本人從一位測試的角度出發，基於目前專案中攝像頭的直播和語音對講業務，正尋求音視訊的質量測試及一些監控分析手段。工作中發現達到一定的併發程度之後，就會出現延時、卡頓、丟幀、馬賽克等問題。所以最近在網上看看專家的直播和專欄，學習一下行業內的好的測試方法。

這不，前幾天有幸參與了聲網的音訊演算法工程師趙曉涵的關於《實時語音質量監控系統的過去、現在和未來》的線上直播和討論。本次直播旨在介紹一下聲網實時語音質量監控系統的進展，並和大家交流了一下未來的演化方向。

整理了一下，本次直播主要的內容主要涵蓋了以下幾個模組：

1、過去：語音質量評估演算法

2、現在：線下測試的線上化

3、未來：感知、反饋和監控一體化

一、過去：語音質量評估演算法

其中，過去的語音質量評估演算法主要介紹了有參考客觀評價方法、無參考客觀評價方法和主觀評價方法。

一千個觀眾會有一千個哈姆雷特，主觀評價方法暫且不論。有參考客觀評價方法中應用最廣泛的有 P.862 PESQ、PESQ-WB 這兩種。12 年左右推出了最新的有參考評價方法 P.863 POLQA，它是基於 PSQM 的升級改造。它們都主要依賴無損的參考訊號。而無參考客觀評價方法無需參考訊號。其中的 ANIQUE+據作者稱，其準確度超過有參考的 PESQ，這一點也很有意思。

客觀評價方法的痛點：

1、有參考方法：只能用在上線前

2、無參考方法-傳統訊號域：應用場景窄，魯棒性差

3、無參考方法-傳統引數域：僅在有限弱網條件下可以保持精度

4、無參考方法-深度學習：應用場景和語料有限，複雜度高（訊號域）

在語音質量評估演算法這一方面，我們真的是小白。基於目前業務的，主要覆蓋還是功能測試、介面測試和流媒體的部分效能測試。利用現有演算法對語音質量進行評估，暫時可能還不會做。

2、現在：線下測試的線上化

直播中趙曉涵老師在這一塊主要回顧了下在設計這個系統前的目標，和目前上下行鏈路的主要問題和解決方法。

現有的評估系統的設計目標：

1、精度高：評估結果可靠

2、覆蓋業務場景廣：遊戲、娛樂、教育等業務場景

3、演算法複雜度不能太高：不會對效能造成很大的降低

4、和語音內容弱相關能力：不管輸入是語音、音樂還是噪聲，分析結果不能受影響。

下行主要有這幾個流程：編碼、傳輸、解碼、播放

下行側的質量評估方法也是主要根據上面四個模組展開的：

1、編解碼器效能：不同的編解碼器對不同的語料處理結果不一樣

2、網路傳輸：丟包、抖動和延遲等

3、弱網對抗演算法質量：丟幀補償

4、裝置的外放能力：裝置硬體差會對音質有所損傷

這一部分內容深有感觸，我們目前用到的攝像頭來自海康、大華、雄邁、TPLink 等好幾個廠商，同個廠商又有多種型號。不同裝置都有硬體差異，就連基本的國標接入都會有些許異常，更別說在音視訊上的表現了。目前我們平臺所用的視訊編碼正從 H264 到 H265 轉變，音視訊質量測試顯得格外重要。

而網路傳輸也是我們目前的效能測試經常遇到的瓶頸，尤其是是視訊檔案上傳 s3 儲存會很大程度受限於上行的頻寬。另外還有使用 udp 傳輸，不可避免得造成資料的丟包等問題。

不同的終端裝置，對音訊外放的音質也不盡相同。這一點我們在相容性測試時已經有所發現。

三、未來：感知、反饋和監控一體化

對未來的系統的目標：

1、內部狀態更細：上行鏈路細節待優化。

2、體驗覆蓋更廣：目前有些噪聲還未能覆蓋，待優化。

3、反饋速度更快：目標在 1 分鐘內能收到反饋。

4、覆蓋通話更全：目標是每一秒都能監控到。

一個覆蓋廣，響應快，又精準的平臺會是所有平臺的平臺的目標，希望能早日看到平臺給音視訊質量檢測行業帶來更大的促進。