王濤

摘要：隨著遠程視音頻交互應(yīng)用的廣泛使用，相關(guān)的產(chǎn)品和方案也越來越豐富，用戶在選擇時往往無所適從。如何客觀、精確、方便地評價這些產(chǎn)品和方案的性能，對用戶十分重要。該文正式以此為研究點，并給出了可推廣的解決方案。

關(guān)鍵詞：視音頻傳輸；測量

中圖分類號：TP37 文獻標(biāo)識碼：A 文章編號：1009-3044（2016）26-0209-02

網(wǎng)絡(luò)條件的迅速提升，促使遠程視音頻交互應(yīng)用被廣泛使用。視頻聊天、網(wǎng)絡(luò)直播、視頻會議、遠程教育，這些“遠程視音頻交互”應(yīng)用的廣受歡迎，促使市場的迅速發(fā)育，相關(guān)產(chǎn)品和方案也越來越豐富。用戶在感到欣喜的同時，很快發(fā)現(xiàn)一個令人頭疼的問題——那么多的產(chǎn)品，那么多的方案，該如何選擇呢？

用戶選擇產(chǎn)品時最主要考慮的就是性能和價格兩個方面。這其中，價格本身就是數(shù)字量，非常直觀，而性能則很難評判——每個商家都把自己的產(chǎn)品和方案說得天花亂墜。但是多數(shù)產(chǎn)品的價格都需要用戶進行理性地采購，而普通用戶的技術(shù)條件有限，如何能夠客觀、精確、方便地評價這些產(chǎn)品和方案，成為了普遍關(guān)心的問題，也成了我們研究的內(nèi)容。

民用產(chǎn)品的性能，最終會表現(xiàn)在用戶體驗上。在遠程視音頻交互中，影響用戶體驗最主要的因素包括：視頻分辨率、畫面質(zhì)量、音頻質(zhì)量、視頻延時、音頻延時和視音頻同步等六項。

前三項中“視頻分辨率”是程序或手工設(shè)定的，因此很容易判斷?！爱嬅尜|(zhì)量”包括色彩和銳度等，可以在相同分別率和碼流的情況下，通過截圖進行比較，也不難。而“音頻質(zhì)量”則因為所占信息量的比例較小，在以語音為主的應(yīng)用中基本可以不做評估。

后三項是評估的難點，因為都與時間有關(guān)，因此評價時需要拿出確切的數(shù)字才有說服力，我們經(jīng)過多次的實驗比較，找到了行之有效且適合推廣的測量方法。

1 “鏡像法”測量視頻延時

如 圖1 所示，首先“終端1”在本地的屏幕上顯示一個秒表程序，用本地的攝像頭將秒表程序的運行畫面通過遠程視音頻交互產(chǎn)品傳輸?shù)健敖K端2”。然后，“終端2” 用本地的攝像頭將接收到的從“終端1”傳來的畫面再回傳給“終端1”。最后，“終端1”以畫中畫形式同時顯示本地和遠端畫面，此時就可以通過截圖，保存某一時刻“本地秒表”和“回傳秒表”的畫面，從而了解精確的畫面時延。

對于經(jīng)常遇到的攝像頭固定在顯示器上方的情況，則可以在顯示器前放置一面鏡子——因此，我們稱該方法為“鏡像法”。

2 “回聲法”測量音頻延時

測量音頻延時的前提是要將音頻可視化，這要借助專門的音頻編輯軟件，然后借用“鏡像法”的思想來實現(xiàn)。

如 圖2 所示，首先在“終端1”上開啟一個錄音程序，然后在“終端1”上持續(xù)播放音頻，通過遠程視音頻交互產(chǎn)品將音頻傳輸?shù)健敖K端2”。接下來，“終端2” 用本地的麥克風(fēng)將將接收到的從“終端1”傳來的音頻再回傳給“終端1”——因此稱為“回聲法”。 “終端1”上的錄音軟件會把本地音頻和回傳音頻合并后的音頻記錄下來。最后將錄音文件導(dǎo)入音頻編輯軟件，通過波形分析，就能找到源波形和回聲波形之間的時間差，從而得到音頻延時測量結(jié)果。

3 “錄像非編法”測量視音頻同步

傳統(tǒng)的測量視音頻同步的方法是“擊掌法”，即遠端鏡頭前的用戶有節(jié)奏地擊掌，本地通過觀察擊掌畫面和聽到的擊掌聲之間是否有明顯的時間差來判斷是否存在視音頻不同步的問題?！皳粽品ā睂蝹€產(chǎn)品在視音頻同步方面的性能可以做出定性評價，但是在不同產(chǎn)品的性能對比中，因為無法定量，因此缺乏說服力。

我們設(shè)計的方法是這樣的。如 圖3所示，首先在“終端1”上用音頻編輯軟件持續(xù)播放音頻，用本地的攝像頭將音頻編輯軟件播放音頻的畫面和聲音通過遠程視音頻交互產(chǎn)品傳輸?shù)健敖K端2”。之所以強調(diào)用“音頻編輯軟件”播放音頻，是因為這類軟件在播放音頻時，會同步顯示波形。

然后在“終端2”一端用外置的錄像設(shè)備，將接受到的視音頻記錄下來。之所以強調(diào)用外置的錄像設(shè)備（建議是專門的攝像機），是因為如果采用“錄屏軟件”錄制，由于錄屏軟件本身會消耗不少資源，因此會對測量造成明顯的干擾。

最后，把錄像文件導(dǎo)入非編軟件，就可以在非編環(huán)境下通過觀察畫面上的波形和實際音軌中波形的時間差，對視音頻同步情況進行精確的測量——因此稱為“錄像非編法”。

4 小結(jié)

以上就是我們設(shè)計的遠程視音頻傳輸性能的測量方法。方法中在涉及錄音的環(huán)節(jié)應(yīng)盡量保持環(huán)境安靜，否則會對后期的波形分析帶來困擾。其中談到的音頻編輯軟件和非編軟件都可以選擇大眾主流產(chǎn)品——因為僅需用到很基礎(chǔ)的功能，因此不會給用戶帶來很大壓力。

關(guān)于測量精度，由于視頻傳輸?shù)膸释ǔＪ?0或60，因此測量精度可以達到小數(shù)點后第二位。對于以用戶體驗為研究對象的測量，這樣的精度已經(jīng)可以滿足研究的要求了。

參考文獻：

[1] 吳佳瑤.音視頻數(shù)據(jù)網(wǎng)絡(luò)實時傳輸?shù)男阅軠y試與分析[D].浙江工業(yè)大學(xué)，2014.

[2] 郭孝存，王文忠.三網(wǎng)融合下傳輸教育視頻資源的質(zhì)量分析[J].陰山學(xué)刊：自然科學(xué)版，2015（7）.