目前大火的视频直播，凭借其强大的荷尔蒙作用，已经证明了不仅能够满足用户的需求，还能够引导甚至制造用户需求，形成一波热潮。但千篇一律的网红脸让很多网友都开始视觉疲劳。于是，不少商家平台开始将目光瞄准多人纯语音聊天市场。那么，多人语音直播聊天的市场能够满足用户哪方面的需求呢？和视频直播相比，又有哪些优势和特点呢？概括起来，直播主要可以满足用户两个方面的需求：娱乐需求和价值需求。

多人语音聊天场景技术难点

视频聊天时候，因为可以看到彼此，对声音也不那么在意。而纯语音聊天时，人注意力都放在声音上，对音质的要求更高。

1)整体稳定的技术

语聊的技术门槛相对较低，多人语聊和特定场景相对复杂，技术实现难度比较大。以pia戏为例，如果经常出现卡顿、延迟和听不清的情况，会将营造的剧情气氛破坏殆尽，主播时不时要退出重新登录，无法全身心投入，用户听到的是断断续续的声音，不能沉浸到剧情中。音视频引擎，通过抖动缓冲技术、前向纠错技术、丢帧补偿技术减少网络抖动和弱网环境下的延迟，保障语音通话低延时且清晰。让用户在复杂网络环境和多类型手机的情况下，也能实现畅通优质的语音通话。

2)多人聊天的语音前处理

以KTV语聊房为例，在房间当中，有人说话声音、歌声、伴奏都在房间呈现，每个人所处的地方，所用的设备也不一样，这就有很大可能出现回声、噪音，或是某个人设备不是很好，发出的声音很小。语音前处理3A技术：回声消除(AEC)、噪音抑制(ANS)、音量增益(AGC)，杜绝回声和啸叫，降噪而无损音质。这样歌者能展示甜美歌声，听众也有良好的听觉享受。

3)媒体次要信息同步

而在KTV类的场景中，AB两人轮麦合唱，如果轮到B唱歌时发现歌词没同步，就很难唱下去。这当中技术难点就在于歌词等媒体次要信息是否能做到同步。支持将非媒体信息注入媒体流中，歌词等媒体次要信息和音视频信息放在同一个媒体通道传输的，做到歌词与歌声同步展示效果。

开发语音聊天平台的技术关键点

语音聊天室需要为用户提供长时间、高频次语音连麦互动功能，在网络抖动时保证语音通话流畅、延迟小、卡顿低、音质好。因此开发语音聊天室，一些技术关键点需要关注，如：频繁麦位切换：抢麦、跳麦、麦位排序、抱麦、上麦、下麦等是典型场景，复杂的麦位逻辑需要详细设计，否则影响会产品体验；

高并发：应用高峰一般会出现在午休时刻、晚上或者周末，音视频通话发起、接听数会瞬间爆发增长，如果音视频架构不能支持海量并发，那么通话发起或者接听不成功、丢包、卡顿、延时等现象出现几率极高；

卡顿：通常是由丢包引起，涉及到音视频编解码性能质量，并且端到端的传输链路设计都会对卡顿造成影响；

时延：通话延时大于150ms时，就会影响通话质量通话连续性影响，当最大时延大于400ms，基本听不到对方讲话；

音质：噪声、回声、听不清、无声等音质问题，特别影响用户体验，提高音质，适配机型、适配音频编解码、调优性能等工作需要重视。

房间：用户进行多人实时音视频通话的地方

房主：音视频房间的创建者或者管理员

连麦者：在多人通话时参与语音互动，发言的人，可以发送语音，接收其他连麦者、房主语音

观众：只可以收听的人，没有发言的权限，其中连麦者和观众身份可以随时切换。

（文/布谷科技-封百前）