一文讀懂阿里云直播技術(shù)是如何實現(xiàn)的

東京奧運會已落下帷幕。比賽期間，全球億萬觀眾蜂擁至各大轉(zhuǎn)播平臺觀看奧運賽事，平臺直播能力顯的尤為重要。阿里云作為視頻直播平臺的技術(shù)提供商，憑借在產(chǎn)品技術(shù)、資源帶寬、服務保障等方面優(yōu)勢，可為各大轉(zhuǎn)播平臺提供全鏈路技術(shù)支持和保障，確保極致觀賽體驗。本文分享阿里云視頻直播技術(shù)是如何實現(xiàn)的。

一 視頻直播發(fā)展新趨勢與挑戰(zhàn)

根據(jù)第三方機構(gòu)艾媒咨詢預測，從2017年至2020年，整個視頻直播始終處于高速的發(fā)展階段，2020年視頻直播帶動市場營收規(guī)模達到萬億元，覆蓋用戶總數(shù)達到5.26億。

視頻直播應用場景從泛互聯(lián)網(wǎng)行業(yè)的視頻娛樂、電商購物等，向在線教育、視頻安防、廣電傳媒、醫(yī)療服務等傳統(tǒng)行業(yè)延伸，“直播+”成為新趨勢。視頻直播市場空間巨大，參與方眾多，競爭激烈。為了能夠吸引到更多用戶，這就要求直播廠商能夠做到直播內(nèi)容精細化、直播場景豐富化、營銷模式創(chuàng)新化，而實現(xiàn)這些效果是需要直播平臺支持實時加互動并在直播的基礎上結(jié)合短視頻，從而實現(xiàn)直播整體效果創(chuàng)新。

直播廠商如果選擇自建直播平臺，必然會面臨極大挑戰(zhàn)：

資源投入大，硬件投入大，帶寬成本高，自建系統(tǒng)投入高，效果一般企業(yè)可節(jié)省資金專注核心業(yè)務，選擇市場專業(yè)、靈活的直播服務商。

技術(shù)門檻高，技術(shù)上涉及分布式存儲、分布式計算、視頻編解碼技術(shù)、視頻加密、CDN分發(fā)等多個技術(shù)棧，開發(fā)運維人力和時間成本難以承受。

運營成本高，視頻直播業(yè)務突發(fā)特性，自建視頻直播分發(fā)業(yè)務難以滿足帶寬彈性需求，造成運營成本高，直播內(nèi)容安全人工審核帶來高昂的運營成本。

二 阿里云視頻直播服務架構(gòu)

阿里云視頻直播是基于領(lǐng)先的內(nèi)容接入與分發(fā)網(wǎng)絡和大規(guī)模分布式實時視頻處理技術(shù)打造的音視頻直播平臺，提供易接入、低延遲、高并發(fā)、高清流暢的音視頻直播服務。

如上圖，主播通過采集設備采集直播內(nèi)容后，通過推流SDK推送直播流，視頻直播服務通過邊緣推流的方式將直播流推送至阿里云直播中心，推送的視頻流通過CDN邊緣節(jié)點進行加速保證上行傳輸?shù)姆€(wěn)定性。視頻流推送至阿里云直播中心后，可按需對視頻流進行轉(zhuǎn)碼、時移、錄制、截圖等處理。處理好的視頻流通過CDN內(nèi)容分發(fā)網(wǎng)絡，下發(fā)至觀眾的設備中進行播放。移動端的播放設備可以集成阿里云提供的播放器SDK進行開發(fā)。直播視頻除了可以進行轉(zhuǎn)碼截圖等操作外，還可以進行直播轉(zhuǎn)點播的操作，將錄制下來的視頻轉(zhuǎn)至點播系統(tǒng)中再進行點播播放和短視頻云剪輯。方便直播與短視頻內(nèi)容生產(chǎn)和傳播的聯(lián)動。

三 視頻直播的核心優(yōu)勢

1 全球加速：一張覆蓋全球的邊緣云節(jié)點網(wǎng)絡

阿里云擁有遍布全球2800+邊緣云節(jié)點，9大直播中心，支持海外業(yè)務無縫布局，通過阿里云搭建的全球?qū)崟r音視頻通信網(wǎng)（GRTN），全世界各地的直播流可實現(xiàn)就近接入，通過高速通道快速傳輸至指定直播中心進行內(nèi)容分發(fā)。

