音訊直播，這裡面到底有多少坑

阿新 • • 發佈：2019-01-11

1直播，能否成為音訊的下一個爆發點

互動直播發展如日中天的同時，純音訊直播其實也在悄然擴大應用的範圍。早在2014年的世界盃期間，考拉FM就率行業之先通過純音訊方式連續對64場賽事進行了實時直播，此後考拉FM將音訊直播應用到了演唱會、電影釋出會、娛樂明星專訪等等領域。隨後，喜馬拉雅與蜻蜓FM也相繼推出了音訊直播功能。

隨著互動直播成為了網路社交和粉絲經濟的全新入口，直播進入了新的階段。直播一方面向著更輕悅化、娛樂化、生活化、垂直化方向發展，另一方面向著與更多商業結合的方式發展。視訊直播打造了一批網紅，催生了網紅經濟，音訊是否也能複製視訊直播的模式呢？直播，能否成為音訊下一個爆發點呢？

事實上，音訊直播在媒體屬性方面具有與視訊直播類似的體驗效果，應用價值已被考拉FM、喜馬拉雅等應用大規模驗證。除此之外，音訊直播還能在哪些點上找到突破呢？

移動場景下，音訊直播更適合

例如在開車、運動等移動場景下，使用者很難一直盯著手機看，一是極度不安全，再者對4G流量消耗的負擔也較重。這方面，音訊直播就能彌補視訊在移動場景下的不足，更符合使用者習慣。移動場景下，音訊直播將補齊使用者對碎片化互動直播接收的需求縫隙。

在某些垂直領域音訊直播更具實用性

比如在教育培訓、微信群直播等目的性非常強的垂直領域，音訊直播相對於視訊直播來說，去掉了花哨的彈幕、鮮花等互動，更能將使用者的注意力集中在內容本身，加上音訊直播發起流程更簡單，更輕量，費用也更低，在這類應用場景中，相對於視訊直播，音訊直播更具實用性。

2 音訊直播技術要點

和視訊直播一樣，音訊直播背後同樣有一套複雜的技術支撐，流程基本和視訊直播一樣，由

採集 → 編碼推流 → 網路分發 → 解碼 → 播放五大環節組成。

其中：

（1）採集環節是通過麥克風等對聲音進行採集，將聲音轉換為數字訊號，這裡面需要配置的引數主要是取樣率、取樣位數、聲道數；

（2）編碼環節是將較大的資料量壓縮成較小的資料進行網路傳輸，常用的編碼演算法一般有AAC、Speex等；

（3）網路分發是針對大規模音訊直播進行CDN分發，低延遲和穩定性最為重要。視訊會議等雙向音訊互動要求更低的延時，一般會採用私有協議、專線等方式來保障；

（4）解碼和播放環節是將解完碼的音訊在多平臺進行播放，多終端相容性較為重要。

除了以上主幹環節外，音訊直播還必須要考慮的技術點主要有去背景噪音、去回聲、流暢、低延遲

等等。所以一個比較完善的音訊直播系統的典型流程會變成下面這樣：

然而，在實際業務應用中，由於諸多外部因素的影響，音訊直播的實現往往不會這麼簡單順利，觀止雲在承接大規模網路音訊直播服務中，也遇到了大量的坑。我們將通過系列文章將這些坑分享出來，本文作為音訊直播大坑系列第一篇文章，將基於觀止雲實際案例分享如何支援Flash推送的音訊流在微信平臺播放。

3 音訊轉碼

大部分線上教育直播系統中，老師和學生頭像的畫面一般都直接呼叫Flash進行推流，而Flash推流音訊只能採用speex編碼（AAC專利所致）。隨著微信平臺各方面優勢凸顯，直播流需要同時分發到微信平臺的H5頁面上。大家都知道，H5只能播放HLS直播流，而HLS協議是不支援speex音訊格式的。

觀止直播雲支援雲端音訊轉碼功能，在收到Flash推上來的直播流後，在服務端將speex轉為AAC，再通過HLS+協議分發到H5頁面。音訊轉碼功能不但解決了Flash推流微信平臺播放的難題，HLS+協議分發還能顯著降低傳統HLS分發的延時，是該應用場景下最佳解決方案。

4 結語

視訊之後，音訊直播能否也在這波直播大浪潮中挖掘到獨特的商業價值，這也許要留給時間去解答。但就從技術角度而言，大規模的音訊直播要想實現良好的互動體驗，也必然會經歷無數的大坑。觀止雲後續音訊直播系列文章中，將會陸續對音訊直播卡頓、無聲、多終端相容、基於混音技術實現的音訊直播連麥等技術進行分享。