AI之于音視頻應用的三問(wèn)三答

　　AI人工智能是當今社會(huì )熱門(mén)話(huà)題。正面報道盛贊它為一位出色的虛擬助手，而負面聲音則擔憂(yōu)孩子們可能過(guò)于依賴(lài)它來(lái)完成學(xué)業(yè)。更令人不安的是，一些悲觀(guān)的預言警告說(shuō)，未來(lái)機器人不僅可能取代人類(lèi)的工作崗位，還可能帶來(lái)致命的威脅。

　　盡管這項技術(shù)本身既有巨大可能也有潛在危險，但最好記住，人工智能只是一款可以被用于極好目的的工具。

　　尤其在現代混合辦公環(huán)境中所采用的視聽(tīng)系統里，這一點(diǎn)顯得極為貼切。

　　“在快思聰，我們的人工智能解決方案集成1 Beyond智能攝像頭和快思聰Automate VX語(yǔ)音激活追蹤技術(shù)等一系列揚聲器解決方案。這些產(chǎn)品利用‘視覺(jué)人工智能’技術(shù)，為用戶(hù)提供卓越的視頻會(huì )議體驗，并能與Microsoft Teams® Rooms和Zoom Rooms®軟件等平臺無(wú)縫協(xié)作，充分發(fā)揮各自的人工智能技術(shù)優(yōu)勢。”

　　這究竟意味著(zhù)什么？讓我們通過(guò)回答三個(gè)最常見(jiàn)的問(wèn)題來(lái)逐一解析：

　　什么是“視覺(jué)人工智能”，它與智能視頻有何不同?

　　我們需要哪些硬件設備?

　　使用系統時(shí)，我需要關(guān)注哪些問(wèn)題?

　　| 什么是“視覺(jué)人工智能”，它與智能視頻有何不同？

　　您可能已經(jīng)注意到“智能視頻”與“視覺(jué)人工智能”被交替使用。更準確地界定這兩個(gè)概念的方法是：視覺(jué)人工智能是實(shí)現智能視頻體驗所必需的關(guān)鍵技術(shù)。其結果是，該系統能夠給予面部和動(dòng)作檢測自動(dòng)追蹤并定位房間中的演講者——這在包含遠程參與者的會(huì )議中極為重要。您希望那些虛擬與會(huì )者能看到會(huì )議室中人員的手勢和表情。當遠程工作者能夠捕捉到所有這些非語(yǔ)言信號時(shí)，他們的參與度會(huì )得到增強。

　　快思聰在智能視頻領(lǐng)域的產(chǎn)品管理總監Rony Sebok，為在線(xiàn)出版物《AI for All》撰寫(xiě)的一篇文章可以很好地解釋這項技術(shù)的強大能力：

　　視覺(jué)人工智能可用于創(chuàng )造多樣性體驗，包括“團體構圖”(調整畫(huà)面以顯示所有參與者)、“自動(dòng)構圖”(當一個(gè)人講話(huà)時(shí)調整畫(huà)面)、以及“演講者追蹤”(隨演講者的動(dòng)作而在空間中移動(dòng))。它還可以進(jìn)一步在房間中自動(dòng)切換活躍的發(fā)言者(“發(fā)言者追蹤”)，將房間的多個(gè)視角合并為單一視頻流等。

　　就像其它人工智能實(shí)例一般，視覺(jué)人工智能正在逐漸發(fā)展完善。“人工智能已經(jīng)運用至統一通信中一段時(shí)間了，但現在我們正在開(kāi)發(fā)更加高效的‘智能場(chǎng)景控制盒’解決方案，”快思聰市場(chǎng)高級總監Sam Kennedy表示。人工智能也被應用于音頻解決方案中，它能夠屏蔽多余的噪音，甚至可以通過(guò)聲音來(lái)識別人。

　　不久之后，人工智能將輔助這些系統實(shí)現“環(huán)境智能感知”——換言之，對空間進(jìn)行更深入的信息收集。“這些程序正在學(xué)習判斷房間內是否配備白板，并調整系統攝像頭以確保所有遠程參與者都能清晰地看見(jiàn)白板，”Kennedy指出。“未來(lái)，人工智能還將能夠識別白板——甚至整個(gè)會(huì )議室——是否需要為下一場(chǎng)會(huì )議進(jìn)行清潔整理。”

　　系統將能夠收集更多的環(huán)境信息，Kennedy表示：“是否需要在進(jìn)行演示時(shí)降低窗簾?當系統感應到房間內滿(mǎn)員時(shí)，是否需要調節溫度?”最終，人工智能將能對遠程與現場(chǎng)的場(chǎng)地體驗兩者都產(chǎn)生影響。

　　| 我們需要哪些硬件設備？

　　硬件設備的配置選項有很多?；A級解決方案常見(jiàn)于配備多個(gè)攝像頭的視頻會(huì )議條，這些攝像頭能夠實(shí)現在發(fā)言者之間自動(dòng)切換。對于專(zhuān)為高端會(huì )議空間設計的大型系統，可以采用搭載智能視頻技術(shù)的攝像頭進(jìn)行驅動(dòng)，或與基于麥克風(fēng)信號來(lái)追蹤發(fā)言人的解決方案相結合，以便自動(dòng)跟隨演講者或對話(huà)。

