北京時(shí)間5月23日，聲網(wǎng)母公司 Agora, Inc.(NASDAQ: API) 發(fā)布了2024年第一季度財(cái)報(bào)。財(cái)報(bào)顯示，第一季度 Agora, Inc.?實(shí)現(xiàn)營(yíng)收3302萬(wàn)美元，其中，業(yè)務(wù)聚焦中國(guó)市場(chǎng)的聲網(wǎng)實(shí)現(xiàn)營(yíng)收1.23億人民幣，聚焦非中國(guó)市場(chǎng)的 Agora 實(shí)現(xiàn)營(yíng)收1580萬(wàn)美元。
在客戶規(guī)模方面，截至2024年3月31日，Agora, Inc.?活躍客戶數(shù)量達(dá)5553個(gè)，同比增長(zhǎng)3%。其中，聲網(wǎng)活躍客戶數(shù)量3833個(gè)，Agora活躍客戶數(shù)量1720個(gè)。
Agora, Inc.?創(chuàng)始人兼CEO趙斌表示，“盡管面臨充滿挑戰(zhàn)的市場(chǎng)環(huán)境，我們持續(xù)專注于提升產(chǎn)品的核心性能。我們發(fā)布了全新的視頻質(zhì)量?jī)?yōu)化整體方案，并將我們的 SDK 穩(wěn)定性提升至歷史最佳水平。我堅(jiān)信這些改進(jìn)不僅為現(xiàn)有客戶創(chuàng)造了價(jià)值，也為未來(lái)更加多元的應(yīng)用場(chǎng)景創(chuàng)新奠定了堅(jiān)實(shí)基礎(chǔ)。此前我們?cè)A(yù)測(cè)，生成式人工智能模型將能夠與用戶直接進(jìn)行音視頻對(duì)話，而這一預(yù)測(cè)正在迅速成為現(xiàn)實(shí)。大模型與人的音視頻交互將極大地受益于我們的技術(shù)積累，有望發(fā)展成為實(shí)時(shí)互動(dòng)技術(shù)重要的應(yīng)用場(chǎng)景。”
隨著 GPT-4o 的發(fā)布，讓人與 AI 進(jìn)行實(shí)時(shí)語(yǔ)音對(duì)話成為現(xiàn)實(shí)，而 RTC 則是實(shí)現(xiàn)這一場(chǎng)景的關(guān)鍵技術(shù)之一。近日，聲網(wǎng)進(jìn)一步豐富 AIGC 一站式解決方案，目前已可以提供基于大模型的全鏈路實(shí)時(shí)音視頻方案，幫助大模型廠商構(gòu)建實(shí)時(shí)音視頻互動(dòng)能力，讓用戶與 AI 進(jìn)行語(yǔ)音、視頻形式的實(shí)時(shí)互動(dòng)，并已做到行業(yè)內(nèi)領(lǐng)先的低延時(shí)對(duì)話體驗(yàn)。
本季度，聲網(wǎng)持續(xù)聚焦于多元應(yīng)用場(chǎng)景創(chuàng)新和行業(yè)拓展，發(fā)布了兩款重磅解決方案，分別為聲網(wǎng)賽事直播方案和 RTC+AI 教育超級(jí)雙擎解決方案。聲網(wǎng)賽事直播方案，助力直播平臺(tái)以更低的成本，獲得更高質(zhì)量的賽事直播效果與用戶體驗(yàn)。RTC+AI 教育超級(jí)雙擎解決方案，則助力了在線課堂教學(xué)體驗(yàn)的升級(jí)以及教學(xué)場(chǎng)景的創(chuàng)新。
在出海領(lǐng)域，聲網(wǎng)也持續(xù)深耕 1v1 社交場(chǎng)景，助力客戶在網(wǎng)絡(luò)環(huán)境復(fù)雜多變的地區(qū)，也能擁有流暢穩(wěn)定的音視頻互動(dòng)體驗(yàn)，跑贏出海大盤(pán)。據(jù)數(shù)據(jù)顯示，聲網(wǎng) 1v1 社交客戶在全球各區(qū)域的1v1 App 市場(chǎng)滲透率>70%，其中在中東地區(qū) 1v1 社交 App 收入 TOP20中，使用聲網(wǎng) SDK 的 App 就達(dá)到了14個(gè)，滲透率排名第一。
AIGC 一站式方案 助力大模型構(gòu)建實(shí)時(shí)音視頻能力
近日，GPT-4o 的發(fā)布引起了業(yè)界的廣泛關(guān)注與強(qiáng)烈討論，也透露出一個(gè)重要的信號(hào)：支持端到端實(shí)時(shí)多模態(tài)將成為當(dāng)下大模型發(fā)展的新趨勢(shì)，實(shí)時(shí)文本、音視頻傳輸能力，將成為實(shí)時(shí)大模型的標(biāo)配。
