科幻小说《雪崩》是无比超前的。它出版的1992年，英特尔还在制造486系列处理器，直到次年，586奔腾处理器才被推出。
在小说中，尼尔·斯蒂芬森创造了一个并非以往想象中的互联网——元宇宙，在这个与现实世界紧密联系但又相互平行的时空里，人们可以借由各自的「化身」在其中交流和娱乐。
Facebook改名Meta后，越来越多的人才知道，原来这本科幻小说是「元宇宙」这个词的起点。一瞬间，一个书里并没有准确定义的概念，30年后开始成为了商业世界里火爆的新边疆。
只不过，在目前看起来比较接近「元宇宙」的VR行业里，即使设备销量逐渐攀升，但分辨率低、设备笨重、3D眩晕等问题还未完全解决。元宇宙看起来是个性感，但还有着众多技术问题无法解决，还非常遥远的概念。
「从Utility到Reality，我认为元宇宙是有发展路径的，并且早晚会进化到改变我们现实世界的程度。」王奇所供职的公司声网，最近就开启了「元娱乐」的新探索，他成为了这条业务线的负责人。
这次他们在实践中，对于元宇宙下一步在技术上应该去解决什么这个问题，有了新的思考。
01
「元娱乐」里，声音
技术是关键的下一步
「现在所谓的那些元宇宙的应用，离还原人类的真实体验还差得特别特别远。」
根据SensorTower2022年的报告，自「元宇宙」概念爆发以来，平均每天都会新增一个「元宇宙」软件，其中，元宇宙社交类软件更是层出不穷。在一个个炫酷的demo里，我们似乎离再建一个虚拟现实很近了，但王奇并不这么认为。
Meta：到2035年，元宇宙可能每年为全球带来3.6万亿美元GDP:5月10日消息，Meta发布关于元宇宙经济潜力的报告，报告中称Metaverse处于发展的早期阶段，但可看到它在教育、游戏、健康和商业等领域的潜力，并分析了元宇宙在全球范围内带来的经济机会，称到2035年，元宇宙可能为全球经济收益带来每年3.6万亿美元的额外GDP。[2023/5/10 14:54:15]
2020年4月，《堡垒之夜》里举办的「ASTRONOMICAL」虚拟演唱会吸引了1230万观众，玩家在霓虹灯束散射中舞动，很多玩家表示仿佛经历了一场真实的梦境。绚丽的布景渲染了人们对技术的最高想象，然而实际上，观众只是在「看」一场演唱会。算力等客观因素限制下，多人同屏和物理交互往往就如鱼与熊掌，玩家在一个「众人场」里能得到的交互体验其实很低。
《堡垒之夜》中的「ASTRONOMICAL」虚拟演唱会
「我们的元娱乐其实并不等同于元宇宙娱乐」，声网元娱乐业务线负责人王奇在接受采访时说，「我们更接近下一代的娱乐这个概念。」在他看来，现有的技术和体验还不能满足人类超越现实的需求，首先要思考的或许是如何去还原一个真实的世界。
5月16号，声网发布了「元娱乐」四大解决方案，其中，他们对音频的处理十分惹眼。
元宇宙视觉内容数据公司Kimera Technologies完成66万欧元融资:金色财经报道，总部位于西班牙瓦伦西亚的元宇宙视觉内容数据公司Kimera Technologies宣布完成66万欧元融资，Addendum Capital、Adara Ventures、Bonsai Partners和BStartup Banco Sabadell等参投。该公司视觉内容（包括图像和视频）转换为更有用的数据，以更好地进行市场分析和趋势预测，帮助企业经营3D内容并进入虚拟现实和元宇宙领域。（novobrief）[2023/4/14 14:02:27]
