面向体验，助推超视频时代新增长

2022 年 3 月 03 日
本文字数：5101 字
阅读完需：约 17 分钟

2 月 25 日，火山引擎视频云科技原力峰会顺利召开。火山引擎视频云是如何发展起来的？火山引擎要做什么样的视频云？未来视频云又会是什么样的？火山引擎视频云技术负责人浩铭在以《面向体验，助推超视频时代新增长》为主题的演讲中，分享了对视频体验、交互、增长的观察与思考，并介绍了火山引擎视频云的从前、现在，以及未来的技术规划与构想。他表示：相信视频应用会持续朝着三个方向演进，更高清、更交互、更沉浸。

火山引擎视频云技术负责人浩铭

以下为浩铭的演讲实录：

大家好，我是来自火山引擎视频的浩铭，很高兴今天能跟大家一起做分享，共同面向体验，助推超视频时代新增长。

火山引擎视频云进化史

首先给大家介绍一下火山引擎视频云的进化史，这里列了几个关键的时间点：起初在 2014 年，这时候字节跳动还在做图文应用。大家比较熟悉的今日头条，就是这个时候 DAU 突破一千万。当时，公司已经预计到未来是视频的时代，就开始在头条探索视频的形态，视频架构部门也是在这个时间点诞生的。下一个时间点到了 2016 年，字节跳动推出短视频 APP 抖音，与直播 APP 火山直播。随着字节系的产品不断扩充，视频架构在公司的位置也变成了视频中台。我们作为中台不断地在公司里面孵化更多端到端的解决方案，像图片点播也在这个时间点成为解决方案，但是那时候我们的定位是面向功能、解决业务的问题。2018 年，字节跳动本身业务飞速发展的一年，对我们来说也是挑战很大的一年。首先我们要保证业务的稳定增长，保证业务的扩容是平顺的，同时业务对我们有了更多的要求，不止功能层面，还要对业务的功能与结果提供更大的帮助，于是我们对业务的体验优化做了更多的投入，持续优化端到端的视频体验。这个时间点，我们自己开始逐渐意识到，“体验”的重要性。到了 2020 年，我们开始认真考虑 ToB 的事情。之所以在这个时间点考虑 ToB，基于三点考虑：

第一点，我们作为中台支持的字节产品越来越多，如果把中台的服务模式变成 ToB 的服务模式，相信对业务的支持效率与组织效能上有很大的提升；
第二点，经过几年的业务打磨，已经具备行业领先性，我们把已经沉淀好的能力输出出去，应该可以得到更好的商业价值；
第三，我们希望引入外部的视角，倾听来自行业的声音、用户的声音、客户的声音，让我们审视已有的技术，保持我们的先进性。基于几点考虑，我们逐渐把团队从中台走向 ToB，把之前的沉淀解决方案改造为对外的解决方案，把自己的服务做成平台化，更加规模化地接外部客户。这时我们接了第一个外部客户，懂球帝。在 2020 年之后，这样的演进还在持续发生，比如说火山引擎正式 ToB，让视频云在 ToB 上顺利承接有了更大的投入，在产品的完备度和服务的规范性上有了大幅的提升。以及字节跳动收购了 Pico 之后，我们开始在沉浸式视频上进行了更多的探索。

如何搭建质量体验体系

从整个视频云的成长史来看，字节跳动的业务“养成”了视频云，而且视频云非常有幸在这个过程当中见证与帮助字节跳动的成长。我们希望今天把沉淀下来的能力与经验开放给行业的合作伙伴。刚才在演讲过程当中，我提到了一点，我们从能力建设开始面向体验的建设。通过几个直观的问题让大家感受一下到底这两个之间有什么区别。

业务数据不好，是不是因为播放体验有问题？
我们播放体验的优势是什么？
新上线一些新的功能，对业务的贡献到底如何？
我们总说极致体验，体验是什么，以及怎样才算极致？大家能够感觉到画风不一样了，之前我们谈功能的时候，更多是在谈功能有没有，好不好，有多好。这些会落到可以对比的，类似卡顿这类的指标。但回到体验，更多是业务带着最终结果向我们发问，到底我们的能力对业务有什么帮助，我们怎么回答这样的问题。首先我觉得每个问题都很难回答。在这儿我想分享一下经验，包括做事方式与思路。