　　快思聰可以提供所有選項配置，包括我們的1 Beyond智能PTZ攝像頭，它具備光學(xué)變焦功能，能夠清晰捕捉房間內每位參與者的影像——即使是那些距離鏡頭60英尺遠的人。光學(xué)變焦在攝像頭的光學(xué)鏡頭內部發(fā)生，而數字變焦則是通過(guò)放大和裁剪圖像來(lái)實(shí)現特寫(xiě)效果。后者會(huì )降低圖像的像素精度，隨著(zhù)放大倍數的增加，清晰度也隨之會(huì )降低，削弱了攝像頭捕捉關(guān)鍵非語(yǔ)言信號的能力。

　　另一個(gè)選擇是快思聰的Automate VX語(yǔ)音激活的發(fā)言人追蹤解決方案。該系統與較大空間的適配性最高，因為您可以同時(shí)配置12個(gè)攝像頭來(lái)處理重要會(huì )議空間的需求。

　　我們的目標是通過(guò)視覺(jué)人工智能技術(shù)實(shí)現流暢追蹤與合理構圖，提供清晰的特寫(xiě)畫(huà)面和多角度視圖，使遠程參與者得以體驗卓越的廣播級視頻品質(zhì)。Automate VX解決方案能夠自動(dòng)構圖并將發(fā)言人置于畫(huà)面中心，即便他們移出最初的位置。這樣，參與者便可自由活動(dòng)，無(wú)需擔心自己是否會(huì )離開(kāi)攝像頭的拍攝范圍。

　　Automate VX解決方案還具有“重構圖”功能，可自動(dòng)將人物置于鏡頭畫(huà)面中心。人工智能在此發(fā)揮關(guān)鍵作用，它能夠識別動(dòng)作幅度的大小。Kennedy解釋道：“例如，如果有人輕微地調整坐姿，人工智能不會(huì )認為需要重新調整鏡頭畫(huà)面構圖。”這減少了不必要的攝像頭移動(dòng)，有助于避免頻繁或持續性晃動(dòng)而讓觀(guān)看者感到眩暈。

　　| 使用系統時(shí)，我需要關(guān)注哪些問(wèn)題？

　　簡(jiǎn)單來(lái)說(shuō)：隱私和安全是需要持續關(guān)注的動(dòng)態(tài)目標

　　在隱私保護方面，視覺(jué)人工智能(Visual AI)通常不會(huì )引發(fā)警覺(jué)，直到它開(kāi)始識別特定個(gè)人。這種識別功能涉及的不僅僅是視覺(jué)上的追蹤，還包括其他方面。比如，如果人工智能程序識別了您的面容，這是否侵犯了您的隱私?程序分析并報告會(huì )議中的“情緒”，其倫理問(wèn)題又該如何界定?人工智能是否能“領(lǐng)會(huì )”諷刺意味——它能否分辨出玩笑與真正具有負面影響的評論之間的區別?

　　Kennedy表示，所有系統的默認選項應該是允許用戶(hù)“選擇退出”。“我認為，只有征詢(xún)人們是否同意被識別和追蹤才符合倫理道德，特別是對于生成性人工智能或虛擬助手程序，”他指出。“如果用戶(hù)同意，他們可以通過(guò)點(diǎn)擊按鈕立即選擇加入。”同時(shí)，他又提到地方法律也在應對這一問(wèn)題：“在美國的一些州以及全球的許多地方，都明確禁止使用人工智能程序在環(huán)境中識別個(gè)人。”

　　考慮到安全性問(wèn)題，在某些特定環(huán)境中將數據上傳至云端是不被允許的。“在信息被政府或企業(yè)視為機密的情況下，您是不會(huì )希望人工智能將任何數據發(fā)送至外部的，” Kennedy說(shuō)。“這正是集成了人工智能的攝像設備——也就是‘邊緣化人工智能技術(shù)’——發(fā)揮作用的的場(chǎng)景了。”

　　然而，在會(huì )議進(jìn)行時(shí)收集數據有很大的優(yōu)點(diǎn)。“假設有一位參會(huì )者是我們常說(shuō)的沉默類(lèi)型，”Kennedy解釋。“想象一下，如果系統能夠提示會(huì )議主講人注意到某個(gè)人一直保持沉默——他們可能比較害羞，需要一點(diǎn)鼓勵來(lái)推動(dòng)他們分享想法。”

　　“我們探討‘會(huì )議中的平等’——確保每個(gè)人都能看見(jiàn)和被看見(jiàn)——這通常被視為是視覺(jué)層面的問(wèn)題，但是能夠雙向聆聽(tīng)，或協(xié)助創(chuàng )造和分享能力也同樣重要。”

　　特色產(chǎn)品

　　Automate VX

　　Automate VX采用多個(gè)光學(xué)變焦攝像頭和語(yǔ)音激活切換技術(shù)，保證遠程參與者能清晰地看清房間中的每個(gè)人，并且現場(chǎng)參與者永遠不必考慮應該看向哪里以跟隨對話(huà)。

　　全新的1 Beyond攝像頭 — 清晰捕捉房間內的每一個(gè)人

　　快思聰推出了一系列新款“1 Beyond™”攝像頭，專(zhuān)為清晰捕捉房間內每位參與者而設計——甚至包括那些距離鏡頭最遠60英寸的人。

　　快思聰Flex視頻會(huì )議與智能視頻技術(shù)

　　視頻會(huì )議室是當今現代混合辦公環(huán)境的核心。為了實(shí)現真正的協(xié)作，無(wú)論是現場(chǎng)或遠程會(huì )議人員，都必須能平等且充分參與。這正是快思聰Flex視頻會(huì )議與智能視頻技術(shù)被設計出的初衷——為無(wú)論身在何處的每個(gè)人提供更包容、更具吸引力和更公平的體驗。