Boxing的制胜关键是快、准、稳，与“音视频开发”有异曲同工之妙。

数字化浪潮席卷、视频化形态加速、终端性能挑战加剧、端侧算力遭遇瓶颈......

是否存在一种可能性，让所有企业从复杂的音视频开发工程中抽身，重新回归业务本身？

一站式音视频服务如何获取？冗长繁琐的SDK接入流程怎样简化？能否在降低开发门槛的同时，依然掌握主动权？

场景智能，会是下一个风口吗？

面向场景建设音视频技术能力，如何释放更多“数字生产力”？

应对多样化，音视频终端套件如何满足“千行千面”？

本文由IMMENSE、「阿里云视频云」媒体服务应用端负责人洪炳峰和LiveVideoStack策划、采访而成。

01 掀开数字化浪潮的一面

当谈论行业数字化时，我们在谈论什么？

过去几年中，行业数字化建设如火如荼。

据权威数据，65%的行业数字化信息来自视频，另外，还包含5%的音频信息。不得不说，音视频技术对于行业数字化来说，至关重要，而音视频数字化也正是行业数字化的先行之态。

昭然可见，承载于云计算的音视频技术，正向各行各业加速渗透，从消费互联网，转向教育、医疗、金融、零售等传统行业，产业互联网纷纷掀起音视频数字化风潮，远程监考、远程医疗、制造监控......视频化早已是万象之风。

更关键的是，这些新场景的涌现，在不停催生对音视频能力的新诉求。显然，行业音视频数字化，不再单纯依赖某几个单独的PaaS原子能力，而更需要音视频能力的有机组合。

于是，场景化的音视频方案，迫在眉睫。

我们发现，随着音视频应用场景深化，对“多SDK”的需求逐渐成为“标配”。

往往一个音视频场景，需要不同SDK协同运作，如直播推流+播放，短视频拍摄+播放，直播+RTC实时互动等，但，动辄数月起步的开发周期让众多企业望而却步。

当然，不只是开发周期一个痛点。所以，当我们在谈论行业音视频数字化时，谈的是众多痛点的攻破。

音视频开发，需要一套有力的「组合拳」？

面对庞大的音视频开发工程，企业落地的痛点显而易见：

音视频开发门槛高。

音视频看似常见，却是一个专业度极高的领域，尤其在端侧开发更需要丰富技术经验，而音视频人才又相当紧缺，企业大多都无此储备。

多SDK接入复杂。

每个SDK都需要分别对接、分别授权，且SDK接入能力的原子化，更提升了多SDK互相适配的难度。

海量设备兼容困难。

在行业视频化进程中，更多“轻量化”需求随之而来，Web/小程序等端形态在很多场景下愈发关键。如何保障海量多端设备的SDK兼容性，也变得愈加困难。

基于这些行业趋势和挑战，企业的音视频诉求可总结为：高易用、高性能、场景化、多端化的多SDK组合及方案。

直面音视频数字化浪潮，想要解穴所有痛点，一套Media“组合拳”亟需引入，以便让更多企业走出“音视频开发困境”，重新将视线对焦自身的业务逻辑。

02 重新定义「高易用」

MediaBox，音视频开发的百宝箱？

为了彻底解决音视频开发痛点，阿里云视频云推出MediaBox音视频终端一体化套件，作为媒体开发利器，可以助力企业加速音视频数字化进程。

MediaBox，顾名思义，是一个包罗万象的音视频魔盒，核心包括一体化的音视频终端SDK和一系列面向不同场景构建的AUI Kits低代码方案。

MediaBox音视频终端SDK，以统一的技术底座，让所有音视频SDK在一体化架构下深度融合，实现完全自由灵活组合的同时，将Size极致化降低。同时，打通多端底层架构，实现多端一体化，做到一套代码多端复用，目前已覆盖iOS、Android、Web、Win、Mac等端。

MediaBox低代码开发AUI Kits，是包含UI的低代码集成方式。在SDK基础上，AUI Kits封装了场景化的UI实现，并配套实现App Server与UI联动，整体构建了端到端的场景化方案。

依托于阿里云视频云强大的PaaS云服务和底层网络技术，MediaBox就如同一只百宝箱，可对音视频能力随取随用、自由组合，而且Size薄如蝉翼，轻松应对行业音视频数字化中的各种疑难杂症。

