讓視頻會議系統(tǒng)多一些人工智能!

    網(wǎng)絡視頻會議中，人們都希望能實現(xiàn)發(fā)言人的特寫與其聲音同步的音視頻效果。那么，這一技術如何突破傳統(tǒng)的人工搜索方式，讓設備自己也能“尋聲辯人”呢？

　　說話人的聲音不能被清楚地收音，會議雙方聽不到對方的聲音，產(chǎn)生回音或者斷續(xù)音現(xiàn)象從而使與會雙方無法互相理解……即使現(xiàn)在使用視頻會議系統(tǒng)時，我們仍常遇到這樣的問題。如何盡可能逼真地遠程再現(xiàn)會議環(huán)境的聲音和圖像，給人以身臨其境之感，一直是聲音處理領域的頭等課題。

　　在視頻會議產(chǎn)品領域，中國產(chǎn)品重視視頻編解碼與聲音處理技術，歐美產(chǎn)品更著重軟硬件設備、管理套件以及與統(tǒng)一通信架構融合的研究，而日本的產(chǎn)品則堅持其一貫的技術分工精細的主張：索尼在顯示器領域深耕，雅馬哈則在音頻處理領域細作。

　　日前，日本雅馬哈在中國推動PJP（Projectphone）網(wǎng)絡會議系列產(chǎn)品巡展，試圖為該領域引入另一種完全不同的技術解決思路。通過本報記者對日本雅馬哈株式會社Sound Network事業(yè)部長田丸卓也、雅馬哈中國網(wǎng)絡會議系列產(chǎn)品技術總監(jiān)谷田的專訪，以下問題將得到解答：雅馬哈會采用哪些技術解決目前聲音傳輸?shù)蔫Υ�，并輔助視頻功能？視頻會議中惱人的回聲與吞字現(xiàn)象如何得到解決？會議中重要的錄音功能，該如何設計？如何以人工智能的思路來設計網(wǎng)絡與視頻會議產(chǎn)品，最終使這一計算機科技成果貼近自然、符合人類習慣？