2 極致視聽：自研音視頻技術(shù)確保最佳體驗

阿里云窄帶高清技術(shù) ，針對視頻畫面場景、動作、內(nèi)容、紋理等細節(jié)進行智能分析，例如針對足球賽事中的足球、隊員、草地進行不同策略的編碼優(yōu)化，在畫質(zhì)輸出的同時，降低碼率，節(jié)省帶寬成本20%~40%。

左圖人物畫面是普通轉(zhuǎn)碼，右圖人物畫面是窄帶高清轉(zhuǎn)碼。當觀眾看到這幅畫面時，焦點在人物臉部，智能分析會把更多的碼率分配在人臉上從而實現(xiàn)整個人臉的紋理識別，讓細節(jié)更加清晰。然后看下對應碼率分析，當畫面非常復雜的時候，比如左邊畫面非常復雜的時候，碼率是在1.5M~2M之間。當整個畫面慢慢的趨于平靜，比如說足球集團中場休息的時候，就可以通過智能識別來降低這個碼率的消耗。這樣的話平均下來看，整體帶寬就降低了30%~40%。即前面所說在保證畫面更加清晰的前提下節(jié)省帶寬，這就是阿里云的窄帶高清2.0技術(shù) 。

同時，阿里云還有自研實時高性能視頻編碼Ali S265，全面支持H265 1080P高質(zhì)量實時轉(zhuǎn)碼，支持視頻增強算法處理，提升視頻畫質(zhì)。直播編場景下編碼，有一個非常關(guān)鍵的條件，就是說編碼必須達到實時，也就是1小時要能把1小時的視頻轉(zhuǎn)碼，或者更精細的比如1秒，需要把1秒1個的視頻的內(nèi)容給實現(xiàn)轉(zhuǎn)碼，要保證到實時。阿里云S265就能保證1080P高質(zhì)量實時轉(zhuǎn)碼，并且支持視頻的一個增強處理算法，提升整個畫面的一個畫質(zhì)。通過對比發(fā)現(xiàn)，經(jīng)過Ali S265處理后的，動物后面的那個樹樹的那個雪花的細節(jié)明顯就是做了一些增強。在保證實時和圖像質(zhì)量的情況之下做了一個增強的算法處理的，使得畫面整體變得更加清晰，富有層次感。

3 技術(shù)領(lǐng)先：直播技術(shù)不斷創(chuàng)新

低延時直播是在阿里云視頻直播的基礎上，進行全鏈路延時監(jiān)控、CDN傳輸協(xié)議改造、UDP等底層技術(shù)優(yōu)化，通過集成直播播放端SDK，支持千萬級并發(fā)場景下的節(jié)點間毫秒級延時直播能力，彌補了傳統(tǒng)直播3~6秒延時的問題，保障低延時、低卡頓、秒開流暢的極致直播觀看體驗。超低延時直播RTS具有多重的技術(shù)優(yōu)勢，可廣泛應用于各行業(yè)場景，擁有數(shù)百家客戶實踐經(jīng)驗，低延時直播為業(yè)務提升帶來巨大價值。

云導播依托視頻直播、媒體處理服務，對傳統(tǒng)視頻生產(chǎn)工具進行云端再造，融合視頻AI識別、雙語翻譯、多種互動能力，進行視頻導播效果創(chuàng)新，無需采購硬件，隨時隨地使用。云導播提供控制臺、API、Web SDK三類產(chǎn)品，按需接入，便于二次開發(fā)或直接使用，控制臺交互簡單易于上手，低學習成本。支持直播、點播視頻源，及圖片、文檔、頁面等多種內(nèi)容源，最大6路視頻源實時混編。多視角、實時圖文包裝組件、多語翻譯字幕、視頻AI等能力，對直播隨時包裝制作，一鍵同步線上，幫助打造精彩沉浸式的直播體驗。

