RTC 月度小报 8 月 | RTC 大会限免进行时、Janus 作者“见面会”、Google开源了一个语音引擎

本月亮点速览

RTC资讯:

  • Google开源Live Transcribe的语音引擎
  • Google Duo:增强弱光环境下的视频画面质量

RTC社区:

  • RTC 实时互联网大会报名开启
  • Janus 作者与你相约 RTC WebRTC Workshop
  • RTC Dev Meetup 上海站:WebRTC与Web端可交互PPT

Agora产品动态:

  • 声网 Agora Python SDK 已经上线
  • 声网一站式智能语音识别方案:内容审核,快速接入

RTC社区

RTC 2019 实时互联网大会报名开启

RTC 2019 实时互联网大会将于 10 月 24 日、25 日在北京悠唐皇冠假日酒店举行。RTC 技术不应仅属于小圈子的狂欢,而应该被更多的开发者了解、使用与探讨。所以作为每年全球最大规模的 RTC 技术布道会议,RTC 实时互联网大会不仅邀请来自全球一线团队的 RTC 技术专家分享技术实践、前沿探索,以及 RTC 与热门技术的融合趋势,还在每年都设立限时免费门票,让 RTC 技术与知识触手可及,今年也不例外。现在,限免通道现已开启,你还等什么?现在即可扫码报名。

今年除了主会以外,还将有「编解码技术」、「AI 与 RTC」、「下一代 RTC」三大技术专场,「大前端应用开发技术」、「QoE 与高并发网络架构」两场全天的峰会,以及一场「WebRTC Workshop」。今年我们已经邀请到了来自 W3C、搜狗、微软、阿里达摩院、字节跳动、Hulu、优酷、沪江 CCTalk、Bilibili、新东方、数美科技、相芯科技、声网、Meetecho、AVS、北京大学、上海交大等公司、组织机构的一线技术专家。(次序不分先后)

我们在近期已经曝光了一部分与网络架构相关议题,后续还将公布更多与 AI、编解码、实时交互、大前端开发、5G 相关的话题,敬请期待。

Janus 作者约你来 RTC WebRTC Workshop

RTC 大会作为 RTC 技术的布道会议,WebRTC 始终是我们布道推广的开源技术之一。我们历年曾邀请《WebRTC 权威指南》的作者,后来我们也将它翻译成了中文出版。在去年,我们还邀请了 Google WebRTC 的产品经理来分享 WebRTC 1.0 标准。但无奈 WebRTC的编译部署、服务器部署策略、回声消除、降噪、网络抗丢包等始终是很多开发者需要翻越的几座山

所以,今年 RTC 大会第二天,邀请到了 Janus的创始人音视频行业从业 10 余年的资深 WebRTC 技术专家 ,以及来自 声网的音频算法工程师 ,开展一场 WebRTC Workshop ,带着大家一起爬坡、提升。

  • Workshop 活动信息
  • 活动时间:2019 年10 月 25 日全天
  • 活动地点:北京市朝阳区悠唐皇冠假日酒店
  • 面向人群:初级的 WebRTC 应用开发者、WebRTC 爱好者

RTC Dev Meetup 上海站:WebRTC 与 web 端可交互的 PPT

8月17日下午, GDG x RTC 开发者社区联合线下 Meetup圆满举办。有超过 180 位小伙伴报名参与了这场由 RTC 开发者社区和 GDG 社区联合主办的 Meetup。这次活动上,来自UCloud 前端资深架构师李喜庆做了《WebRTC客户端开发实践》分享,来自声网的高级WebRTC前端工程师陆禹淳带来了《Node.js+WebRTC:WebRTC的服务端应用之路》的分享,Netless PPT渲染引擎负责人张黎分享了《React实现可交互动态PowerPoint》。

我们已经将所有课程资料上传分享至 RTC 开发者社区,没能来到现场的小伙伴们可以自行获取:Meetup 回顾 | 从实时音视频到可交互 PPT

Agora 产品动态

声网Agora Python SDK 上线

声网Agora 本月起正式支持 Python 语言了。我们已经将声网 Agora Python SDK 上传至 Github,开发者们可以通过它来将实时音视频与深度学习、人脸识别、声纹识别等技术结合起来,玩出更多花样了。为了便于大家理解其中的接口,我们还写了一份 Python demo,用 TensorFlow 做了一次实时地人脸识别,并已将其分享至 Github。

Python SDK: https://github.com/AgoraIO-Community/Agora-Python-SDK

Demo: https://github.com/AgoraIO-Community/Agora-Python-Tensorflow-Demo

声网一站式智能语音识别:内容审核,快速接入

声网现已提供业界独有的一站式智能语音识别方案。如上图架构所示,开发者只需要在应用中集成声网 Agora SDK,即可让音频在 Agora SD-RTN™ 网络中实时传输的过程中完成语音内容识别与审核。我们在原有的实时语音互动直播的基础上,整合了业界 Top 3 语音识别服务。同时,基于声网的 AI 音频降噪引擎,来提高音频质量,优化语音识别效果。开发者可通过调用 RESTful API 来启用该功能,具体详见往期文章

RTC资讯

Google开源Live Transcribe的语音引擎

还记得 Google 在今年 I/O 大会上演示的“实时转录文字”功能么?就在本月中旬,Google 将其背后的语音引擎开源了。Live Transcribe 基于深度学习算法实时将语音转换为文字字幕,不过它依赖于Cloud Speech API。而 Google 在官方博客中也表示,实时转录的质量也面对着不同地区的网络连接状态、网络丢包、延迟的挑战。简要来讲,其开源的语音引擎支持的特性包括:无限流媒体;支持70多种语言;网络环境差时,文字不会丢失(只会延迟显示);可以轻松启用和配置Opus,AMR-WB和FLAC编码等。具体,可见Github:

Google Duo:增强弱光环境下的视频画面质量

Google Duo 近期又更新了,新增了一个“弱光”按钮。在视频通话中,如果对方处于灯光昏暗的室内,你只需要点击这个按钮,你所看到的画面光线就会明亮起来,系统会检测和重点关注聊天对象的面部信息,而不是整个视频捕捉区域。

谷歌Duo的高级产品经理谷歌Niklas Blum表示,这个按钮实际上不会改变“被照亮的人”那一端的任何设置。Duo中启用这一项新功能后,当手机检测到昏暗的灯光时就会对画面进行调整,从而让画面中的人更加明显。