大家看右边这张图，分成外边的一个圆环与里面的矩形。外边的圆形更多是我们在日常研发里面的做事方式，相信大家都非常熟悉。这里面有一个与大家做的不一样的，是线上实验的环节，里面的矩阵更多是内功，核心就是一直在努力建设数据的分析和归因能力。我们要做一个事情能够预估它的收益，并且能够及时回收收益。在内外结合、相辅相成的思路与做事方式下，我们再看刚才的几个灵魂拷问是不是可以回答了。对于刚才的几个问题我们可以抽象一下，变成一些更本质的问题。

第一个是如何衡量体验？

大家应该会有一些共识，体验指标可以分成 QoS（Quality of Service）指标和 QoE（Quality of Experience）指标。QoS 往往是从服务或者功能的视角统计服务质量，包括起播时间、百秒卡顿、画质指标、延时等。这些是跟研发具体做的动作直接相关的，它们非常重要，而且是研发做的每个动作的直观表现。我们在实践过程中，逐渐从最初的关注 QoS 指标，过渡到现在以 QoE 指标为主。因为 QoE 是从用户视角反映问题，通常是与用户播放时长和频次等相关的聚合指标，以反映用户的使用意愿，也与增长关联更加直接。它比 QoS 好的一点，QoS 是单方面，有可能把我们的优化指导偏，而不是全局最优，QoE 是给了一个最终结果。我们带着这个最终结果有能力与业务的增长结果做关联。

下一个问题，体验与增长之间是怎么关联的？

之前有很多次的技术分享，大家对字节跳动的 A/B 实验有了解，它提供了一个让我们真正成为业务里面的技术参与方，能直接看到我们的动作与业务增长关联的平台。有了这个平台之后，我们可以很方便地每个月做几十次线上实验，不断探索体验指标与业务指标的关联，一点点消除元无知。

最后，如何优化体验，体验需要优化到什么程度？

如果我们打算做一个功能优化，什么时候该做，做到什么时候该停。第一因为我们有内部优势，可以快捷地开大量的实验，所以能快速、不停地迭代尝试出一个经验值，这个经验值可以在具体场景里面复制、沉淀，可以推广出更多的业务方使用的。另外一个方式就是使用业务已有的数据，做一些已有数据分析，比如说首帧与弃播之间的关系。我们找到拐点，因为这个拐点可能就是这个业务的优化空间，如果过了这个拐点，有可能优先级可以放一放。我们通过这种方式建立决策，去回答体验到底需要优化到什么程度。刚才介绍了研发的体系，下面我举几个例子，把这些例子得到的沉淀结论分享给大家。

首先是在短视频场景下，刚才我也提到了对于首帧的分析，我们经过试验与数据分析得到这样的一个结论，就是 210ms 这个数字。在短视频 feed 场景下，我们认为 210ms 相当于流媒体首帧的满分标准。首帧大于这个值，用户的留存可能就会受到影响。

对于画质来讲，也是一个很直观的指标，大家希望有很清晰的视频体验，我们做了非常多的动作，这里举一个例子，特定环境下网络受限的用户，不得不选择低分辨率的视频去播放，这样终端的效果肯定是不好的。我们有一些手段，通过超分辨率的方式，在终端把不好的播放体验重新超分成一个好的视频效果。单单这样的对于受限场景下的优化，对于大盘整个视频播放时长有 0.23%的增长。

在直播上，延时也是很敏感的指标，但是确实与业务增长的关系是比较难量化，我们在“低延迟直播”功能上线之后，也尝试做了反转实验，把已经 3s 端到端延时的用户，重新提升到 7s，我们看了一下结果是什么样。这个工作做了之后，我们看到用户的看播时长下降 1.3%，社交渗透与电商订单都有显著的下降。也是因为有了这样时延的佐证，我们对于低延时直播的资源投入在持续的增长。

刚才提到了一些研发投入深耕的场景，其实对于体验的优化可能不需要那么高深，有一些简单的 Case 被大家忽略掉，一样可以达到很好的结果。举一个看上去很简单的音量均衡例子，大家看直播或者点播的时候有刷视频的动作，刷到下一个视频如果声音忽高忽低，可能会有很差的播放体验，甚至因为声音变大吓一跳。我们预期音量均衡的方案会拿到正向的结果，实际上做完试验之后结果远超预期，不仅在人均看播时长增长了 3%，而且电商直播的 GMV 超预期提升 4%。其他像这些小的点有很多很多，只要这个思路存在，我们就有更多可挖的空间。除了技术，还有很多的玩法，能让留存、拉新得到很多提升。介绍一下“一起看抖音”场景功能，这个场景是在抖音短视频观看时，可以让很多用户同时在看，大家看的进度是一样的，而且看的同时可以做音视频的聊天，以增加趣味性与陪伴感。它在抖音上线已经接近一年，月均 DAU 持续保持 30%以上的增长，渗透率已经提升 10 倍。