多機位功能針對活動現(xiàn)場的多個機位進行多路流的融合、切換播放，不同機位流通過視頻幀級別的同步播放，使用戶同時擁有多個觀看視角，不錯過任何精彩畫面?；谏疃人惴ǖ膶崟r自動摳像技術(shù)實現(xiàn)虛擬演播廳，支持多種設備、多機位、異地開播，通過云端摳像合成能力，實現(xiàn)雙屏幕、分屏、畫中畫等開播場景，打造沉浸式直播體驗。用于快速聚合多個視頻節(jié)目，創(chuàng)建輪播臺類型直播間，豐富直播場景和內(nèi)容形態(tài)。支持節(jié)目單的增刪改查功能，支持節(jié)目內(nèi)容的編輯設置。靈活調(diào)用、高效協(xié)同業(yè)務場景落地。

導播臺ET實時字幕，集成導播臺、達摩院ASR、翻譯服務，提供直播流實時多語言語音轉(zhuǎn)字幕服務，支持直播錄制對翻譯字幕的持久化存儲，支持字體、背景、效果、顯示時間等多種參數(shù)設置，支持中、英、法、西、俄多語言模版靈活調(diào)用，字幕實時疊加，將直播語音轉(zhuǎn)為文字，翻譯以字幕形式融入直播流中進行展示。

云導播還支持對直播素材、點播素材、圖片、文字、動態(tài)H5組件素材、AI能力進行融合，重構(gòu)視頻內(nèi)容生產(chǎn)鏈路，以多維度數(shù)據(jù)信息，增強用內(nèi)容豐富度、拓展流量曝光和廣告變現(xiàn)價值。

4 視頻智能：視頻AI功能應用

視頻審核服務基于海量標注數(shù)據(jù)和深度學習算法實現(xiàn)，從語音、文字、視覺等多維度精準識別媒體文件中包含的違禁內(nèi)容，包括色情、暴恐、廣告、不良場景識別等多個功能模塊，同時支持視頻圖像文件內(nèi)容質(zhì)量審核功能，保障內(nèi)容安全。

推流SDK是基于阿里云產(chǎn)品的內(nèi)容分發(fā)網(wǎng)絡和音視頻實時通訊技術(shù)，提供簡單易用的開放接口、網(wǎng)絡自適應的流暢體驗、多節(jié)點的低延遲優(yōu)化、功能強大的實時美顏等音視頻直播技術(shù)服務。智能美顏是基于智能視覺算法、海量規(guī)模的人臉檢測和識別技術(shù)，提供美顏、美型、美妝、濾鏡貼紙等編輯加工能力。自研的人臉關(guān)鍵點定位技術(shù)，涵蓋106個基礎點位、280個高精度點位，效果真實。持續(xù)優(yōu)化的智能視覺算法和實時渲染技術(shù)，保證自然流暢的使用體驗。持續(xù)升級的美顏美型、濾鏡貼紙玩法，不斷擴充的素材庫，創(chuàng)造更多樂趣。完善的開發(fā)者支持，快速響應客戶需求，提供優(yōu)質(zhì)可靠的服務。

5 安全穩(wěn)定：多種安全策略確保直播視頻安全

視頻直播支持訪問控制，如Refer UA黑白名單、IP黑白名單等。支持播放中心鑒權(quán)和業(yè)務方遠程鑒權(quán)，播放中心鑒權(quán)即推流和播放的URL鑒權(quán)，安全URL鑒權(quán)支持自定義的鑒權(quán)Key和鑒權(quán)失效時間，動態(tài)生成鑒權(quán)URL。業(yè)務方遠程鑒權(quán)是透傳業(yè)務請求信息給客戶自定義的鑒權(quán)中心判斷合法性。

通過主備流切換，實現(xiàn)正常直播的可靠穩(wěn)定，整個切換過程簡單易操作。阿里云視頻直播服務還支持通過EdgeScript實現(xiàn)自定義鑒權(quán)，簡單方便，客戶可以根據(jù)業(yè)務特征自定義，部署上線快。EdgeScript可在直播CDN邊緣節(jié)點執(zhí)行自行編寫，客戶無需關(guān)心代碼部署的機器硬件配置、部署region、調(diào)度和彈性擴容，代碼一經(jīng)上傳，即可完成全球阿里云直播邊緣云節(jié)點的部署，在全球邊緣執(zhí)行，根據(jù)代碼邏輯個性化處理全球各地的請求。

