科幻小说《雪崩》是无比超前的。它出版的1992年,英特尔还在制造486系列处理器,直到次年,586奔腾处理器才被推出。
在小说中,尼尔·斯蒂芬森创造了一个并非以往想象中的互联网——元宇宙,在这个与现实世界紧密联系但又相互平行的时空里,人们可以借由各自的「化身」在其中交流和娱乐。
Facebook改名Meta后,越来越多的人才知道,原来这本科幻小说是「元宇宙」这个词的起点。一瞬间,一个书里并没有准确定义的概念,30年后开始成为了商业世界里火爆的新边疆。
只不过,在目前看起来比较接近「元宇宙」的VR行业里,即使设备销量逐渐攀升,但分辨率低、设备笨重、3D眩晕等问题还未完全解决。元宇宙看起来是个性感,但还有着众多技术问题无法解决,还非常遥远的概念。
「从Utility到Reality,我认为元宇宙是有发展路径的,并且早晚会进化到改变我们现实世界的程度。」王奇所供职的公司声网,最近就开启了「元娱乐」的新探索,他成为了这条业务线的负责人。
这次他们在实践中,对于元宇宙下一步在技术上应该去解决什么这个问题,有了新的思考。
01
「元娱乐」里,声音
技术是关键的下一步
「现在所谓的那些元宇宙的应用,离还原人类的真实体验还差得特别特别远。」
根据SensorTower2022年的报告,自「元宇宙」概念爆发以来,平均每天都会新增一个「元宇宙」软件,其中,元宇宙社交类软件更是层出不穷。在一个个炫酷的demo里,我们似乎离再建一个虚拟现实很近了,但王奇并不这么认为。
工信部官员:加强顶层设计,加快元宇宙产业创新发展:金色财经报道,在27日举行的XRMID2023虚拟现实及元宇宙产业创新发展峰会上,中国工业和信息化部科技司副司长任爱光表示,将加强顶层设计,加快元宇宙产业创新发展,通过揭榜挂帅、建设先导区等方式,积极推动人工智能、区块链、虚拟现实等元宇宙支撑技术的创新发展,夯实产业发展的根基。[2023/5/1 14:36:35]
2020年4月,《堡垒之夜》里举办的「ASTRONOMICAL」虚拟演唱会吸引了1230万观众,玩家在霓虹灯束散射中舞动,很多玩家表示仿佛经历了一场真实的梦境。绚丽的布景渲染了人们对技术的最高想象,然而实际上,观众只是在「看」一场演唱会。算力等客观因素限制下,多人同屏和物理交互往往就如鱼与熊掌,玩家在一个「众人场」里能得到的交互体验其实很低。
《堡垒之夜》中的「ASTRONOMICAL」虚拟演唱会
「我们的元娱乐其实并不等同于元宇宙娱乐」,声网元娱乐业务线负责人王奇在接受采访时说,「我们更接近下一代的娱乐这个概念。」在他看来,现有的技术和体验还不能满足人类超越现实的需求,首先要思考的或许是如何去还原一个真实的世界。
5月16号,声网发布了「元娱乐」四大解决方案,其中,他们对音频的处理十分惹眼。
Tommy Hilfiger在Decentraland推出元宇宙时尚中心:金色财经报道,时尚品牌Tommy Hilfiger宣布推出可互操作的元宇宙时尚中心,并将于3月28日至3月31日在Decentraland内启动运营,此外该时尚中心还将部署在其他四个元宇宙平台:Roblox、Spatial、DressX和Ready Player Me,让消费者能够跨多个虚拟空间探索其产品。(Vogue Business)[2023/3/29 13:32:03]
在发布会上,声网元语聊产品经理杨帆展示了一个多人会议的场景:代表每个参与者的头像分布在不同区域,而从其他人说话的声音信息中,能体会到明显的方位感。
这项技术被称作3D空间音频,贯穿在他们的元语聊、元K歌、元直播等方案里。
当用户操作Avatar在虚拟场景里移动时,听到的音效会根据Avatar的头部及脸部朝向、声源角度和距离不同而变化。比如,在玩家进入一个元语聊的房间时,会听到房间内正在播放的背景音乐,随着位置的移动、墙壁或卡座等障碍物的遮挡,玩家所听到的声音也会相应地逐渐清晰或减弱。
这项功能的实现,依赖于声网基于HRTF相关传递函数、心理感知声学、声源指向模拟等算法自研的一整套3D声场渲染引擎。通过这套渲染引擎,可以动态模拟空间中任意角度、朝向的声音在传递到左右耳时声音发生的变化。他们还可以通过声学建模的方式,模拟任意角度的音源方向导致的音色差异。
