史无前例，高清又不卡。

5 月，百视 TV 联合上海人民广播电台、时代峰峻共同出品的《东方风云榜》，绚烂呈现一场三十周年音乐分享会·时代少年团《理想之途》。有人说，这是一场似梦非梦的记忆。

演唱会由“乐园”、“少年”、“乌托邦”三大篇章组成，精心之作引来社交话题近 30 亿次，满足 3 万多现场观众的同时，线上由百视 TV 全程直播，沸腾的直播间里更是被观众评论接连刷屏，事件热度值一再打破历史记录。

“嘎嘎清晰”的超高清画质、“一点不卡”的直播体验、“懂观众心理”的调度和镜头切换……观众的花式评论泉涌不断，确实，高清又不卡，谁不爱。

观众们直呼，“这辈子没看过这么高清的直播！”。

（图片截选自社交媒体）

官方信息显示，在演唱会直播当晚，峰值在线人数超过 130 万，直播间评论量达 423 万，在这海量数据背后的丝滑、超清直播体感，是百视 TV 联合阿里云视频云在聚焦原创音乐发展、助力传统 IP 宣发及「内容+服务」的商业模式上的全新探索。

一、窄带高清，毫厘细节的精妙画感

达到观众惊呼的视觉感，是一场画质修复与编码算法的精妙之战。

首先，要理解大型户外演唱会直播的错综因子。

相较电商直播带货和其他直播场景，大型户外演唱会的影响因素很多，让直播视觉效果的呈现会更为复杂。

• 舞台布局多元复杂，如常见的镭光管和频闪灯打造光影交织的幻影效果、变幻多样；

• 现场烟雾、巨幕 AR 大屏等元素，构成了绚丽多彩的视觉效果；

• Idol 的多层次妆造和舞台道具，往往包含极为细腻丰富的细节；

• 现场多机位拍摄，配合 Idol 快速的动态舞动，导致直播画面切换快，目标运动性很强。

这些复杂情景都不可小觑，需要全部纳入直播视频流处理的范畴。

对于现场观众，这些丰富变幻可以将演唱会的直面效果拉满，但满足百万千万的线上直播观众，想要达到复刻甚至更佳的视觉氛围，这些复杂因子对直播过程中的视频编码压缩技术，带来极大挑战。

再者，用生成式细节修复力，逆转直播源流的低画质。

一般来说，大型活动直播对实时性和流畅度的要求是第一位的，而在户外活动直播中，现场网络质量很容易发生波动，高码率传输会导致卡顿和延迟现象。

因此，为了优先保障这场演唱会的直播信号稳定和流畅，百视 TV 选择较小的码率进行推流（8Mbps @1080p 50fps）。然而，对于呈现这类视效高度复杂的演唱会，1080p 50fps 的信号源，通常需要大于 30Mbps 的码率，才能保证较好的编码输出质量。

这意味着，实际推流码率远低于直播高画质所需要的码率，因此，会存在因高压缩率导致的明显画质损失，具体表现为：背景光影区大片的马赛克块效应；脸部细节模糊不清，头发纹理细节丢失，以及服装道具细节丢失；服装、字幕、贴片图案、LOGO 等边缘毛刺现象。

下图是 8Mpbs 1080p 直播源流的两个典型画面的截图，画面中，Idol 的发丝不再有细节，同时出现了明显的面部马赛克块效应，和字幕边缘的毛刺感。显然，这些画质问题堆积成流动的低细节画面，必然极大影响观感体验。

直播源流画面 1: 存在面部马赛克块效应

直播源流画面 2: 存在字幕边缘毛刺问题

针对这类直播推流存在的画质问题，百视 TV 使用了阿里云“窄带高清 2.0”技术，通过生成式细节修复能力，显著提升源流的画面清晰度；同时，通过自适应编码能力，降低源流的码率；从而达到转码流相比源流码率更低，但画质清晰度更优，呈现毫厘细节的精妙画感。

整体来看，“窄带高清 2.0”有两大核心模块：

• 视觉编码

「窄带高清 2.0」采用基于场景和内容的帧类型决策和块级码率分配，模式决策采用面向主观友好的算法；在内容自适应编码部分，考虑到，人眼感知的视频空间域的亮度、对比度以及时域失真是不连续的，通过基于恰可察觉失真（JND）自适应编码技术，丢弃视觉冗余信息，在主观质量不发生明显降低的情况下，可以大幅节省码率；同时，通过 ROI 码控技术调整码率分配策略，进一步提升人眼感兴趣区域的清晰度。

• 细节修复

「窄带高清 2.0」采用基于生成对抗网络（GAN）的细节修复生成技术，在修复因编码压缩引起的马赛克块效应和边缘毛刺的同时，“脑补”生成一些自然的纹理细节，使得画面纹理细节更丰富、更自然、更有质感。

窄带高清 2.0 核心技术模块解读

通过窄带高清处理，我们将原有的码率降低的同时，反而可以获得更好的视觉效果：演唱会视频中，场景的编码块效应、边缘毛刺被有效去除，丢失的发丝细节再度呈现，面部皮肤修复后更有肤质感，字幕文字清晰度也更加优质。