面向用户打造极致体验，面向企业持续技术创新

刚才是对体验优化方法论结果的展示，我后面分享一下火山引擎视频云未来的技术规划与构想。正如我们和 IDC 一同发布的视频云白皮书中所提到的，我们相信视频应用会持续朝着三个方向演进，更高清、更交互、更沉浸。下面对这三个方面，我分别谈一下我们在技术上的储备与规划。

更高清

首先更高清。大家都经历了从彩色电视，到数字电视，到后边 1080P，以及这次北京冬奥会大家都享受到的 8K 超高清转播，以及 8K VR 直播，甚至 8K 更高分辨率的视频。这样对视频编码与传输，始终都是很大的压力，如果压缩跟不上的话，虽然可以用一些手段降低画质完成 8K 的传输，但是这样效果是“高不清”。

火山引擎多媒体实验室团队，一直在持续地探索极致的视频压缩和图像增强技术，在受限带宽下持续提升用户的视觉体验。近期火山引擎落地业界首个 H.266 端云一体视频解决方案，相比目前主流的 265 编码方案，能节省 30%-50%的码率，在一些应用场景下最高可节省 70%以上码率，可以大大降低超高清视频应用的门槛，加速推进体验升级的进程。除了刚才编码效率的优化，我们对更高清的追求，不只是压缩效率更高了就是高清，当用户都觉得清晰了那才是高清。到底怎么衡量、反映用户观看视频的感受呢？除了一直致力于建立画质的端到端整体优化方案之外，我们还在尝试建立一套和用户感官完全匹配的评估体系，我们推出的是 VQScore 画质评估算法体系。我们可以把它用在很多不具备参考条件的场景下，比如竞品评测、视频质量监控、基于视频质量的推荐，基于人类主观感受的视频端到端优化、低质视频筛查等。而且 VQScore 画质评估体系已经在多媒体领域的世界级会议拿到第一名的好成绩。

更交互

下一个发展趋势是更交互。在业务发展中，新的交互方式往往会带来新的商业突破，技术的优化，可以让更多的互动玩法与商业场景成为可能。这里我们看两个极致些的例子。第一个是语音沙龙。语音沙龙是今年年初非常火爆的场景。之前由于技术架构的限制，产品不得不把能够上麦的主播数量控制到 20-50 个，一旦更多就会很混乱。火山引擎 RTC 通过订阅逻辑的改造，让产品逻辑更加灵活，单房间最高支持超过千人上麦，成为国内首家能够提供单房间超过千人上麦的音视频服务。第二个例子是 VR 场景下的千人 Livehouse，这对端上渲染能力有很大的要求。因为我们有了低时延服务端渲染的能力，云渲染的超低延时架构将复杂的渲染计算放到云端做，把计算后产生的音视频画面，用 RTC 传输到本机。无论多复杂的计算，本机只需要播放音视频的性能消耗，从而解放终端的性能限制。

更沉浸

最后一点，是更沉浸。前边提到更高清与更交互，是达到更沉浸的先决条件。另外还有两个要素，自由度和虚实融合。我们一直以来大家观看视频的体验，主要是滑动、切换下一个视频或者是拖拽，其实这时候我们没有太多的自由度，而更多的视频未来要求我们提供更多的自由度。比如可以通过 VR 看到更广阔的视野，甚至可以通过多机位达到自由度的效果，共同组合成六自由度的 XR 体验。

我相信很快会有更多杀手级的 XR 应用出现，给视频的呈现与体验模式带来代际的更新。我们不断打磨沉浸式视频体验能力，也不断地沉淀在云解决方案当中，希望能和更多业务合作伙伴一起推进行业的变革。比如，刚才提到了超过千人连麦，未来通过 VR 设备和技术，我们可以实现千人在一个共同的虚拟场景中，实现更多样化、更沉浸的社交活动，比如通过自己的 Avatar 替身聊天、一起刷抖音、看直播、一起玩游戏等，这种应用场景会涉及到点播、直播、RTC、边缘渲染、云游戏等多个视频云解决方案的融合。