谁来掌握开发主动权？

音视频终端套件的易用、便捷、高效是基础。而MediaBox通过SDK灵活组合、AUI Kits低代码接入、开源开放、支持二次开发，刷新了对「高易用」的定义。

➤ SDK简易又灵活

MediaBox提供超过15种的SDK组合形式，根据应用场景的不同，可自由选配相应音视频能力的SDK，并且只需对接一次，经过一次License授权即可使用，极大简化SDK接入流程。

➤ AUI Kits小时级上线

作为音视频服务的端到端方案，AUI Kits将多SDK和云PaaS能力进行场景化封装，打包输出场景功能组件和相对完整的UI实现。

通过“低代码”方式快速接入并跑通，可将月/周级的集成时间缩短为小时级，大大降低了企业的接入成本。企业无需关心音视频SDK的复杂逻辑和最佳实践，而能更专注于自身的业务实现。

➤ AUI Kits开源开放、个性定制

除支持敏捷开发外，AUI Kits还在原来的低代码音视频工厂之上，进行全新升级：

提供开源开放的UI和App Server源码，允许客户二次开发，自定义打造品牌标识和视觉风格，实现个性化业务定制，让企业在降低开发门槛、缩短开发周期的同时，依然能够掌握开发主动权。

相对以往低代码音视频工厂追求的更快速之上，MediaBox更聚焦高度的灵活和易用。

值得一提的是，AUI Kits方案当前是免费的，企业只需为PaaS能力付费，即可拥有接近SaaS的接入体验，享受PaaS的低成本优势。

“高易用”的音视频开发工具正在被重新定义。MediaBox以灵活、快速、敏捷、个性化、低成本的方式，助力企业一站式极速获取音视频能力。

03 不止「工具」

在「高易用」之上，工具的另一项使命是？

音视频开发工具，既要保证接入前的“高易用”，也要满足接入后的“极致好用”。

企业对音视频的期待是高流畅、低延时、超高清、强稳定、低成本。

基于此，MediaBox以高可用的稳定性体系，统一的数据指标体系、完善的自动化测试体系，不断优化音视频终端基础性能和核心指标，为客户提供极致体验。

为了保证线上的高效运维，MediaBox还建设了端到端的全链路排障工具，通过智能分析，快速定位问题出现的链路节点，更快发现、排查和解决问题。

同时，云和端的深度融合，让音视频的“极致好用”更上一层楼。

结合底层网络，AI技术以及云端处理能力，阿里云视频云打造了云端一体、端到端、全链路的整体方案，满足不同客户的音视频场景需求。

正如MediaBox与多元融合流媒体传输网络MediaUni的“强强联手”，能为客户提供从5-6s的普通直播，到1s以内延时的超低延时直播RTS，再到60ms的元渲染业务支持，不同端到端延时选择，满足企业的多样化业务需求。

拥有“场景智能”的工具，才是未来 ？

随着AI大模型的发展，一些轻量化模型在终端运行也将成为必然趋势，AI模型在行业化的落地过程中，会衍生出更多端智能能力。

而MediaBox在场景化实践中，同样基于端智能技术，不断创新突破。

例如，在播放器SDK中，智能预加载会利用智能算法，基于当前网络状况、用户滑动行为、历史播放行为等信息，动态控制预加载缓存、内存缓存大小，可以节省预加载流量，提升预加载内容的使用效率，达到成本和体验的极致平衡。

随着更多场景的深入，MediaBox将进化出更多场景智能能力。

例如，在远程教学一对多场景中，学生专注度下降导致教学效果差，是远程教学的永恒痛点。

在此背景下，MediaBox推出专注度智能检测SDK，能够实时检测学生的状态变化，将学生的专注度反馈给老师，帮助老师及时感知学生上课情况，提升整体教学效果。

场景智能，为业务赋能带来了更多可能性。音视频终端套件，不止是单纯的开发工具，更是行业的创新型端口，以最轻量的方式，赋予场景全新的数智化能力。

04 万象世界，一“器”当先

开发工具，可以满足“千行千面”？

“行业数字化”高歌猛进的背后，是对行业场景的深刻理解。

回顾音视频技术发展历程，音视频在互娱行业中发展壮大，场景相对简单且成熟，对音视频能力的要求也相对通用。

当音视频向更多传统行业渗透时，由于传统行业由一个个不同场景构成，各场景特点不同且具备明显的行业属性，因此，面向不同行业、不同场景、不同特点，来建设一体化的音视频能力，才能更好满足行业数字化需求。