直播視頻加密是云端一體的視頻加密解決方案，采用私有加密算法，對視頻流加密確保視頻流安全傳輸。支持行業(yè)通用DRM加密，支持多終端、多平臺、全方位進行版權(quán)保護。該加密方法擁有獨立加密密鑰，避免單一密鑰泄密引起大范圍的安全問題，支持加密轉(zhuǎn)碼+解密播放，動態(tài)密鑰管理更安全地保護視頻資源，可有效防止視頻泄露和盜鏈問題。數(shù)字水印技術(shù)在直播視頻中應用，實現(xiàn)大型賽事直播版權(quán)視頻內(nèi)容搬運侵權(quán)的取證、溯源和追責。

為滿足客戶運維需求，阿里云支持對直播推流質(zhì)量，觀看用量，錯誤狀態(tài)，觀看人數(shù)，播放流量帶寬，播放質(zhì)量等秒級實時的管理，超低的延時率可及時獲知直播過程中的異常狀況。通過實時日志推送功能，將直播域名日志實時推送至日志服務，并進行日志分析，便于快速發(fā)現(xiàn)和定位主播推流問題，或者分析直播觀看用戶數(shù)據(jù)為運營策略提供依據(jù)。

四 視頻直播的應用場景

按照應用分類，視頻直播典型場景有大型體育賽事直播、泛娛樂直播（秀場、游戲、社交）、電商直播、晚會活動直播、在線教育直播、企業(yè)直播等。

1 大型賽事直播

適用場景：奧運會、世界杯、體育賽事、電子競技等大型賽事直播場景。

場景訴求：提供高可靠、高品質(zhì)、低延時的直播服務。支持千萬級并發(fā)穩(wěn)定流暢觀看，全鏈路災備與應急預案，影院般沉浸式觀看體驗。

絕對穩(wěn)定：主備推流，異地雙中心容災，多碼率對齊，httpDNS+302調(diào)度，多種方案保障直播穩(wěn)定。

內(nèi)容升級：智能生產(chǎn)自動剪輯生成比賽集錦；秒級時移回看，精彩內(nèi)容絕不錯過；賽事片頭、片尾插播，品牌 LOGO 露出，視頻廣告融合播放，云導播助力巨大流量下品牌營銷與變現(xiàn)。

極致流暢觀看體驗：窄帶高清 2.0 提供影院般的畫質(zhì)享受。50幀極清給用戶更流暢的沉浸式賽事觀看體驗。合流方案，在云端對多路流進行匯聚優(yōu)化，動態(tài)生成幀率最好的一路流輸出。

直播安全：直播DRM保障內(nèi)容安全，通過全鏈路災備與應急預案等保障手段，保障千萬級用戶并發(fā)的視頻直播和彈幕互動的流暢體驗。

2 泛娛樂直播

使用場景：秀場直播（唱吧直播，脫口秀）、UGC視頻（生活，娛樂直播，視頻交友）、游戲直播解說。

場景訴求：秀場、游戲、社交直播，為全球文化娛樂傳播行業(yè)客戶提供低成本的直播轉(zhuǎn)碼、分發(fā)能力，助力客戶快速進行全球范圍內(nèi)的活動直播。

直播端能力：主播通過手機、PC終端推流，觀眾通過終端進行觀看。阿里云直播提供推流SDK和播放SDK，內(nèi)置美顏美妝功能。

直播服務端能力：GRTN傳輸網(wǎng)絡和實時轉(zhuǎn)碼能力保障百萬并發(fā)觀眾都能看到穩(wěn)定、流暢、高畫質(zhì)的直播內(nèi)容。

主播與觀眾互動：直播間點贊、評論、連麥互動。

智能審核方案：根據(jù)用戶管控尺度，靈活調(diào)整策略進行視頻畫面黃反審核。多種識別方案，有效匹配多種語音場景。針對特定廣告事件進行定時管控，識別變種廣告。有效識別靜態(tài)無意義視頻內(nèi)容，提高運營管控效率。

