文/常潘

受奧密克戎變異毒株影響，上海各高校不得不在2022年春季學(xué)期以線上授課的方式開展教學(xué)活動。隨著畢業(yè)季的到來，按照傳統(tǒng)方式開展線下畢業(yè)典禮及相關(guān)活動已不現(xiàn)實，因此線上的虛擬畢業(yè)典禮成為首選。

本文將以上海紐約大學(xué)為例，介紹在疫情管控期間采用Zoom研討會方式實現(xiàn)全線上虛擬畢業(yè)典禮的方案設(shè)計和技術(shù)實現(xiàn)。

方案設(shè)計

與傳統(tǒng)的現(xiàn)場畢業(yè)典禮直播不同，全線上虛擬畢業(yè)典禮的開展面臨很多挑戰(zhàn)。例如，無法為演講嘉賓準備專業(yè)的燈光、音效及背景設(shè)置等。

活動的內(nèi)容和規(guī)模

在策劃虛擬畢業(yè)典禮時，首先需要確定活動內(nèi)容。

相較于傳統(tǒng)現(xiàn)場畢業(yè)典禮，虛擬畢業(yè)典禮沒有畢業(yè)生入場、教師代表入場和學(xué)位頒發(fā)等現(xiàn)場環(huán)節(jié)。同時，活動的參與人員包括待畢業(yè)學(xué)生及家長、學(xué)校教職工及低年級學(xué)生。根據(jù)往年現(xiàn)場參加畢業(yè)典禮的人數(shù)和在線觀看畢業(yè)典禮直播的人數(shù)，預(yù)計虛擬畢業(yè)典禮參與人數(shù)約為5000左右。學(xué)校傳統(tǒng)現(xiàn)場畢業(yè)典禮環(huán)節(jié)如圖1所示。

活動的形式和編排

傳統(tǒng)的現(xiàn)場畢業(yè)典禮由畢業(yè)典禮籌備辦公室組織。在全線上虛擬畢業(yè)典禮中，上海紐約大學(xué)中美兩位校長、教務(wù)長以及特邀嘉賓致辭將采用線上直播方式，其他環(huán)節(jié)將采用預(yù)錄制的方式，整個活動由信息技術(shù)部門（以下簡稱IT）承擔(dān)虛擬導(dǎo)演角色并進行統(tǒng)一編排。

活動的形式?jīng)Q定了活動編排的重點是嘉賓直播以及各環(huán)節(jié)間的銜接。因此，我們?yōu)?位嘉賓都配備了IT服務(wù)人員，協(xié)助其進行麥克風(fēng)和攝像頭的開或關(guān)，并為其編制了操作手冊。同時，在直播過程中，不同嘉賓會以中文或者英文發(fā)言，并且活動觀眾來自世界各地，因此我們基于演講稿在直播中通過字幕管理系統(tǒng)提供實時的翻譯字幕。除了這些預(yù)先的安排，在舉行活動時，所有支持人員還通過另一套電話會議服務(wù)進行溝通和協(xié)作，以進一步保障各環(huán)節(jié)的銜接。

活動的平臺選型

考慮到師生日常使用Zoom進行在線教學(xué)和遠程會議，我們也選擇其作為虛擬畢業(yè)典禮的平臺。虛擬畢業(yè)典禮重點內(nèi)容為嘉賓線上直播，還需要中美雙方校長在開幕式和閉幕式時同屏，因此我們推薦使用Zoom研討會（Webinar）方式。這種方式不僅可以有效分割演講嘉賓（Panelist）及觀眾（attendee），還能動態(tài)調(diào)整觀眾所見的嘉賓數(shù)量及視圖（View），從而提供良好的觀看效果。

我們通過開源軟件自建推流服務(wù)，將Zoom中的內(nèi)容以直播的方式推送給虛擬畢業(yè)典禮的觀眾。因觀眾分布在全球多個國家及地區(qū)、帶寬情況各有不同，而Zoom在低帶寬環(huán)境中不能很好地處理高清視頻，所以我們采用將Zoom的觀眾界面推送到云端進行直播的方案。結(jié)合多年現(xiàn)場畢業(yè)典禮直播的經(jīng)驗，IT選擇阿里云作為直播云平臺，在CDN（內(nèi)容分發(fā)網(wǎng)絡(luò)）的支撐下，能為全球各地區(qū)的觀眾提供流暢的觀看體驗。

