随着手机性能的提高，手游开始向复杂化发展。不再是以消消乐这种简单的小游戏为主，RPG、实时对战类游戏开始变火。这种游戏，由于有玩家间的交互，有团队作战、配合，保证玩家能够进行实时语音通话，成为极大的需
3月14日，腾讯旗下知名手游《QQ炫舞》正式上线各大应用商店，并迅速登上App Store免费游戏总榜第一位。作为一代玩家的青春记忆，早在游戏发布前，《QQ炫舞》手游全渠道预约人数就已突破2000W，其火爆程度不亚于腾讯旗下两款吃鸡手游。
说到音频，就不得不说腾讯音视频实验室了，腾讯音视频实验室，成立于2010年，八年间专注于音视频通信技术的前瞻性研究，包括全球实时音视频网络优化、音视频编解码前沿算法研究、计算机视觉图像处理、基于AI的音频语音增强、声音美化及音视频质量评测等。在服务于腾讯社交体系下的海量用户同时，在实时音视频通信、图像处理和音视频处理等技术领域积累了十几年的研究经验，拥有行业领先的技术水平。目前已为行业数百个产品提供了音视频技术支持与服务，如QQ电话、腾讯云、企业微信、QQ空间、全民K歌、快手、斗鱼、虎牙、蘑菇街等。
大部分游戏中的枪声、脚步声等周围环境声音是有 3D 音效的，但当玩家连麦时，不管队友在哪儿，他人说话的声音听上去都没有方向... 试想一下：在你都手忙脚乱地“突突突”时，队友发来求助语音“我在东南方向最近的茅房里中弹了！快来扶我……”，你还得看一眼地图再判断队友的位置。 3D 空间语音为玩家提供了更多的听觉信息，玩家直接通过语音听声辨位方位就可以知道队友/敌方的位置，身临其境地感受到对方的存在。玩起来是不是就方便、有趣多啦？ 快戴上耳机来感受下 3D 音效 🎧 很多游戏开发者开始问了： 3D 语音背后的技
https://www.amazon.science/blog/amazon-team-takes-first-place-in-interspeech-2020-deep-noise-suppression-challenge
跟大家分享一个好消息！ 腾讯会议旗下、GME 背后的黑科技团队天籁实验室参加由国际音频顶级会议 ICASSP 联合微软发起的 2023 语音信号质量增强挑战赛（SSIC），并荣获 SSIC 全部两个赛道的冠军，并在降噪、混响、卡顿、响度、音质修复等多个子项均达到了领先水平！ 图示：比赛成绩 去年，天籁实验室在 ICASSP DNS 2022 全频带实时个性化语音增强 track 2 比赛已获得总分第一。点击查看详情>> ICASSP 2023 语音信号质量增强挑战赛（SSIC）主要面向如何在实时通信系统中
全球游戏开发者盛会 2023 GDC (Game Developers Conference)于3月20日至3月24日在美国旧金山召开。PlayStation、Meta、Wemade、Epic Games、Unity、Unreal Engine 等众多科技和游戏公司参与，上万来自全球各地的游戏行业从业者亲临大会现场。 GDC 2023 展会现场 作为领先的游戏语音互动服务提供方，腾讯云游戏多媒体引擎GME (Game Multimedia Engine)在腾讯云及 Audiokinetic 双展台亮相，
虚拟世界赋予了玩家充分的想象力，玩家可以不再被真实身份束缚，让自己成为喜爱的任何角色。而除了人物形象，声音形象也是虚拟世界中彰显个性的标志。 这次推出的实时语音变声方案，可以应用于元宇宙游戏、沙盒游戏、MOBA、Battle Royale、FPS、你画我猜、剧本杀、狼人游戏等各种游戏类型与游戏场景，玩家可用变声后的声音互相沟通交流。 为什么要在游戏中加入变声功能？ 如果你是游戏策划，更贴合游戏角色形象的声音，能够更大程度提升玩家的沉浸感，强化游戏的风格。 如果你是游戏运营，多样的变声玩法和丰富的声音音效，
在网络游戏中，无论是大逃杀、棋牌类、电子竞技类还是娱乐休闲类小游戏，玩家和玩家之间的互动和语音聊天都是一个必不可少的环节。作为一个通用的技术需求，如果由游戏厂商自己从零开始研发相应的音频技术，既不经济也不具备技术优势，因此市面上有一些厂商提供第三方的游戏音频SDK，让游戏开发商免于重复造轮子的同时，能把更多时间花在提升核心竞争力上。
