅能联网，还可以进行语音交互，作为家庭控制中心，从而通过语音控制家庭中的其他智能设备。

　　不过，现在的产业面临着融合发展的趋势，没有一家公司能面面具到，也很难从技术、市场到产品都自己搞定。经过《智慧产品圈》的调研发现，深圳有一家公司迪韵科技，可以在物联网音视频领域提供一站式解决方案，其Mediawin平台为传统行业以及硬件企业提供“耳朵”和“眼镜”方案，仅需3个月就能让客户的产品完成智能化升级。

　　云+管+端一站式解决方案，轻松帮助客户“戴上”眼睛和耳朵

　　为了帮助客户更快实现音视频应用，Mediawin方案平台整合了多方面的资源，比如与多家声学器件厂商合作定制了麦克风、喇叭等声学器件;与专业芯片厂商合作开发了深度优化的音频处理算法;与语音识别方案商合作提升语音识别的准确率;接入第三方的平台提供更多的音视频应用功能等。

　　图：迪韵科技市场总监孙强

　　基于此，迪韵科技营销总监孙强表示：“Mediawin专注于为客户提供“云+管+端一站式音视频解决方案”，也可以根据客户的不同需求，比如白牌企业可能需要完整的音视频解决方案、大企业可能仅需要底层处理算法支持、方案商需要整合专业的处理算法+云平台资源等，提供定制化的软硬件方案服务。”

　　Mediawin云+管+端一站式解决方案

　　在设备端，Mediawin平台针对各种嵌入式产品，拥有完善的硬件解决方案，比如专业的音腔设计、音视频器件选型、声学场景优化、音视频模组等，能帮助企业简化6大音视频开发难题。另外，在云平台方面，不同市场对音视频云平台的需求会有所差别，比如在线教育需要一对多实时在线高并发的模式，监控需要声源定位、人脸识别、语音激活等功能，音乐需要海量在线资源与点播功能等。为此，在深入了解不同市场需求的基础上， Mediawin进行了深度优化和定制化。孙强继续向《智慧产品圈》记者表示：“Mediawin平台内部集成了监控云、教育云、音乐云、实时通讯云等子云平台系统，根据应用行业的需求优化子云平台的功能和架构，以满足不同行业的需求。”

　　Mediawin的6大解决方案

　　就拿常用的智能机器人多媒体部分为例，Mediawin平台不仅能在设备端提供MIC阵列模组、摄像模组、机器人声学结构设计、声学器件选型等硬件方案和服务，也提供回声消除、噪声抑制、语音打断、声源定位、人脸识别、美颜、移动侦测、人脸识别等软件音视频处理算法，以及网络传输协议、音视频编解码、传输延时监测等多媒体传输技术，云端还有设备注册管理、多方视频会议、PSTN落地、云监控、云录像、云直播等功能，从设备端、传输管道、再到云平台的一站式设计服务。

　　因此，在智能监控、机器人等物联网市场，Mediawin平台已经拥有了成熟的合作案例，比如奇虎360的智能摄像机，北京智能管家的布丁机器人，深圳市蓝机器人科技的IONE机器人等智能产品。

　　“千里眼”“顺风耳”没那么简单，Mediawin背后解决了哪些技术难题

　　音视频传输延迟严重不同步：迪韵科技首席技术官彭远疆说道：“由于网络环境的影响，音视频数据包在网络上传输会面临各种挑战。首先，一般实时音视频流采用UDP传输协议，容易发生丢包的情况，导致接收端花屏和语音失真。其次，每一个数据包从发出到被接收的时间都是不一样的，所以需要在接收端引入缓存机制。不过缓存越长，抗网络抖动的效果自然越好，但是附加延时也会越大，采集端和接收端的时间差越明显，在需要音视频互动的场景中体验效果非常差。最后，由于网络带宽的限制，丢包率和卡顿概率都会急剧提高。”

　　图：迪韵科技首席技术官彭远疆

　　网络传输算法是“杀手锏”：Mediawin平台在RTP/RTCP传输协议的基础上，建立了适合智能设备的流媒体网络传输算法模型，通过对每一帧的发射/接收时间进行统计分析，实时估算出当前网络的延时、丢包、带宽等数据，并通过实时调整编码码率、缓冲长度、重传策略等，确保在各种复杂网络环境下的均能保持良好的音视频传输质量。另外，由于采用了国际标准的SIP/ONVIF接入协议和TLS/SRTP安全协议，Mediawin平台不仅能接入各类音视频硬件，同时也为最终用户提供了金融级的安全保障。

　　音视频处理效果差，产品体验不佳：由于受到周围自然环境的影响，比如强光背景、低亮度环境、汽车噪声、声音反射等，硬件设备端采集到音视频流需要经过复杂的算法处理，才可能拥有较好的画质和音效。彭远疆表示：“音频前端如回声和混响消除、噪声抑制、拾音音量自动调节等算法均是难点。如若涉及多人视频，还需要解决多人语音的混音、视频混屏和切换的问题，并且需要保障音频和视频的时间差低于300ms，否则就会出现唇音不同步的现象。”

　　设备+云联动音视频算法“杀手锏”：深度优化了底层的音视频算法，比如音频回声消除、噪声抑制、视频降噪、白平衡控制、曝光控制等，在提升效果的同时还能够适应各种不同的软硬件平台。

　　不过，在音视频处理的过程中，不可能将所有的算法都放在设备端，而应该根据实际应用情况，合理的分布在设备端和云端。彭远疆表示：“Mediawin的音视频云平台采用了大规模的分布式网络技术，可支持多人实时在线的大容量并发和拓展，集成降噪、混音、混屏、转码、人脸识别等各种音视频处理算法，同时接入第三方功能，扩充语音识别、语义理解、人工智能等服务。”

　　未来展望

　　彭远疆表示，基于在音视频方案和技术上的积累，Mediawin平台不断拓展垂直生态的第三方合作伙伴，开放API接口接入更多的应用算法(如摔倒检测、手势识别等)，打造更加庞大的物联网音视频应用平台。同时“眼睛”和“耳朵”作为物联网的一部分，需要融合到其他行业生态中，Mediawin平台希望横向对接其他的专业领域云平台，如智慧家庭、智能家居、智能医疗等。