3 電商直播

適用場景：商城直播（產(chǎn)品介紹、曬單分享、最大化完成售賣轉(zhuǎn)化）、微商互動（“直播+互動“的模式，通過社交傳播，助力商品快速變）。

場景訴求：直播帶貨最重要的兩個能力一個是直播能力，一個是互動通信能力。通過直播能力，觀眾能觀看直播流；通過互動通信能力，觀眾能在直播間里參與實時互動。

直播端能力：主播通過手機、電腦、專業(yè)設備進行推流。觀眾通過手機、PC、Web、小程序進行觀看。

直播服務端能力：通過就近接入直播收流和加速分發(fā)，保障全世界買家都能看到穩(wěn)定、流暢、高畫質(zhì)的直播內(nèi)容。

直播錄制與回放：把直播過程中商品精彩介紹生成短視頻，直播結(jié)束后也可以沉淀為精彩內(nèi)容促進售賣轉(zhuǎn)化。直播時移支持直播過程中任意精彩內(nèi)容按需回看，買家可以隨意拖拽時間軸回看錯過的精彩直播。

主播與買家互動：賣家觀看直播過程中會實時咨詢寶貝信息、評論等互動交流。直播中進行秒殺、抽獎和紅包互動營銷。直播流端到端延時1秒或更低。

4 晚會活動直播

適用場景：面向新聞類、體育類、綜藝類等晚會、活動直播。

場景訴求：高質(zhì)量高可靠晚會、活動直播，呈現(xiàn)超高清、杜比全景聲、大規(guī)模全球分發(fā)的視頻直播視聽盛宴。

更高清+杜比全景聲：使用4K高清轉(zhuǎn)播車進行信號傳輸和杜比全景聲，讓屏幕前的觀眾聽到的聲音，“比現(xiàn)場觀眾還真實”。在用戶投身購物狂歡的同時，也收獲了視聽觀感上的雙重享受。

高可靠：通過雙路SRT回傳技術(shù)，確保如主路信號源發(fā)生異常，切換到備路后能夠繼續(xù)保持前后畫面同步，真正做到無縫切換，從而保障重要節(jié)目源在復雜的網(wǎng)絡中高質(zhì)量傳輸，將精彩內(nèi)容更低成本、更穩(wěn)定、更快速、更完整地送到用戶屏幕前。

5 在線教育直播

適用場景：成人教育大班課。

場景訴求：需要支持不同地區(qū)不同網(wǎng)絡情況下學生都能穩(wěn)定觀看高質(zhì)量直播課；低延時直播保證師生互動效果（低延時直播流和消息互動保持同步）；直播安全為核心教學內(nèi)容保駕護航。

海量直播并發(fā)支持：支持千萬并發(fā)觀看，全球 2800+ CDN 節(jié)點覆蓋，150T帶寬儲備，專線保障跨國直播質(zhì)量。

直播回放錄制：云端錄制課程直播內(nèi)容，生成回放文件可隨時查閱觀看。直播時移支持直播過程中任意精彩內(nèi)容按需回看。

直播互動答疑：老師和學生的互動促進提升在線教育課堂授課效果。一體化SDK支持互動連麥、評論發(fā)言、群組管理等功能。

直播安全防盜：支持URL鑒權(quán)、遠程鑒權(quán)、阿里加密、DRM加密等鏈路和內(nèi)容加密功能，按需使用保障內(nèi)容安全防盜播，防范內(nèi)容。

6 企業(yè)直播

適用場景：企業(yè)營銷直播、金融直播場景。

場景訴求：非專業(yè)直播機構(gòu)，沒有完善的線下演播室，需要云端支持多機位、導播、虛擬演播室完善直播內(nèi)容；同時是低延時強互動直播。

短延遲互動直播，營銷效果佳：企業(yè)營銷直播、金融直播場景需要功能齊全、高性價比、超低延時直播帶貨，支持百萬級高并發(fā)，端到端延時1秒。互動更及時，搶紅包秒殺帶貨更流暢，提升GMV和用戶轉(zhuǎn)化。

云端視頻處理，直播更專業(yè)：營銷直播更有針對性的提前進行直播內(nèi)容策略與準備，直播內(nèi)容豐富度和專業(yè)性更強。云導播支持點播和直播源融合切換，在直播過程中可無縫穿插精品點播宣傳片等內(nèi)容。虛擬演播室更能支持多種設備、多機位、異地開播，通過云端摳像合成能力，實現(xiàn)雙屏幕、分屏、畫中畫等開播場景，打造沉浸式直播體驗。