第三，演唱会人像的定制模版，更是点睛之笔。

对于超大型偶像演唱会，看清 Idol 的“颜”一定是观众粉丝的首要诉求。

着力一场“更懂观众”的演唱会直播，阿里云视频云“窄带高清 2.0”在基础模型的效果之上，专属打造了演唱会场景 Idol 人像定制模版，针对优化人像区域的细节修复生成效果，将 Idol 的“怼脸直拍”，通过直播清晰还原送到观众屏幕前。

当然，业界已存在一些针对人像修复的处理方案，但这类方案一般是将视频画面中的人脸抠图操作，再单独进行处理。

然而，在演唱会直播转码场景，这类方案存在两个问题：一是对于非正面及人像有遮挡的情况，处理效果不佳会存在比较明显的 bad case，因此，直播转码可能会出现意想不到的翻车风险；二是抠像后再处理，整个方案耗时存在不确定性，对于直播 50 fps 的场景，可能会因此带来卡顿。

因此，窄带高清 2.0 人像优化功能采用更优的语义分割图引导的图像复原技术，处理模型的输入除了低画质视频，还有该视频对应的语义分割图，而语义分割图用于引导模型更聚焦在人像区域的生成效果。

以下是窄带高清 2.0 对 Idol 脸细节修复效果呈现：

左：直播源流 8Mpbs 右：窄带高清 2.0 转码输出 6Mpbs

左：直播源流 8Mpbs 右：窄带高清 2.0 转码输出 6Mpbs

左：直播源流 8Mpbs 右：窄带高清 2.0 转码输出 6Mpbs

针对垂直细分场景的专属修复，阿里云视频云探索不断，去年的 NBA 赛季，在百视 TV NBA 转播场景，为了更好地平衡直播流畅性、稳定性和高清画质，窄带高请 2.0 针对篮球赛事场景进行针对性优化，为百视 TV 定制了篮球直播赛事的转码模版和 AI 修复模型，极大提升了画面清晰度和整体视觉表现，观赛效果极佳。

总言之，把握场景特征的专属定制，往往是沉浸视感的点睛一环，利用算法的精妙将场景造势发挥极致。

二、超高清高并发的“零卡顿”，是极致天花板

我们显然可见《理想之途》演唱会的热烈之象，百视 TV 的线上直播间也是空前沸腾，仅仅通过预约阶段 158 万的人数便可窥见。

再叠加天时之势，恰逢五一假期，演唱会直播 19:30-22:30 更是一场晚间的超级流量场，这自然带来一个问题：直播质量如何保障？

我们总说，极致流畅、零卡顿播放是直播保障追求的目标，但真实落地绝非易事。对演唱会这类强沉浸强互动的场景，尤其对“时代少年团”的这场光耀的超高清直播，每一次卡顿大概都是情绪的窒息。

于是，当百万受众瞬时涌入，如何守住如此高清质感的直播“零卡顿”？

当然这要受益于阿里云文体直播解决方案系统化的综合能力，全球 3200+节点、180+TB 带宽储备、全球实时流媒体传输网络（GRTN），足以保障千万级用户高并发下的高品质观看体验。

定制化的全链路灾备与应急预案，和多年大型直播活动积累的最佳实践经验，更是给予了这场超大型演唱会落地的高可靠性。

为了防止在高峰期流量资源抢占带来不良影响，阿里云提前为百视 TV 就演唱会直播预约情况进行带宽资源准备及锁量，一旦直播过程中，遇到断流或帧率异常，配置的主备流能实现“自动切换”。

正是在这些完备的预案和保障下，即使直播过程中遇到突发情况，也能让观众“毫无察觉”，沉浸于流畅之境。

三、演唱会直播，调动更多感官

超大型演唱会直播引发的感官与话题，俨然成为一个时代的文化现象，百万人共屏，千万人共振，数亿级的衍生回荡。

有幸的是，视频云技术在这其中释放淋漓之力。

如今的窄带高清 2.0，突破当代视频编码器的能力上限，深度升级了流畅度与高清度，实现在同等画质下更省流、在同等带宽下更高清的商业价值和观看体感，双重满足平台与观众。

不止如此，阿里云文体直播解决方案也在不断丰富，带来极致流畅、视觉饱满、音视沉浸的超现实感受。

在画质优化上，从海量数据中所沉淀的具有美学价值的高质量色彩、亮度转换，通过 SDR+频率分解技术，对面部和肤色区域进行专门的色彩处理和保护，使得处理后的画质通透感、清晰度大幅提升。以普惠化的视角，即使观众所用的终端不支持 HDR 的设备，也能同样获得端侧一致的超高清体验。

在听觉沉浸上，支持杜比音效的基础上，视频云音频团队研发了“音量归一”，展现演唱会直播流畅一致的音量水平，解决音量在不同音频内容上忽大忽小的恶劣体验；而“环绕声”、“人声增强”等技术，在带来更具层次感和弧线感的沉浸体验基础上，去除嘈杂声音干扰，从而更加凸显高质量的人声质感。

这其中，还提出了全景声音频。

全景声音频(Ambisonics 格式)是通过独有的双耳渲染技术，转换为含有全部空间信息的双声道音频，在 VR 头显以及具有陀螺仪的手机设备上，实现自由视角下的声像始终保持统一，达到“人转动声源位置不动”的沉浸式之感。这也是一项提供全景声内容从生产到消费的全链路技术。

在任何一场大型文娱的共频现场，我们渴望更多的感官调动和超现实的链接，基于云的音视频技术在背后默默推动。

回顾这一次的《理想之途》，期待下一次的“乌托邦之境”。