前段时间你肯定被一款派对推理游戏刷了屏。它登顶微博热搜、官服被挤爆、相关表情包霸占各个微信群、游戏解说视频千千万，在 Steam 上的单日在线人数，最高已经达到了 50 多万。这款游戏是《Goose Goose Duck》，被中国玩家叫做《鹅鸭杀》，是一款拥有丰富玩法的“太空狼人杀”游戏。 鹅鸭杀（图源 Steam） 在《鹅鸭杀》《Among Us》等太空狼人杀/派对桌游类型游戏常上热搜、登 Steam 热榜、持续占领朋友圈和微信群的爆火背后，游戏语音为游戏的社交性及娱乐性增添了超多 BUFF。接下来我们
年三十前跟大家分享一个好消息！ 腾讯会议旗下、GME背后的黑科技团队天籁实验室参加由国际音频顶级会议ICASSP联合微软发起的DNS 2022深度学习降噪挑战赛，在首次举办的全频带实时个性化语音增强track 2比赛中获得总分第一，并在音质和识别率两个核心单项指标上都分别达到了最好的水平！ 图示：任务二：实时个性化语音增强比赛成绩 自疫情以来，降噪技术在不同场景下的研究也愈发引起了关注，比如在嘈杂的机场、咖啡厅、有爸爸妈妈关切念叨的家里（狗头.jpg）里进行游戏中的交流，噪声消除对提升沟通质量至关重要。
全球游戏开发者盛会 2022 GDC (Game Developers Conference)于3月21日至3月25日在美国旧金山召开。Oculus、Meta、Wemade、Unity、亚马逊、微软等众多科技和游戏公司参与，上万来自全球各地的游戏行业从业者亲临大会现场。 作为领先的游戏语音互动服务提供方，腾讯云的游戏多媒体引擎GME在现场和全球开发者面对面聊了这些问题： 如何提升玩家在游戏中的沉浸式体验？ 如何让全球玩家在游戏里顺畅沟通？ 我的游戏项目如何在全球发行or出海？ 而腾讯云GME在GDC旧金山
出色的游戏社交体验能够大幅提升玩家的活跃度和留存率。但想要打造极致的游戏社交体验，开发者同样也面临着诸多挑战。针对游戏场景中的特色音视频需求及技术难点，腾讯云实时音视频TRTC整合腾讯云在游戏及社交方向的长期技术积累及海量实践经验，进一步深度优化推出一站式游戏社交解决方案 —— 游戏多媒体引擎（Game Multimedia Engine, GME），帮助全球游戏开发者快速打造沉浸式游戏社交体验。为了让大家更好地了解这一方案，我们将通过系列文章带大家一起发现GME背后的功能及技术黑科技。
近日，飞语推出了SDK解决方案，开启多人语音功能新篇章。众所周知，真正让多方语音普及的并不是我们通常都会想到的电话会议或者类似QQ语音的第三方社交软件，而是多人游戏语音。 随着智能手机的普及，手游已经
目前，录音转文字的需求越来越大，不管是学生课堂笔记，还是白领开会笔记，又或是记者外出采访，需要将实时语音或者音频文件快速整理成文字，转换成电子档都有这样的需求。
《Onward》被称为「最硬核」的 VR 游戏，拥有丰富的枪支系统，玩家视角全靠三点一线瞄准法，十分写实。游戏模式有单人玩法、联机组队玩法，最多支持 10 人跨平台联机游戏，在 PVP 模式下，队友间需要较强的技战术配合，硬核玩家应该会喜欢。 《Onward》Oculus Quest 预告宣传片 广受好评：2016 年 8 月，《Onward》上线 Steam Early Access，收获 5W 用户，很多用户将其视为当前最佳VR射击游戏之一。 跨平台可玩：2017 年 11 月，《Onward》正式登陆
随着物联网（IoT）的快速发展，对于实时处理和边缘计算的需求也在不断增加。自然语言处理（NLP）技术作为人工智能的重要分支，正逐渐在实时处理与边缘计算领域崭露头角。本文将深入探讨NLP在实时处理和边缘计算中的应用，通过实例演示如何构建智能边缘应用，提高响应速度和降低数据传输成本。
腾讯云实时音视频（TRTC）接入实时语音识别，主要是将TRTC中的音频数据传递到语音识别的音频数据源中进行实时识别。本篇讲述如何对TRTC本地和远端的音频流进行实时识别。