苏宁金融研究院院长助理:央行数字货币很可能重塑移动支付市场格局:苏宁金融研究院院长助理薛洪言认为,央行数字货币对现金有一定的替代作用,但央行数字货币与现金仍会长期并存。央行数字货币对现金的替代性根本上取决于用户的选择,央行数字货币上述优点能发挥多少,还要看社会大众的接受度,整体上应该是个长期演化、持续渗透的过程。央行数字货币是货币层面的创新,而第三方支付只是支付手段便捷性上的创新,相比第三方支付,央行数字货币属于底层创新,其对整个金融体系和支付清算体系的潜在影响要大得多。就普通用户的支付体验而言,由于央行数字货币采用双层运营机制,用户仍需要与金融机构打交道,所以在支付体验上与现有的移动支付不会有明显区别。薛洪言认为,第三方支付的强大,在于便捷地将银行账户与场景连接在一起,银行补短板,主要在补场景的短板。而理论上,只要用户和商户都开通了央行数字货币钱包,基于双方的身份信息就可以直接实现资金的转移,不再需要第三方支付工具的桥梁嫁接作用,所以,随着央行数字货币的普及,很可能重塑现有的移动支付市场格局。(证券日报)[2020/4/22]
声网的空间音频技术
「这其实在业内还没有几家能够做到」,王奇谈到这些技术时颇为自豪。据他介绍,声网内部有一个音视频实验室,专门研究各种跟音频和视频相关的算法,其中就包括3D空间音频,此外还有人声模糊、模拟现实中空气衰减等技术。
报告:元宇宙到2030年可能创造5万亿美元的价值:金色财经报道,虽然2022年的熊市让非同质化代币(NFT)等新兴加密货币子生态系统周围的兴奋情绪消退,但元宇宙仍处于长期中断的有利位置。考虑到元宇宙可以迎合的无数以消费者和企业为中心的用例,麦肯锡估计,到2030年,超过50%的现场活动可能会在元宇宙中举行,这可能会产生高达5万亿美元的价值。[2023/1/7 11:00:00]
在这些声音技术的加持下,玩家操作Avatar不仅可以「移步换景」,还可以「移步换声」,可以移动到其他玩家身边开启畅聊,也能凭借人声模糊技术既不受周围人说话声音的干扰,又保留环境氛围,在技术上极力还原现实世界中的真实听觉体验。
模拟现实其实十分困难的,因为对于一个玩家来说,一些很细微的「不合常理」都可能影响沉浸感。那些「不合理」会时时刻刻提醒玩家,这不是一个真实的世界。因此对于营造一个「栩栩如生」的虚拟世界来说,要不断地打磨环境,细化交互的颗粒度。
当然,这对技术实现来说并不容易。
除了声音的拟真外,声网解决方案中同样有对虚拟环境的拟真。在元语聊和元直播中,声网还基于3D引擎建模创建各种场景,能模拟碰撞、重力等物理效果。面部动捕技术、语音驱动嘴型的技术,则让玩家与Avatar的表情匹配,实时表情与语音匹配。
而为了让玩家在选择虚拟形象时不受性别限制,他们还将开发声纹变声技术,在声音上实现「anytoany」的模拟。萌妹子选择大叔形象后,也能在实时交流中拥有与虚拟形象匹配的低沉男音。
风投机构Chiron为Terra的DeFi及元宇宙项目推出5000万美元生态基金:12月9日消息,总部位于香港的风险投资公司Chiron宣布已筹集5000万美元资金,专门用于支持Terra区块链上的DeFi,以及与元宇宙相关的NFT项目。ChironPartners首席运营官Jake Cormack表示,我们希望与在Terra上建设的新兴项目背后的远见卓识者密切合作,不仅为他们提供资金支持,还提供我们战略性、广泛的资源和专业知识。(Coindesk)[2021/12/9 13:00:15]
影响沉浸感的一大因素还在同步性与低延迟,就像《堡垒之夜》的那场虚拟演唱会,如果没有上千万人的同步参与,或许也不会如此轰动。
在那场盛大的虚拟演唱会中,玩家也被分到了上万个服务器上,才让千万量级的同步参与得以实现。而在实时通信和互动上,声网作为RTC领域全球头部企业,有着行业领先的技术优势。
图注:声网的MetaKTV方案
声网的SD-RTN?,是全球规模最大的软件定义实时网,官网上介绍,这项技术可以实现百万人大频道的实时互动。依靠基于SD-RTN?的解决方案架构,声网打开了万人云蹦迪、在线上造一个超级夜店的想象。
它的合作伙伴XRSPACE,也在近期推出了全球首款音乐元宇宙PartyOn。利用声网的实时音视频技术和XRSPACE自研的表演同步技术,PartyOn实现了50ms以下的同步误差,不仅让让众多玩家享受低延迟的同步K歌,还让人声、歌曲和Avatar肢体表演实时匹配。
这些「拟真」的技术赋能了更沉浸的体验,王奇说,「3D空间音频,包括声纹变声、面部捕捉还原,所有的这些技术,它本身都是跟元宇宙的发展相关的」,「我们本身也是看好元宇宙发展的」。