相比于 GPT3.5 和 GPT4，GPT-4o 最核心的區(qū)別在于文本、視覺(jué)和音頻由同一個(gè)神經(jīng)網(wǎng)絡(luò)處理，不僅降低了延時(shí)，還捕捉到了更多的信息。此前基于 GPT3.5 或 GPT4 的 AI 語(yǔ)音助手是通過(guò) STT 將語(yǔ)音轉(zhuǎn)成文字再輸入給大模型，大模型生成文本響應(yīng)后再通過(guò) TTS 輸出語(yǔ)音給到用戶，平均延時(shí)達(dá)到2.8秒（GPT-3.5）和5.4秒（GPT-4）。
而GPT-4o?直接將語(yǔ)音實(shí)時(shí)輸入給大模型，并大幅提升響應(yīng)時(shí)間，最終實(shí)現(xiàn)了與真人聊天一樣自然流暢體驗(yàn)，AI 的處理反應(yīng)已經(jīng)達(dá)到人類的高度和速度，而實(shí)現(xiàn)這一跨越式技術(shù)進(jìn)步的關(guān)鍵，一是大模型的進(jìn)化，二是RTC能力的應(yīng)用。
針對(duì)大模型的交互能力，聲網(wǎng)目前已可以提供基于大模型的全鏈路實(shí)時(shí)音視頻方案，可以幫助大模型廠商構(gòu)建實(shí)時(shí)音視頻互動(dòng)的能力，用戶可通過(guò)麥克風(fēng)與 AI 進(jìn)行語(yǔ)音、視頻形式的實(shí)時(shí)互動(dòng)，并且做到行業(yè)內(nèi)領(lǐng)先的低延時(shí)對(duì)話體驗(yàn)。
聲網(wǎng)的 AIGC 一站式音視頻解決方案也可以實(shí)現(xiàn)像 GPT-4o 的音頻對(duì)話能力。聲網(wǎng)提供封裝完整的 SDK，并支持模塊化能力的靈活拼裝，包含 RTC 實(shí)時(shí)音視頻、實(shí)時(shí)消息等多種能力，并支持 API 快速調(diào)用，提供開(kāi)箱即用的場(chǎng)景化 Demo，最快 3h 即可實(shí)現(xiàn)方案快速驗(yàn)證。尤其對(duì)于想快速驗(yàn)證新場(chǎng)景的企業(yè)與開(kāi)發(fā)者而言，可以節(jié)省很多開(kāi)發(fā)時(shí)間。
發(fā)布賽事直播解決方案，延時(shí)低至500ms、安全穩(wěn)定更高清
為了解決賽事直播場(chǎng)景普遍存在的高延遲、低畫(huà)質(zhì)、信號(hào)傳輸穩(wěn)定性差、成本高昂，以及盜鏈等問(wèn)題。本季度，聲網(wǎng)發(fā)布了賽事直播解決方案，助力直播平臺(tái)以更低的成本，獲得更高質(zhì)量的賽事直播效果與用戶體驗(yàn)。該方案主要應(yīng)用于賽事觀看、一起看比賽、大V解說(shuō)、明星陪看等熱門(mén)場(chǎng)景。
聲網(wǎng)賽事直播解決方案提供了成本可控的云演播廳，直播平臺(tái)無(wú)需租賃線下場(chǎng)地即可讓受邀嘉賓在線解說(shuō)。針對(duì)解說(shuō)嘉賓不同的網(wǎng)絡(luò)情況，聲網(wǎng)也提供多條不同碼率和幀率的實(shí)時(shí)流，并根據(jù)解說(shuō)嘉賓的實(shí)際網(wǎng)絡(luò)情況進(jìn)行自動(dòng)切換，即使是1M?帶寬，也能實(shí)現(xiàn)流暢解說(shuō)。
超低延遲、穩(wěn)定傳輸?shù)燃夹g(shù)作為聲網(wǎng)的“看家本領(lǐng)”，讓聲網(wǎng)賽事直播解決方案的優(yōu)勢(shì)更加明顯。它可以保證在 500ms 內(nèi)將畫(huà)面?zhèn)鬏數(shù)接^眾眼中，相比傳統(tǒng) HLS、FLV 通道最高降低 90%，觀眾端直播畫(huà)面首幀出圖時(shí)間 <400ms，做到精彩賽事隨點(diǎn)隨開(kāi)。觀眾端音視頻丟包邊界80%，極端弱網(wǎng)也能保障流暢。
基于 NTP 聲網(wǎng)賽事直播解決方案可以保證解說(shuō)嘉賓各端對(duì)齊，直播畫(huà)面差嚴(yán)格小于3幀，解說(shuō)音軌與賽事畫(huà)面同步。此外，基于聲網(wǎng)鳳鳴 AI 引擎的降噪功能，可以有效消除解說(shuō)嘉賓的環(huán)境雜音和外放聲音，同時(shí)避免人聲被抑制采用，為觀眾帶來(lái)更“純凈”的觀看體驗(yàn)。