阅读本文大约需要4分钟 导语丨Unity作为游戏开发者首选引擎，其引擎强大的图像引擎和功能全面的编辑器为高质量的游戏与应用开发提供了基础。而现有的引擎内并未提供游戏语音技术，本课程介绍Unity引擎集成语音技术，并通过GME实例集成到Unity工程中，与您一起动手实践。 一、游戏多媒体引擎GME 1 GME简介 游戏多媒体引擎（Game Multimedia Engine，GME）提供一站式语音解决方案。针对不同场景进行深度优化，覆盖游戏、社交、娱乐等多种泛互联网行业应用场景。提供实时语音、语音消息及转文本
上周二，直播分享《如何通过GME轻松接入语音功能，粘住你的玩家？》中，腾讯游戏多媒体引擎 （GME）的产品经理王鼎，带游戏开发者了解了语音对游戏玩家社交、玩家粘性的重要性，熟悉了4 行代码即可接入的游戏语音方案。本文将带大家回顾直播精彩内容，并解答开发者在评论区的提问。 分享内容 语音是如何“粘住”玩家的？ 根据腾讯云和伽马数据联合发布的游戏产业趋势报告，可以发现玩家对于游戏中的沟通交流需求非常强烈。90.6% 用户会通过游戏中的内置语音功能与其他玩家沟通，73.7% 用户在游戏没有内置语音功能的情况下，会
游戏多媒体引擎（Game Multimedia Engine，GME）提供一站式语音解决方案。针对不同场景进行深度优化，覆盖游戏、社交、娱乐等多种泛互联网行业应用场景。提供实时语音、语音消息及转文本、语音分析服务，一次接入即可满足多样化的语音需求。
在业界，实时音视频的 QoE（Quality of Experience） 方法一直都是个重要的话题。之所以这么重要，其实是因为目前 RTE（实时互动）行业中还没有一个很好的可用于评价实时互动场景的 QoE 评价方法。
让计算机能听、能看、能说、能感觉，是未来人机交互的发展方向，其中语音已成为未来最被看好的人机交互方式，语音比其他的交互方式有更多的优势。 目前，语音服务存在于各种场景中，包括实时会议记录、视频实时直播字幕、呼叫中心语音质检、实时会议记录等。想要实现不同的语音服务，这涉及到方方面面的技术，例如，在进行实时会议记录任务时，需要将会议中的音频实时转写为文字，辅助会议记录工作，同时适用于电视会议等远距离场景，这涉及到自动语音识别(ASR)技术。 除此以外，我们在日常生活中，也经常遇到需要将文本转化成语音的技术(TTS) ，该技术可以通过自然逼真的智能语音，让机器拥有「说话」的能力。 那么，有没有一种技术，可以同时完成自动语音识别、语音合成技术的任务？ 今年，英伟达发布了 NVIDIA Riva，这是一种现成的语音服务，可以轻松部署在任何云或数据中心。NVIDIA Riva的设计旨在帮助用户轻松、快速地访问会话 AI 功能，实现开箱即用，通过一些简单的命令和 API 操作就可以快速构建高级别的语音识别服务。该服务可以处理数百至数千音频流作为输入，并以最小延迟返回文本；还能快速构建高级别的对话式 AI 服务。 NVIDIA Riva是一个使用了 GPU 加速，快速部署高性能会话式 AI 服务的 SDK，可用于快速开发语音 AI 的应用程序。Riva SDK 在 NVIDIA GPU 上运行，在高吞吐量水平下提供最快的推断响应。 目前，NVIDIA Riva整合了 ASR 和 TTS 等智能算法引擎，用户可以使用这些功能进行科学研究。
声音交友，在线K歌，自由上麦，声波传达…… 从最初单一的一对一语音通话，到后来火爆的多人语音群聊，再到现在聚集了一批“音控”的纯语音聊天室，当代年轻人的社交APP里最不可少的功能就是语音社交。 语音电台，是语音聊天室中较基础的应用。主播可以在直播间中给听众讲故事、唱歌，内容形式不一而足，观众也可以申请上麦，与主播聊天互动。 再说现在最常见的互动游戏。玩家在APP里组建房间后，可以通过房间内的语音聊天进行互动交流，例如当下非常火热的狼人杀游戏，就是通过语音聊天室功能进行的。 那么，语音聊天室都有些什么？
第十八届亚运会在印度尼西亚首都雅加达进行得如火如荼，电子竞技作为2018亚运会的表演赛项目，首次登上亚运会的舞台。对于团队合作的电竞赛事来说，队友间的“语音”交流不可或缺。实时与队友流畅沟通战术，交流操作已成为电竞选手在比赛中取得好成绩的一大关键。