02
通过提升可用性,
声网在瞄准
下一代的娱乐生态
陈际陶是声网元直播的产品经理,她在发布会上展示的实时面捕功能,可以在直播中同步玩家单边眨眼、挑眉、眼球转动、吐舌头等动作。
这项技术似乎已经在各种AR换脸软件中得到了很好的应用,但对他们来说其实并不容易。她介绍说,「我们要解决移动端的普通单目摄像头的问题,要解决光源的影响,光亮的阴暗对于人脸关键点判别的难题,以及说眼镜遮挡对于眼部的识别的问题。」
这也引出了声网技术解决方案的另一个特点——强兼容性。
图注:声网面侦技术能完成对高级表情的捕捉
作为一家技术服务提供商,声网并不是产品的最终「缔造者」,他们的责任在于对接每个场景内尽可能多的客户,提供底层和通用的技术,让客户能在他们提供的技术服务基础上创造价值。某种意义上来说,他们的最终目标在于客户的使用便利与商业成功。
「大家用过苹果应该都知道,如果在不使用iPhone的情况下使用Airpods,很多体验其实你是用不了的。」杨帆在介绍空间音频技术时,同样提到了声网技术服务的独特性,「我们的跟他们的区别在于,苹果是传感器硬件加上软件算法,我们是纯软件的,安卓端、iOS端、PC端,多平台都能支持。」
这在他们的「互动游戏」解决方案中也有体现。声网为它的技术集成方案适配3万多个移动终端,几乎覆盖所有中低端机型。昌潇潇是声网互动游戏的产品经理,他补充说,「像在海外,特别是在一些落后的地区,市场上一般情况下都是千元机,我们在中低端机型的适配这一块儿是非常看重的。」
声网对元娱乐业务的探索同样是在做适配。
声网创始人赵斌曾说,「实时音视频是一种通用能力,作为服务商,需要持续推动能力与具体场景的碰撞与融合」。实际上,声网开展元娱乐业务并非没有依据。
声网连续多年蝉联全球实时互动解决方案市场份额第一,全球注册应用超过40.5万,活跃客户数量达到2670家。在这些客户中,很大一部分来自于社交娱乐领域,比如一些国民级别的在线K歌应用。
这些客户原本只是采购了实时音视频服务,但在跟客户的沟通中,声网团队发现了这些客户的普遍痛点:没有时间和精力投入研发;一个平台单独去谈音乐版权合作时门槛太高,都要千万打底。
去年9月,声网推出了一个叫「K歌房」的解决方案,由声网提供K歌互动场景的研发,集中解决音乐版权的问题。
声网与数字音乐内容提供方合作,为开发者提供丰富MV资源
解决方案的发布象征着声网业务模式上的进阶。这意味着声网在RTC技术服务商的基础上,尝试叠加基于场景的通用技术服务、整合生态内的其他内容,最终打包成一个整体的解决方案。
这项业务很快验证了新模式的可能性,短短几个月里,「K歌房」发展了几十个客户。在他们看来,声网提供解决方案的尝试提高了行业的效率,同样的逻辑在泛娱乐领域同样如此。
「这些社交娱乐的客户,他们的音视频服务其实之前就已经用声网的了」,王奇说,「在此基础上,如果我们去做一些场景跟内容的叠加,其实会非常方便」。
如果说声网之前提供的RTC技术服务是卖面粉,王奇将提供元娱乐解决方案比喻成对面粉的二次加工,「当我们开始关心到他其实是做饺子馆的时候,我们会把面粉做成一摞一摞的饺子皮,然后去整合了一些优质的牛肉跟猪肉剁成饺子馅。」
声网元娱乐发布会后,CocosCTO林顺参与了圆桌讨论,在他看来社交类应用主要聚焦在特定场景,相较于其他领域确实更易与元宇宙概念结合。
现实却是如此,2021年燃起的「元宇宙」之火,还在以一种更容易落地的「+泛娱乐」的方式延续。
去年,VR社交平台RecRoom融资了1亿美元,VRChat也完成了8000万美元的D轮融资,Snapchat收购6家AR相关底层软件算法和硬件企业。3DAvatars公司Genies近期宣布获得了1.5亿美元的C轮投资,用以扩展MetaverseAvatars的开发。国内网易、腾讯、字节等大厂的元宇宙社交平台,也在2021年底和2022年初纷纷上线。
声网的很多客户也都是元宇宙领域的种子选手,比如中东及北非地区最大的语音社交娱乐平台Yalla、火遍北美与拉美的元宇宙社交软件Oasis。声网还发起了「声选计划」,项目聚焦RTE赛道下的技术型合作方,协作推出更丰富和更优质的联合产品解决方案。
这家实时互动领域的技术领头羊在元娱乐业务上的动作,是要为共建一个面向「元宇宙」的、下一代的娱乐生态做准备了。
郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。