1.1.3 音视频技术的未来展望

通过回顾信息技术和音视频技术的发展历程，我们有理由相信，当下的音视频技术的现状不会成为发展的终点，在未来必将有新的技术产生，并伴有新的业务形态出现。笔者认为，未来音视频技术的发展趋势如下。

1.追求极致播放体验的超高清、高码率和高帧率视频

在电视、计算机和网络视频兴起的早期，由于存储介质价格、网络带宽，以及拍摄和播放设备规格的限制，视频流只能使用极低的分辨率、帧率和码率进行传输。例如，早期部分视频采集设备的标准采样分辨率仅为358像素×288像素，甚至更低，如176像素×144像素。而今，1080P（1920像素×1080像素）的视频分辨率几乎成为标配，部分场景甚至已经使用4K（3840像素×2160像素）或8K（7680像素×4320像素）作为标准分辨率。同样，为了减轻网络传输压力，早期视频的帧率通常被限制在30fps甚至更低，而当前的部分场景已经开始使用60fps甚至120fps 进行拍摄，以求达到更加流畅的播放体验。视频技术取得如此快的发展是因为有以下几大前提：存储技术的进步、网络传输带宽的提升、设备运算能力的提升、显示设备制造工艺的进步等。未来，随着超大屏、超高分辨率拍摄和显示设备的普及，更加极致的播放体验将继续成为消费者下一步的需求，而这也对音视频技术的发展提出了新的挑战。

2.低延迟流媒体传输

由于没有用于信号传输的专用网络，所以网络流媒体的传输质量和实时性一直不尽人意。近年来，随着WebRTC等知名开源项目的普及，音视频实时通信逐渐开始产业化，并在视频会议、远程办公等领域取得了较大进展。2020年，全世界的线下交流在相当长的时间内几乎完全冻结，在这种条件下，实时音视频通信承担了大量如会议、教学等原本在线下完成的业务，人们的生活和观念都发生了巨大改变，未来对实时音视频通信的需求极可能继续延续甚至发展。因此，未来流媒体传输必须解决困扰机构与消费者的几大痛点，如在部分场景下，视频发送和接收间仍有较高的延迟；当网络卡顿时，用户体验仍不够好等。

3.新型媒体显示设备形态

随着技术的发展，音视频信息的显示介质逐渐突破了电影、电视、计算机显示器和智能手机等平面显示设备，开始出现多种新型的显示形态。其中，最典型的有虚拟现实及其他一些可穿戴智能设备等。

虚拟现实（Virtual Reality，VR）是一种通过计算机以虚拟的方式模拟现实场景的技术。通过计算机的复杂运算，VR设备生成一个虚拟的三维空间，并通过VR显示设备在用户眼前显示。当用户进行位置移动等操作时，VR设备通过实时运算改变模拟的场景，呈现给用户近似于完全逼真的视觉交互体验。目前，已上市的VR技术多以视觉体验为主，通过专用的VR显示设备显示模拟的场景，并通过改变虚拟场景的内容响应用户的交互动作。更完善的 VR 设备还应包含听觉、重力反馈甚至嗅觉等多重感官的集成。当前的技术瓶颈主要有以下几点：

◎ 设备运算能力限制：实时模拟现实场景需要计算机有极强的运算能力，而运算能力的不足将导致VR渲染模拟场景出现延迟，进而导致与用户的交互脱节。

◎ 数据传输带宽限制：VR 虚拟场景的数据量远超过普通的音视频媒体播放，传输带宽的不足将影响模拟场景的显示质量和响应速度，进而影响用户体验。

◎ 显示设备设计限制：当前，多数显示设备都是由普通的小屏显示器改进而成的，对视觉的生理成像机制适应性不足。

随着时间的推移和技术的进步，运算能力更强的设备、更优的网络传输线路将逐渐普及，这些限制因素都有望逐渐缓解乃至完全克服。

可穿戴设备是近年兴起的另一个热门领域，当前主流的可穿戴设备的形态有手表、手环、鞋及服装配件等。由于技术的限制，多数可穿戴设备并未加入摄像或视频播放功能，但在可穿戴设备上增加音视频功能毫无疑问是未来发展的必然方向，部分厂商已经在此领域开始了初步的尝试，最典型的就是Google公司于2013年发布的智能眼镜Google Glass。

通过内置的摄像机，Google Glass既可以实时拍摄高清视频，还可以通过其设计精妙的显示设备在用户的视野中以类似“抬头显示器”（Head Up Display，HUD）的方式显示内容。Google Glass还配置了麦克风和骨传导耳机，实现声音信号的输入和输出，支持以语音控制的方式与设备交互。此外，Google Glass还配备了触控板、陀螺仪、加速器和地磁仪等多种控制设备与传感器，应用空间十分广阔，可以支持多种如基于位置的服务（LBS）、智能场景分析和自动化控制等业务。遗憾的是，由于续航、工业设计和软硬件交互等若干问题尚未得到完美解决，以Google Glass为代表的支持视频显示的可穿戴设备很多并未在消费者群体中普及，但是它们为未来智能设备的发展提供了极为广阔的想象空间。