6月29日，音视频及融合通信技术技术沙龙圆满落幕。本期沙龙特邀请腾讯云技术专家分享关于最新的低延迟技术、全新的商业直播方案等话题，针对腾讯云音视频及融合通信产品的技术全面剖析，为大家带来纯干货的技术分享。下面是颜学伟老师关于实时音频与传统PSTN语音业务如何融合在一起，以及融合过程中的碰到的难点和解决方案的分享。
语音电台，是语音聊天室中较基础的应用。主播可以在直播间中给听众讲故事、唱歌，内容形式不一而足，观众也可以申请上麦，与主播聊天互动。
无论是家用产品，还是室外公共设备，市场上带有语音提示和语音预警的产品也与日俱增，越来越受到消费者的青睐，语音功能让产品更智能，极大的增强了用户的产品体验。
本文即针对移动游戏环境下实时语音所面对的挑战，介绍一些语音预处理、流媒体协议等通用的解决方案。
随着游戏、社交互动应用场景的不断延伸，如何通过语音互动给玩家带来更加娱乐性的玩法，是业务突破的关键命题。而实时变声可以让普通人也拥有灵活百变的音色，带来丰富、趣味的互动体验。
语音控制的基础就是语音识别技术，可以是特定人或者非特定人的。非特定人的应用更为广泛，对于用户而言不用训练，因此也更加方便。语音识别可以分为孤立词识别，连接词识别，以及大词汇量的连续词识别。对于智能机器人这类嵌入式应用而言，语音可以提供直接可靠的交互方式，语音识别技术的应用价值也就不言而喻。 1 语音识别概述 语音识别技术最早可以追溯到20世纪50年代，是试图使机器能“听懂”人类语音的技术。按照目前主流的研究方法，连续语音识别和孤立词语音识别采用的声学模型一般不同。孤立词语音识别一般采用DTW动态时间规整
现实生活中，越来越多的地方需要使用到语音识别，微信里客户的长条语音，游戏里更方便快速的交流，都是语音识别的重要场景。现在为大家强力推荐腾讯云语音识别，一款为企业和开发者提供极具性价比的语音识别服务。腾讯云语音识别服务经微信、腾讯视频、王者荣耀、和平精英等大量内部业务验证；同时也在线上线下大量互联网、金融、教育等领域的外部客户业务场景下成功落地。同时日服务亿级用户，具有海量数据支撑、算法业界领先、支持语种丰富、服务性能稳定、抗噪音能力强、识别准确率高等优势。
直播答题已经是风口，毋容置疑。对攻城狮们来说，2018 年春节是个坎，直播答题技术做细致做到位了，才能安心过个好年。 为了应对这个挑战，我们首先分析一下直播答题和传统直播在技术上的不同，然后深度解释一下直播答题解决方案的海量并发派题和收题。 📷 直播答题和传统直播在技术上的不同 直播答题首先是直播，然后是答题。直播答题是构建在传统直播基础上的创新玩法，和传统直播的不同包括下面几点： 📷 1. 海量并发派题 就传统视频直播而言，直播间通常在线用户人数是少几万人，通常情况下超过五万
当前直播行业愈发火热，用户通常处于不同的环境中，身边的键盘声，敲击声，空调声，喧哗声等噪声有时会对实时互动产生严重的干扰。然而传统的降噪算法针对平稳噪声有比较好的降噪效果，针对上述这一类非平稳噪声，比较难处理，收效甚微，降噪效果很差。
最近爆火的“元宇宙”概念，从“Meta+Verse”的词义直译而来，最早来源于美国科幻小说《雪崩》，指的是一个平行于现实的网络世界。游戏是最接近“Metaverse”的形态。在目前主流的观点里，“Metaverse”游戏具有真实、沉浸的互动与社交体验；允许玩家自由的互动、创作和进行价值交换；具备多元与包容的文化和内容。
近日，腾讯多媒体实验室受邀参加Audiokinetic Wwise全球巡演会。巡演会上，腾讯多媒体实验室团队展示了游戏多媒体引擎（GME）联合解决方案。该解决方案由腾讯云GME团队、腾讯多媒体实验室和Audiokinetic联合打造，面向游戏开发者提供游戏内语音通信服务，提供端到端、低延迟、高质量、高稳定、可弹性扩容、性价比高的游戏语音通信服务，接入门槛低，可帮助游戏开发者在多种游戏场景下快速搭建实时语音服务，助力游戏社交化。 (腾讯多媒体实验室高级总监商世东，在Audiokinetic Wwise巡
5月26日，2021 IGS·全球数字文创发展大会“腾讯云·游戏&新文娱分论坛”在成都成功落幕。在本次论坛中，腾讯云游戏多媒体引擎（GME）高级产品经理郑丁益进行了题为《技术更迭视角下的游戏语音新玩法》的演讲，分享了GME如何更新自身的能力和技术，从而满足目前日益变化的游戏内语音需求，给玩家带来更好的游戏体验。
