北京時間5月23日，聲網母公司 Agora, Inc.(NASDAQ: API) 發佈了2024年第一季度業績。業績顯示，第一季度 Agora, Inc. 實現營收3302萬美元，其中，業務聚焦中國市場的聲網實現營收1.23億人民幣，聚焦非中國市場的 Agora 實現營收1580萬美元。
在客戶規模方面，截至2024年3月31日，Agora, Inc. 活躍客戶數量達5553個，同比增長3%。其中，聲網活躍客戶數量3833個，Agora活躍客戶數量1720個。
Agora, Inc. 創始人兼CEO趙斌表示，“儘管面臨充滿挑戰的市場環境，我們持續專注於提升產品的核心性能。我們發佈了全新的視頻質量優化整體方案，並將我們的 SDK 穩定性提升至歷史最佳水平。我堅信這些改進不僅爲現有客戶創造了價值，也爲未來更加多元的應用場景創新奠定了堅實基礎。此前我們曾預測，生成式人工智能模型將能夠與用戶直接進行音視頻對話，而這一預測正在迅速成爲現實。大模型與人的音視頻交互將極大地受益於我們的技術積累，有望發展成爲實時互動技術重要的應用場景。”
隨着 GPT-4o 的發佈，讓人與 AI 進行實時語音對話成爲現實，而 RTC 則是實現這一場景的關鍵技術之一。近日，聲網進一步豐富 AIGC 一站式解決方案，目前已可以提供基於大模型的全鏈路實時音視頻方案，幫助大模型廠商構建實時音視頻互動能力，讓用戶與 AI 進行語音、視頻形式的實時互動，並已做到行業內領先的低延時對話體驗。
本季度，聲網持續聚焦於多元應用場景創新和行業拓展，發佈了兩款重磅解決方案，分別爲聲網賽事直播方案和 RTC+AI 教育超級雙擎解決方案。聲網賽事直播方案，助力直播平台以更低的成本，獲得更高質量的賽事直播效果與用戶體驗。RTC+AI 教育超級雙擎解決方案，則助力了在線課堂教學體驗的升級以及教學場景的創新。
在出海領域，聲網也持續深耕 1v1 社交場景，助力客戶在網絡環境複雜多變的地區，也能擁有流暢穩定的音視頻互動體驗，跑贏出海大盤。據數據顯示，聲網 1v1 社交客戶在全球各區域的1v1 App 市場滲透率>70%，其中在中東地區 1v1 社交 App 收入 TOP20中，使用聲網 SDK 的 App 就達到了14個，滲透率排名第一。
AIGC 一站式方案 助力大模型構建實時音視頻能力
近日，GPT-4o 的發佈引起了業界的廣泛關注與強烈討論，也透露出一個重要的信號：支持端到端實時多模態將成爲當下大模型發展的新趨勢，實時文本、音視頻傳輸能力，將成爲實時大模型的標配。
相比於 GPT3.5 和 GPT4，GPT-4o 最核心的區別在於文本、視覺和音頻由同一個神經網絡處理，不僅降低了延時，還捕捉到了更多的信息。此前基於 GPT3.5 或 GPT4 的 AI 語音助手是通過 STT 將語音轉成文字再輸入給大模型，大模型生成文本響應後再通過 TTS 輸出語音給到用戶，平均延時達到2.8秒（GPT-3.5）和5.4秒（GPT-4）。
而GPT-4o 直接將語音實時輸入給大模型，並大幅提升響應時間，最終實現了與真人聊天一樣自然流暢體驗，AI 的處理反應已經達到人類的高度和速度，而實現這一跨越式技術進步的關鍵，一是大模型的進化，二是RTC能力的應用。
針對大模型的交互能力，聲網目前已可以提供基於大模型的全鏈路實時音視頻方案，可以幫助大模型廠商構建實時音視頻互動的能力，用戶可通過麥克風與 AI 進行語音、視頻形式的實時互動，並且做到行業內領先的低延時對話體驗。
聲網的 AIGC 一站式音視頻解決方案也可以實現像 GPT-4o 的音頻對話能力。聲網提供封裝完整的 SDK，並支持模塊化能力的靈活拼裝，包含 RTC 實時音視頻、實時消息等多種能力，並支持 API 快速調用，提供開箱即用的場景化 Demo，最快 3h 即可實現方案快速驗證。尤其對於想快速驗證新場景的企業與開發者而言，可以節省很多開發時間。
發佈賽事直播解決方案，延時低至500ms、安全穩定更高清
