媒體世界日新月異,而Fraunhofer IIS始終主導著最先進音頻技術的發(fā)展。Fraunhofer IIS是一家音頻和多媒體技術的研究機構,借今年的中國國際信息通信展,他們又來到了中國,目的是讓更多的中國客戶認識他們。
在過去25年的時間里,F(xiàn)raunhofer集成電路研究所(IIS)音頻和多媒體部門始終專注于數(shù)字音頻技術的研發(fā)。作為MP3技術的發(fā)明者和AAC(高級音頻編碼)技術的聯(lián)合開發(fā)者,以及未來廣播電視領域的音頻技術開拓者Fraunhofer IIS將音頻技術創(chuàng)新變成了現(xiàn)實。
Toni Fiedler 德國Fraunhofer集成電路研究所(IIS)亞太區(qū)市場及業(yè)務發(fā)展總監(jiān)
(右)Matthias Rose 德國Fraunhofer集成電路研究所(IIS)音頻和多媒體營銷傳播總監(jiān)
Fraunhofer IIS 亞太區(qū)市場及業(yè)務發(fā)展總監(jiān)Toni Fiedler表示,F(xiàn)raunhofer IIS最大的愿景就是與移動運營商、 網(wǎng)絡服務提供商、廣播電視臺等緊密的合作為中國的消費電子企業(yè)帶來創(chuàng)新的音頻技術,另一方面Fraunhofer IIS也十分愿意幫助中國企業(yè)走出去,攜手中國制造商和中小企業(yè)以滿足國際化的音頻標準和技術規(guī)范。
目前Fraunhofer IIS致力于研發(fā)兩大塊技術:第一是xHE-AAC和MPEG H的音頻解碼,xHE-AAC是下一代廣播電視將會主要使用的編解碼;第二個是EVS(增強語音服務),將主要應用于4G LTE領域。
今年,中國全面步入4G LTE時代。據(jù)GSMA移動智庫的研究數(shù)據(jù)顯示,預計到2020年底,中國的4G移動連接總數(shù)將從2014年的1億左右增至近9億。4G移動設備和服務將會在人們的工作和生活中扮演著越來越重要的角色。
顯然,LTE時代的高寬帶支持用戶使用很多大流量數(shù)據(jù)業(yè)務,而語音業(yè)務仍將是手機終端的主要應用。但遺憾的是,在我們使用手機打電話時,聽到的語音音質(zhì),幾十年來并沒有太大的不同。
目前3GPP在通信、音頻編解碼的技術標準上推進并制定全高清語音標準,這意味著在未來LTE的標準之下,整個語音通話的音質(zhì)標準會有大幅提升。
在本屆通信展上,F(xiàn)raunhofer IIS首次帶來4G 時代具有高效通信體驗的全高清語音會議技術,EVS增強型語音服務以及能夠在平板電腦或智能手機上體驗到影院般的環(huán)繞聲音效的Fraunhofer Cingo技術,以滿足4G用戶和設備的需求。
全高清語音會議技術:該技術能夠使電話會議實現(xiàn)高端網(wǎng)真視頻會議般的通話體驗。由AAC-ELD音頻編解碼器實現(xiàn)的全高清語音通話,能夠使參與會議通話的用戶通過耳機感知其他會議參與者的方位,在這一場景下,所有的與會人員好像身處同一房間,因此彼此間的對話也變得更加自然,讓移動會議變得更加輕松和高效。
EVS:增強型語音服務(Enhanced Voice Service,EVS,TS 26.441)是專為LTE等分組交換網(wǎng)絡而設計的下一代3GPP實時通信編解碼器。在當前的目標應用VoLTE(Voice over LTE)中使用EVS,可實現(xiàn)全高清語音通話質(zhì)量,而通話保真度可媲美當今所有數(shù)字媒體。通過該技術,我們不僅可以進行自然的語音通信,而完整音頻頻譜還能夠再現(xiàn)音樂和環(huán)境氛圍。
Fraunhofer Cingo:借助Fraunhofer Cingo,無論是使用耳機還是內(nèi)置立體聲揚聲器,用戶能夠在平板電腦或智能手機上體驗到影院般的環(huán)繞聲音效體驗。Cingo不僅可以帶來極致的環(huán)繞聲音效體驗,而且還能將現(xiàn)有的立體聲內(nèi)容變得更加自然和清晰。此外,針對嘈雜的環(huán)境Cingo還具備響度優(yōu)化功能,能夠顯著提升對話和解說的清晰度。
Fraunhofer IIS先后研發(fā)了五代編解碼技術,包括MP3格式,能夠提高編碼效率的AAC技術以及其組件,目前最流行的、幾乎在每部手機中都配備的HE-AAC技術,主要應用在通信領域、能夠?qū)崿F(xiàn)雙向低延遲通信的AAC-ELD技術,以及應用于4G LTE電信通信的技術。
Toni Fiedler提到,“Fraunhofer音頻技術的最大特征是向后兼容,如果企業(yè)使用了最新的解碼器xHE-AAC,那么之前所有的技術均能夠使用。因此現(xiàn)在的一些主流的電視臺,比如BBC、NHK和新加坡的MediaCorp都使用了我們的技術。”
此外,F(xiàn)raunhofer IIS還展出了拓展型HE-AAC技術方案。xHE-AAC是首個將語音和通用音頻編碼結合在一個統(tǒng)一系統(tǒng)中的MPEG音頻編解碼技術,xHE-AAC極大提升了8~64 kbit/s及以上的低比特率音頻的音樂和語音品質(zhì),其可應用于無線網(wǎng)絡和衛(wèi)星廣播系統(tǒng)中的音樂流媒體。
Fraunhofer IIS音頻和多媒體營銷傳播總監(jiān)Mathias Rose表示,目前在三網(wǎng)融合和OTT的大背景下,因為Fraunhofer的技術幾乎已經(jīng)被整合到所有的平臺當中,可以廣泛應用于廣播、IT網(wǎng)絡和移動網(wǎng)絡中,讓廣播電視商可以將電視上的內(nèi)容傳輸?shù)狡桨搴褪謾C上進行播放,甚至可以做到將手機和平板上的音頻質(zhì)量達到電視的音效水平,這使得HE-AAC處于一個非常最有利的位置。
Fraunhofer IIS表示,目前已與中國的三大運營商建立聯(lián)系,并且Fraunhofer IIS推出的高清語音技術是能夠支持所有LTE標準,其設計的出發(fā)點就是希望以非常低的比特率來實現(xiàn)很高的音質(zhì)。
LTE主要是著眼于未來用戶會大量地進行視頻的下載以及可視通話等,F(xiàn)raunhofer IIS希望在音頻領域,消耗最低的碼率,達到最優(yōu)的語音體驗,避免出現(xiàn)網(wǎng)絡擁塞的情況。蘋果的Facetime就是一個很典型的基于VoIP的服務。
同時,F(xiàn)raunhofer IIS也在積極地嘗試與中國的中小企業(yè)展開合作,總之,幫助中國制造商以正確的方式來實施AAC系列的技術、使得他們在全球范圍內(nèi)保持競爭優(yōu)勢是Fraunhofer IIS堅持不懈的目標。
針對在中國市場的發(fā)展,Toni Fiedler表示:“我們幾乎和中國所有的移動運營商進行溝通,希望他們將HE-AAC技術應用在更多的場景中,比如VoIP、VoLTE等技術在音樂和移動設備領域的應用。此外,我們也極為重視與中小企業(yè)的合作,幫助中國制造商以正確的方式來實施我們的技術,以使得他們在全球范圍內(nèi)保持領先優(yōu)勢。”
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)碗s指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。