最近自己想接触下语音识别，经过一番了解和摸索，实现了对语音识别API的简单调用，正好写文章记录下。目前搜到的帖子里，有现成的调用百度语音API来对音频文件进行识别的；也有通过谷歌语音服务来实现了实时语音识别的。由于我这谷歌语音一直调用不成功，就将二者结合，简单实现了通过百度语音API来进行实时语音识别。
本文来自网易云音乐音视频实验室负责人刘华平在LiveVideoStackCon 2017大会上的分享，并由LiveVideoStack根据演讲内容整理而成（本次演讲PPT文稿，请从文末附件下载）。
前言：本文作者@焦糖玛奇朵，是我们“AI产品经理大本营”早期成员，下面是她分享的第1篇文章，欢迎更多有兴趣“主动输出”的朋友们一起加入、共同进步：） 📷 音频由公众号“闪电配音”提供 媒体和AI巨头们乐于给大众描绘一幅幅精彩的未来生活蓝图：人工智能可以化身为你的爱车，在沙漠、森林或小巷中风驰电掣；可以是智慧公正的交警，控制红绿灯、缓解交通的拥挤；还可以是给人以贴心照顾的小助理，熟悉你生活中的每一处小怪癖。 在看到这些美妙的畅想之后，作为一个严谨认真的AI产品经理，我不禁想去探索上述美好未来的实现路径；今天，
Skype前几天推出了实时语音翻译的预览版，让用户可以跨越语言的障碍畅快交流。今天我们就来聊聊微软是如何做到这一点的。 Skype 的翻译系统主要分三步：首先，把你的实时语音转换成文字；然后，再把文字翻译成另一种语言的文字；最后，把文字转换成语音。其中，识别实时语音并转换成文字一直是最棘手的部分。 图像处理和语音识别是深度学习发展的两个主要方向。近几年来，由于深度学习的进步，语音识别依靠深度神经网络（deep neural networks）也取得了不少进展。神经网络在八十年代就已出现，但真正开始焕发光芒
作为一款以语音为媒介的社交软件，它的玩法非常简单。在每个房间有主持人、嘉宾、观众三种角色。主持人创建房间后，跟嘉宾聊天，观众可旁听，三种身份经主持人同意后还可转换，主播也可邀请观众上麦互动。他们以语音的形式进行交流，听后即焚。这便是典型的实时语音语聊房场景。
腾讯、西工大、CMU等国内外机构是这场对决的主办方，两项比赛内容是语音行业的前沿研究，针对真实视频会议场景。
目前，荔枝FM拥有600 万日活跃用户， 200 万播客，以及5000万期原创音频节目，播客数量、内容时长、内容数量均位居全网第一。 尽管荔枝FM强调语音直播并不是一次转型，但做直播的确为平台上原有的
有一批火爆全球的元宇宙游戏，将「虚拟人互动」技术装进游戏虚拟世界，如：Roblox、VRChat、Fortnite、Zepeto、Rec Room。这类游戏的「开放世界的多人互动」+「创新玩法」，极大提升游戏的趣味性与社交性。
用 3D 虚拟人形象，在游戏世界中与他人交流、聚会、玩耍、购物、逛展、开店是一种什么样的体验？
语音聊天基本是社交软件必备的功能，语音相比文字图片更丰富，比视频又更简便，是天然的社交工具。除了单纯的1对1语音或视频聊天，在实时音视频技术支持下，很多 APP 已经延伸出非常多的玩法。目前比较火的语音直播系统源码又分为语音电台、语音游戏、私人聊天、多人聊天、KTV 聊天等细分的场景，延伸出去还有更多的形态。
相信大家都听说过录音转文字助手，知道可以使用这个工具快速完成录音转文字、音频转文字的需求。最近，录音转文字助手又迎来了更新，新增语音翻译功能，可以实现实时对话语音翻译，中英文之间的交流再也不需要担心了。
随着各种R（AR/VR/MR...）技术的发展，国内外科技巨头都开始在Metaverse这个领域布局。Metaverse场景对实时语音交流的沉浸式效果及玩法会有更高的要求，而GME致力于提升玩家在虚拟世界中的沉浸感。 一波GME声音效果demo袭来， 戴上耳机效果更佳。 不同的游戏空间中，GME可以使声音呈现出极度还原真实场景的沉浸体验，而不是让人分分钟出戏的“电话体验”。这个视频中呈现出“空旷的体育馆”和“密闭的房间”中，玩家声音所呈现出来的不同混响效果。 Metaverse的语音体验一定要把语音的
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
