近几年来，电商直播已经成为了双11促销活动中的重要形式。作为国内电商直播中的佼佼者，双11刚过，抖音便公布了“抖音双11好物节数据报告”。从报告来看， 10月27日至11月11日，抖音电商直播间累计时长达2546万小时，直播间累计观看395亿次，消费者品质购物需求旺盛，老字号产品、地方农货、非遗手工艺品销量增幅显著。在抖音超人气的流量背后，是字节跳动电商直播技术团队对技术的不断打磨。近日，关注音视频技术的LiveVideoStack采访了字节跳动直播团队中负责直播客户端SDK团队的徐鸿，请他来给大家揭秘双11抖音电商直播背后的技术实践，同时徐鸿也分享了他对音视频技术未来发展趋势的看法。
字节跳动
技术访谈
#010#
LiveVideoStack: 徐老师，请问您目前在字节跳动直播团队负责什么工作？
徐鸿：主要负责直播客户端SDK团队，也就是直播音视频的生产端和消费端，第一公里和最后一公里。
LiveVideoStack: 双11购物节应该是电商直播团队一年中最忙碌的时候，为了备战双11，你们通常会做哪些工作？
徐鸿：为了备战“抖音双11好物节”，我们会做大量的准备工作，主要包括：
- 对直播的带宽资源进行预估、预留；
- 对服务进行压测、封版；
- 对大主播的方案review、链路检查、资源调度；
- 有跨区域直播的场景，我们会采用云导播的技术进行场景切换。
LiveVideoStack:在双11时，面对类似老罗（罗永浩）直播这样复杂的项目，字节跳动直播团队有哪些杀手锏？
徐鸿：对一些重要的大型直播我们有比较完整的灾备重保体系，包括现场的导摄推流以及线上的转码、流量分发等环节。当然，现场大部分头部直播团队已经做得非常专业，有专业的导播团队，我们主要是在线上进行重点保障，主要包括DNS的容灾、CDN传输节点的容灾、转码的容灾、分发线路的容灾以及容量的容灾等。另外字节跳动硬件团队打造的直播一体机，可以很方便地实现：
- 绿幕抠图算法，主播可以更换背景减少直播间布置成本，增加直播信息量（如电商直播介绍产品）。
- 音频远场、近场两套算法架构，支持一体机从45cm～1.2m距离的拾音需求。耳返、闪避音频算法为主播在唱歌、聊天时提供了更专业的能力。
在部分头部的直播间试用后，画质、音质上均实现了不错的效果。
字节跳动直播一体机
LiveVideoStack: 同去年相比，今年双11在主播端和观看端，有哪些新的玩法？电商直播有哪些新的趋势？
徐鸿：
- 抢购明显多了，甚至出现了拍卖的形式，这也是一种趋势，对延时的要求会更高。
- 画质更好，主播不再是单纯地讲PPT，会有一些商品的特写，对直播质量要求更高。
- 很多主播都使用了绿幕抠图的功能，把真实的背景替换成效果更好的字幕+图片/视频；在场地的选择和创意上，有更多的想象空间，从而达到了更好的带货效果。市场上也出现了一些硬件设备，方便用户快速实现绿幕抠图的功能。
- 虚拟偶像带货，比如洛天依、我是不白吃等主播，已经可以实现和真人主播一样随时和观众互动，新颖、好玩，吸引了很多二次元的用户。
LiveVideoStack：我们都知道，电商直播的实时性非常强，对技术的挑战也更大，尤其是在做秒杀活动的时候，任何的延迟和卡顿都将带来巨大的灾难。目前抖音的电商直播是如何解决延迟和卡顿这两大问题的？目前的延迟可以低到什么程度？
徐鸿：延迟和卡顿一定程度上是互斥的，我们通过优化拥塞控制后的QUIC等传输协议、上行带宽自适应、上行和下行的节点优选、CDN内部链路的传输优化、播放端的ABR、缓冲区自适应等方式，平衡了电商直播对延迟和卡顿的要求。另外，我们还通过编码算法的优化、窄带高清、播放端超分等技术，达到用更低的带宽也可以给用户展现更高清的视频，从而更好地平衡卡顿。这里提到的优化手段都是经过线上A/B实验，通过用户“投票”的方式选择的方案。目前大部分电商直播间的延迟在3s左右，部分直播间可以到1s以内。
LiveVideoStack：除了粉丝众多的头部主播外，很多中小主播在直播时也很有可能出现大量用户涌入的情况，而且这种突然涌入是无法预测的，你们是如何处理这种“突发状况”的？
徐鸿：我们有实时的热流检测以及CDN的容灾能力，当大量用户涌入时会自动启动更多的线路进行分发，在极端情况时也会考虑通过转码降低码率等手段。
热流检测有两种手段，一是通过客户端的日志进行直播流维度的聚合，统计出单路流的观众并发数；二是通过业务方的房间数据作为判断。
LiveVideoStack：双11期间，经常会出现直播间内上百万用户流量的并发，这个时候如果出现直播故障，你们会如何应对？如何做到快速感知和修复？
徐鸿：重要的活动或者并发很大的活动会提前申请重保，这类直播我们会有专业的团队对直播稳定性和质量进行保障。有无损的自动容灾机制，出现问题也能第一时间降级。
一般直播出现的问题我们也能自动容灾掉，容灾机制还在不断完善中。质量故障报警已经做到分钟级。
LiveVideoStack: 您还有哪些字节跳动电商直播的最佳实践可以分享给我们的读者？
徐鸿：
- 电商直播和普通直播越来越差异化，比如刚才提到对延时和画质的追求。
- 特别是画质方面，很多算法不再适用，有些美颜、锐化会让商品失真，我们也会使用ROI（Region of Interest）检测与编码的技术对视频进行显著性区域检测，对主播和商品等用户更感兴趣的区域分配更多的码率，从而达到更好的视觉效果。此外，我们还做了转码端的窄带高清和播放端超分的后处理，使观众端可以看到的视频甚至比原始采集到的视频更清晰。
- 字节直播在硬件上打造的一体机，在头部直播等场景下稳定性、音视频质量上均得到了很好的验证。
LiveVideoStack：随着5G时代的来临（5G意味着低延迟和大带宽），您认为在电商直播这个领域，还会出现哪些技术上的突破？
徐鸿：延迟上肯定会继续降低，1s以内已经成为现在时；在传输效率上，AV1/H.266等编解码标准为更高清的视频提供了可能性，已经开始商用、落地，值得一提的是，目前火山引擎也已经落地业界首个H.266端云一体视频解决方案；自由视角/光场视频等提供了更“真实”的交互感，可以让用户最大程度身临其境体验现场气氛；全景声也可以更好地还原主播端层次更丰富的真实声音，达到“声临其境”的效果；虚拟偶像的直播卖货的形式新颖、好玩、可爱，更受年轻朋友的喜爱。
策划：包研
编辑：Alex