目前，阿里云视频云已针对不同行业场景，推出MediaBox多场景AUI Kits方案和多SDK，包括直播场景的娱乐直播、电商直播、企业直播，互动场景的远程监考、互动课堂，通信场景的语聊房、KTV以及点播场景的短视频、长视频等。

➤ 在教育行业，为远程教学场景而生的互动课堂AUI Kit方案，支持学生专注度智能实时检测，1万+学生实时白板互动，50+实时连麦，10万+学生实时观看，满足大班课、公开课等场景需求。

➤ 在零售行业，各大零售商都在尝试建立私域流量池，或自建APP进行直播带货。电商直播AUI Kit方案，提供丰富的互动直播功能，支撑多家企业从0到1快速构建直播电商业务。

➤ 在汽车行业，新车发布场景广受关注，企业直播AUI Kit方案，助力企业快速搭建直播间功能，打造面向全球车友的重磅新车发布会直播，并保障数十万并发下的优质播放体验。

➤ 在数字阅读行业，除传统文字阅读之外，把文字剧本转为短剧播放成为新风尚，短视频AUI Kit，基于点播场景的能力诉求，设计与实现了一站式短视频制作播放解决方案。

➤ 在沉浸式场景，VR全景播放SDK，采用FOV的方式传输音视频数据，可以在提升流畅度的同时，降低带宽成本，同时结合空间音频，实现极致的沉浸式音视频体验。

可以看到，MediaBox的超能量正在向众多场景释放，而更多行业、场景正需要这样的音视频数字化加速“利器”，以打开新的机遇和空间。

云上艺考，是教育数字化的缩影？

阿里云视频云远程智能监考方案，可作为“音视频数字化”在教育行业有效探索中的一个缩影。

随着“艺考热”的持续升温，组织大规模线下考试不仅需要投入大量人力物力，还需要考生承担长距离线下赴考的时间、经济成本，而很多艺考生往往需要短期奔赴多个学校，这更加剧了负担。但“线下”对于“艺考”这一特殊类型，是惯例的必要。

MediaBox的场景方案，让所有的艺考生都不必应对这样的苦楚。

阿里云视频云通过远程监考AUI Kit方案，联合生态伙伴搭建远程监考平台，成功支撑中国美院今年的本科“云上艺考”，强稳定保障海内外4万+考生顺利完成线上艺考。

以低代码方式快速集成，远程监考AUI Kit方案提供监考端和考生端的开源组件、架构设计指南，大大降低接入门槛。在端侧覆盖上，覆盖iOS/Andriod、网页、钉钉应用和微信小程序多端，保障远程监考场景下的“高易用”。

基于全球3200+节点的底层网络，以及强大的媒体处理能力，远程监考平台可承载10万+考生同时在线，实现监考端视频延时1.5秒内、1对1通话延时400ms内，全方位满足高可靠、高并发、低延时、高清晰度的“极致好用”。

同时，在这样的云考试场景中，也蕴育出新的“场景智能”，阿里云视频云就此开发推出智能防作弊SDK。

相比传统防作弊，是在云端分析视频截图，分析量大，耗时久，成本高。而智能防作弊SDK，是在端侧实时检测，包括人体行为检测、电子产品检测、衣服检测、环境检测等，快速上报，速度更快，成本更低，目前已覆盖Android/iOS/Web等多端设备。

艺术类考试与其他线上机考不同，要求将主机位画面囊括整块画板以及考生侧脸，但机位不同产生的算法调优会更为复杂。而智能防作弊SDK以原子化接入的方式，提供多种端侧实时检测能力，并可根据不同考试场景需要，动态开启、灵活选用，定制化满足线上考试的诸多场景类型。

正是源于对行业音视频场景的深度理解，才能革新解决行业痛点和打开场景新空间。

MediaBox走向更广的行业场景、探入更深的场景能力，未来离不开与行业生态伙伴的共同创造。此次LiveVideoStackCon，阿里云视频云也将发布新的生态合作计划，期待与更多生态伙伴携手，打开行业音视频数字化的万象世界。

作为加速“利器”，MediaBox如何实现行业音视频数字化的新升级？

7月28日下午

LiveVideoStackCon2023上海站

阿里云视频云专场

阿里云智能资深技术专家带来演讲

《MediaBox：行业音视频数字化再加速》

释放音视频场景的“数字生产力”！