針對(duì)賽事直播過(guò)程中觀眾側(cè)質(zhì)量難以追溯的痛點(diǎn)，聲網(wǎng)賽事直播解決方案提供了強(qiáng)完善質(zhì)量工具“水晶球”，不僅可以為平臺(tái)方提供實(shí)時(shí)質(zhì)量監(jiān)測(cè)，還能快速定位卡頓觀眾端。除此之外，該方案還提供了軍工級(jí)信號(hào)加密，實(shí)現(xiàn)端到端傳輸和內(nèi)容雙重加密，有效防盜鏈。
發(fā)布 RTC+AI 教育超級(jí)雙擎解決方案 驅(qū)動(dòng)教育多維創(chuàng)新
4月27日，聲網(wǎng)發(fā)布了 RTC+AI 教育超級(jí)雙擎解決方案，通過(guò) RTC+AI 雙引擎驅(qū)動(dòng)在線課堂教學(xué)體驗(yàn)的升級(jí)以及教學(xué)場(chǎng)景的創(chuàng)新，該方案包含了超強(qiáng)互動(dòng)、絲滑流暢、多維直播、教育硬件適配、AI沉浸課堂、大模型輔助教學(xué)等六大特性?？蓱?yīng)用于直播大班課、智慧教室、學(xué)習(xí)機(jī)、AI口語(yǔ)老師等在線教育場(chǎng)景。
基于聲網(wǎng)的 RTC 技術(shù)，可以保障師生隨時(shí)隨地通過(guò)上麥、彈幕、文字消息等方式與老師實(shí)時(shí)互動(dòng)，教學(xué)體驗(yàn)絲滑流暢，確保每堂課程 0 干擾、無(wú)卡頓。同時(shí)，提供實(shí)時(shí)直播和錄像直播兩種教學(xué)模式，錄像直播搭配教學(xué)組件也能達(dá)到實(shí)時(shí)直播的教學(xué)效果，有效節(jié)省教學(xué)成本。該方案可全面適配市面上主流學(xué)習(xí)機(jī)品牌，并實(shí)現(xiàn)了低端機(jī)型性能優(yōu)化，具備低內(nèi)存占用、極小包體、超低功耗等特性，并在行業(yè)內(nèi)率先適配鴻蒙 HarmonyOS NEXT。
聲網(wǎng)的智慧教室音頻（3A）解決方案具備 AI 降噪、AI 去混響、AI 回聲消除等能力，可全面消除教室內(nèi)各類噪聲；無(wú)論教室大小及麥克風(fēng)布局，均能自適應(yīng)降低混響時(shí)長(zhǎng)，最大可降低800ms 混響時(shí)長(zhǎng)，有效提升語(yǔ)言清晰度；實(shí)現(xiàn)復(fù)雜場(chǎng)景下的回聲抑制和近端人聲保真，老師端語(yǔ)音保留可達(dá)90%，教室回聲殘留率低至0.1%，深度還原線下教室的上課體驗(yàn)。
聲網(wǎng)的教育超級(jí)雙擎解決方案同樣支持大模型輔助教學(xué)，運(yùn)用大模型構(gòu)建 AI 口語(yǔ)老師場(chǎng)景，學(xué)生可通過(guò)實(shí)時(shí)語(yǔ)音與 AI 進(jìn)行問(wèn)答互動(dòng)，從學(xué)生發(fā)言到 AI 對(duì)話響應(yīng)平均延時(shí)僅為1.9s。
助力中東 1v1 社交應(yīng)用 跑贏出海大盤(pán)
中東一直是企業(yè)出海的熱門(mén)市場(chǎng)，而在中東的泛娛樂(lè)社交出海中，1v1社交憑借社交效率高、新鮮感十足、變現(xiàn)能力強(qiáng)等因素，成為了社交出海的大熱場(chǎng)景。聲網(wǎng)在助力客戶出海的過(guò)程中也發(fā)現(xiàn)面向中東區(qū)域出海1v1社交的客戶越來(lái)越多，聲網(wǎng)也成為中東社交 App 音視頻服務(wù)首選。據(jù)數(shù)據(jù)顯示，聲網(wǎng)1v1社交客戶在全球各區(qū)域的1v1 App 市場(chǎng)滲透率>70%，其中就中東地區(qū)，在中東1v1社交 App 收入 TOP20中，使用聲網(wǎng) SDK 的 App 就達(dá)到了14個(gè)，滲透率排名第一。
中東地區(qū)的網(wǎng)絡(luò)環(huán)境復(fù)雜多變，保障絕大部分用戶在任何情況下都能流暢穩(wěn)定地進(jìn)行實(shí)時(shí)互動(dòng)是一大難題。聲網(wǎng)通過(guò)優(yōu)質(zhì)網(wǎng)絡(luò)覆蓋、超強(qiáng)的弱網(wǎng)對(duì)抗能力，有效解決網(wǎng)絡(luò)復(fù)雜性下的互通難點(diǎn)，為出海中東的泛娛樂(lè)社交應(yīng)用“保駕護(hù)航”。對(duì)于目前中東出海的幾個(gè)熱門(mén)國(guó)家地區(qū)，如土耳其、埃及、伊拉克在帶寬一般、網(wǎng)絡(luò)穩(wěn)定性一般甚至較差的情況下，聲網(wǎng)也能做到最優(yōu)效果。