爲了解決賽事直播場景普遍存在的高延遲、低畫質、信號傳輸穩定性差、成本高昂，以及盜鏈等問題。本季度，聲網發佈了賽事直播解決方案，助力直播平台以更低的成本，獲得更高質量的賽事直播效果與用戶體驗。該方案主要應用於賽事觀看、一起看比賽、大V解說、明星陪看等熱門場景。
聲網賽事直播解決方案提供了成本可控的雲演播廳，直播平台無需租賃線下場地即可讓受邀嘉賓在線解說。針對解說嘉賓不同的網絡情況，聲網也提供多條不同碼率和幀率的實時流，並根據解說嘉賓的實際網絡情況進行自動切換，即使是1M 帶寬，也能實現流暢解說。
超低延遲、穩定傳輸等技術作爲聲網的“看家本領”，讓聲網賽事直播解決方案的優勢更加明顯。它可以保證在 500ms 內將畫面傳輸到觀衆眼中，相比傳統 HLS、FLV 通道最高降低 90%，觀衆端直播畫面首幀出圖時間 <400ms，做到精彩賽事隨點隨開。觀衆端音視頻丟包邊界80%，極端弱網也能保障流暢。
基於 NTP 聲網賽事直播解決方案可以保證解說嘉賓各端對齊，直播畫面差嚴格小於3幀，解說音軌與賽事畫面同步。此外，基於聲網鳳鳴 AI 引擎的降噪功能，可以有效消除解說嘉賓的環境雜音和外放聲音，同時避免人聲被抑制採用，爲觀衆帶來更“純淨”的觀看體驗。
針對賽事直播過程中觀衆側質量難以追溯的痛點，聲網賽事直播解決方案提供了強完善質量工具“水晶球”，不僅可以爲平台方提供實時質量監測，還能快速定位卡頓觀衆端。除此之外，該方案還提供了軍工級信號加密，實現端到端傳輸和內容雙重加密，有效防盜鏈。
發佈 RTC+AI 教育超級雙擎解決方案 驅動教育多維創新
4月27日，聲網發佈了 RTC+AI 教育超級雙擎解決方案，通過 RTC+AI 雙引擎驅動在線課堂教學體驗的升級以及教學場景的創新，該方案包含了超強互動、絲滑流暢、多維直播、教育硬件適配、AI沉浸課堂、大模型輔助教學等六大特性。可應用於直播大班課、智慧教室、學習機、AI口語老師等在線教育場景。
基於聲網的 RTC 技術，可以保障師生隨時隨地通過上麥、彈幕、文字消息等方式與老師實時互動，教學體驗絲滑流暢，確保每堂課程 0 干擾、無卡頓。同時，提供實時直播和錄像直播兩種教學模式，錄像直播搭配教學組件也能達到實時直播的教學效果，有效節省教學成本。該方案可全面適配市面上主流學習機品牌，並實現了低端機型性能優化，具備低內存佔用、極小包體、超低功耗等特性，並在行業內率先適配鴻蒙 HarmonyOS NEXT。
聲網的智慧教室音頻（3A）解決方案具備 AI 降噪、AI 去混響、AI 回聲消除等能力，可全面消除教室內各類噪聲；無論教室大小及麥克風佈局，均能自適應降低混響時長，最大可降低800ms 混響時長，有效提升語言清晰度；實現複雜場景下的回聲抑制和近端人聲保真，老師端語音保留可達90%，教室回聲殘留率低至0.1%，深度還原線下教室的上課體驗。
聲網的教育超級雙擎解決方案同樣支持大模型輔助教學，運用大模型構建 AI 口語老師場景，學生可通過實時語音與 AI 進行問答互動，從學生髮言到 AI 對話響應平均延時僅爲1.9s。
助力中東 1v1 社交應用 跑贏出海大盤
中東一直是企業出海的熱門市場，而在中東的泛娛樂社交出海中，1v1社交憑藉社交效率高、新鮮感十足、變現能力強等因素，成爲了社交出海的大熱場景。聲網在助力客戶出海的過程中也發現面向中東區域出海1v1社交的客戶越來越多，聲網也成爲中東社交 App 音視頻服務首選。據數據顯示，聲網1v1社交客戶在全球各區域的1v1 App 市場滲透率>70%，其中就中東地區，在中東1v1社交 App 收入 TOP20中，使用聲網 SDK 的 App 就達到了14個，滲透率排名第一。
中東地區的網絡環境複雜多變，保障絕大部分用戶在任何情況下都能流暢穩定地進行實時互動是一大難題。聲網通過優質網絡覆蓋、超強的弱網對抗能力，有效解決網絡複雜性下的互通難點，爲出海中東的泛娛樂社交應用“保駕護航”。對於目前中東出海的幾個熱門國家地區，如土耳其、埃及、伊拉克在帶寬一般、網絡穩定性一般甚至較差的情況下，聲網也能做到最優效果。