技術(shù)實施

在全線上虛擬畢業(yè)典禮的實現(xiàn)方案中，IT除了扮演虛擬導(dǎo)演角色，還需要承擔(dān)制定技術(shù)路線并實施的任務(wù)。重點技術(shù)細節(jié)如下。

動態(tài)字幕的實現(xiàn)

在Zoom中，可以通過人工或API輸入字幕。由于人工輸入存在速度、正確率等問題，我們選擇通過API輸入字幕。使用API向Zoom發(fā)送字幕時，需要在發(fā)送的HTTP POST請求中添加URL參數(shù)進行認證，其認證信息形如：

https://wmcapi.zoom.us/closedcaption?id=200610693&ns=GZHkEA==&expire=86400&sparams=id%2Cns%2Cexpire&signature=n YtXJqRKCW&seq=192&lang=zh-CN

其中，參數(shù)的含義及要求如表1所示。

真正的大數(shù)據(jù)是全面數(shù)據(jù)，全面數(shù)據(jù)的采集成本和采集難度會變大。大數(shù)據(jù)到底大到什么程度，只有掌握大數(shù)據(jù)的機構(gòu)最清楚。大數(shù)據(jù)變化快，流動性強，這意味著大數(shù)據(jù)的采集需要頻繁進行，而頻繁采集同時又必然面臨隱私問題，每次采集都需要獲得用戶的同意。如果用戶不同意，數(shù)據(jù)采集質(zhì)量就會受損，強行采集則面臨倫理困境。大數(shù)據(jù)是混亂的材料，大數(shù)據(jù)中真正有價值的還是經(jīng)過提取之后的數(shù)據(jù)。

表1 URL參數(shù)添加要求及含義

除seq和lang參數(shù)外，其他參數(shù)都可以從Zoom的host管理配置界面中拷貝，也可以通過Zoom的API獲取。

在確定HTTP POST請求地址的基礎(chǔ)上，將字幕放到請求的body中，當Zoom接收到請求并認證成功后，研討會中的Panelist和Attendee的Zoom界面下方將會出現(xiàn)發(fā)送的字幕。

為實現(xiàn)字幕的動態(tài)推送，IT基于上述接口開發(fā)了字幕管理系統(tǒng)。該系統(tǒng)采用B/S架構(gòu)，B端主要供字幕操作員輸入，包含Zoom房間管理、稿件管理和字幕操作三個模塊；S端負責(zé)接受并管理B端房間、翻譯稿件、字幕等信息，并向Zoom的API發(fā)送字幕。字幕管理系統(tǒng)流程如圖2所示。

圖2 字幕管理系統(tǒng)流程示意

另外，S端還負責(zé)保持多個B端之間的數(shù)據(jù)同步和發(fā)送字幕請求的一致性。為了避免單個字幕操作員存在的單點故障，系統(tǒng)允許在活動中配備多個字幕操作員，當他們發(fā)送同一條字幕時，因其序列號相同，S端將過濾掉重復(fù)的字幕發(fā)送請求。

為了給所有字幕操作員展示實時狀態(tài)信息，并且避免操作沖突，我們還對B端與S端的交互進行了優(yōu)化，將B端和S端關(guān)于房間、稿件、字幕列表、緩存等數(shù)據(jù)的交互方式，由HTTP輪詢調(diào)整為WebSocket。在任意房間的操作員進行了數(shù)據(jù)操作時，S端會向所有該房間的操作員的B端發(fā)送廣播，收到消息的B端通過OnMessage方法調(diào)用前端JavaScript代碼更新這些操作員的B端，展示字幕操作狀態(tài)。

Zoom直播的實現(xiàn)

Zoom提供了一個測試版的直播服務(wù)，但該服務(wù)的推流并不穩(wěn)定且目前沒有技術(shù)支持，因此我們采用自行搭建推流服務(wù)的方式。

受居家辦公場地、設(shè)施和設(shè)備的限制，我們無法使用導(dǎo)播臺或視頻捕捉卡等高級設(shè)施和設(shè)備來進行視頻抓取、視頻切換及廣播流發(fā)送，因此只能以軟件的方式搭建推流服務(wù)。我們使用開源的視頻捕捉及廣播軟件（Open Broadcaster Software，OBS），以Webinar中Attendee的窗口作為直播源往直播服務(wù)器推流。

我們?yōu)榘惭b了OBS的筆記本添加一個外置顯示器并設(shè)置其為擴展顯示模式，然后將作為Attendee加入Webinar的Zoom客戶端窗口在外置顯示器中顯示，在筆記本原顯示器中操作OBS。在這種推流模式中，需要設(shè)置一些細節(jié)參數(shù)。

設(shè)置Zoom客戶端“始終顯示會議控制欄”,以便于在OBS中進行有效屏蔽，避免捕捉的畫面出現(xiàn)研討會操作按鈕，例如靜音、舉手、字幕選擇等。

為致辭嘉賓設(shè)置Zoom虛擬背景，以突出活動主題、烘托氣氛。在這個前提下，為了平衡Zoom的圖像處理、視頻放映上行帶寬、音視頻流暢度及觀看效果，我們采用了1080P的分辨率。

設(shè)置OBS采集源為顯示器而不是窗口，由于Zoom字幕是通過圖層疊加的方式顯示，僅選擇Zoom窗口將無法有效抓取字幕。

設(shè)置編碼器為X264，此編碼器為使用CPU編碼的H264編碼器，CPU編碼的畫面細膩度通常會比硬件GPU編碼更好，同時還可防止各種GPU硬件編碼的H264視頻流的兼容性問題。

設(shè)置碼率為固定速率編碼（Constant Bit Rate, CBR），以使直播服務(wù)器視頻流切片大小基本一致，從而減少用戶端出現(xiàn)網(wǎng)絡(luò)擁堵的可能性。由于我們使用1080P的分辨率，建議視頻比特率不超過3000Kbps，我們選用了2.5Mbps的比特率（在使用720P時，可以選擇不超過2000Kbps的視頻比特率）。

設(shè)置關(guān)鍵幀間隔為第二選項，使H264編碼時每隔2s產(chǎn)生一個I幀（Frame），此時單個切片的時長會趨向于一個確定值，從而使直播平臺的HLS延時控制在20~40s。

設(shè)置視頻分發(fā)協(xié)議為HLS而不是RTMP、HTTPFLV，前者可以使所有用戶能在H5頁面中直接播放。

畢業(yè)典禮成效

全線上虛擬畢業(yè)典禮需要很多技術(shù)小組的無縫協(xié)作，包括字幕組、播放組、音視頻控制組、直播組、網(wǎng)絡(luò)保障組、導(dǎo)演組以及會議控制組，在大家的通力協(xié)作下，我們于2022年5月26日晚圓滿完成了全線上虛擬畢業(yè)典禮的組織和實施。

通過下載阿里云后臺數(shù)據(jù)，當天共有4541個不同用戶觀看了學(xué)校在線畢業(yè)典禮，CDN峰值帶寬消耗約10.5G，按照2.5M的碼流推算，最高并發(fā)用戶約4200人，所有觀眾中大陸用戶共計3062人，占比67.4%；境外用戶共計1479人，占比32.6%。根據(jù)多個監(jiān)測點反饋，直播當天國內(nèi)部分城市如常州、成都出現(xiàn)不超過1秒的卡頓，其他國內(nèi)城市及國際觀眾未感覺到明顯的聲音或圖像卡頓，觀看延時為國內(nèi)用戶約25秒，國際用戶約30秒，如果后期有大量的境外用戶訪問需求，可能需要考慮采用CDN節(jié)點分布更廣的內(nèi)容分發(fā)商。