在发布会上，声网元语聊产品经理杨帆展示了一个多人会议的场景：代表每个参与者的头像分布在不同区域，而从其他人说话的声音信息中，能体会到明显的方位感。
这项技术被称作3D空间音频，贯穿在他们的元语聊、元K歌、元直播等方案里。
当用户操作Avatar在虚拟场景里移动时，听到的音效会根据Avatar的头部及脸部朝向、声源角度和距离不同而变化。比如，在玩家进入一个元语聊的房间时，会听到房间内正在播放的背景音乐，随着位置的移动、墙壁或卡座等障碍物的遮挡，玩家所听到的声音也会相应地逐渐清晰或减弱。
这项功能的实现，依赖于声网基于HRTF相关传递函数、心理感知声学、声源指向模拟等算法自研的一整套3D声场渲染引擎。通过这套渲染引擎，可以动态模拟空间中任意角度、朝向的声音在传递到左右耳时声音发生的变化。他们还可以通过声学建模的方式，模拟任意角度的音源方向导致的音色差异。
《福布斯》将于11月在The Sandbox中举办会员元宇宙活动:金色财经报道，据《福布斯》官方消息，该杂志将在11月10日在The Sandbox中举办会员专属元宇宙活动，会员可以探索充满福布斯品牌标志性纪念品的虚拟世界和NFT画廊，也能与其他成员互动并回答有关福布斯及其历史的琐事，并从元宇宙内置虚拟商店购买福布斯品牌 NFT。[2022/10/31 11:58:49]
声网的空间音频技术
「这其实在业内还没有几家能够做到」，王奇谈到这些技术时颇为自豪。据他介绍，声网内部有一个音视频实验室，专门研究各种跟音频和视频相关的算法，其中就包括3D空间音频，此外还有人声模糊、模拟现实中空气衰减等技术。
在这些声音技术的加持下，玩家操作Avatar不仅可以「移步换景」，还可以「移步换声」，可以移动到其他玩家身边开启畅聊，也能凭借人声模糊技术既不受周围人说话声音的干扰，又保留环境氛围，在技术上极力还原现实世界中的真实听觉体验。
模拟现实其实十分困难的，因为对于一个玩家来说，一些很细微的「不合常理」都可能影响沉浸感。那些「不合理」会时时刻刻提醒玩家，这不是一个真实的世界。因此对于营造一个「栩栩如生」的虚拟世界来说，要不断地打磨环境，细化交互的颗粒度。
网易丁磊完成首个“元宇宙”上市仪式:金色财经报道，12月2日，网易云音乐在港交所挂牌上市除了在线下举办上市仪式之外，网易云音乐还通过网易伏羲沉浸式活动系统“瑶台”，举办全球首个“元宇宙”上市仪式，这也是网易创新和技术能力的一次展示。“元宇宙敲锣”中，三个“丁磊”跨越了时间和空间的距离，同步敲响了上市锣，所谓三个“丁磊”，一个是在线下仪式敲锣的丁磊本人，还有两个是AI虚拟人“丁磊”，他们分别被刻画成了2000年29岁的丁磊和2021年50岁的丁磊。据悉，参与观礼的嘉宾也通过操控自己的“数字分身”在虚拟世界中见证了网易云音乐上市。[2021/12/2 12:46:14]
当然，这对技术实现来说并不容易。
除了声音的拟真外，声网解决方案中同样有对虚拟环境的拟真。在元语聊和元直播中，声网还基于3D引擎建模创建各种场景，能模拟碰撞、重力等物理效果。面部动捕技术、语音驱动嘴型的技术，则让玩家与Avatar的表情匹配，实时表情与语音匹配。
而为了让玩家在选择虚拟形象时不受性别限制，他们还将开发声纹变声技术，在声音上实现「anytoany」的模拟。萌妹子选择大叔形象后，也能在实时交流中拥有与虚拟形象匹配的低沉男音。
影响沉浸感的一大因素还在同步性与低延迟，就像《堡垒之夜》的那场虚拟演唱会，如果没有上千万人的同步参与，或许也不会如此轰动。
在那场盛大的虚拟演唱会中，玩家也被分到了上万个服务器上，才让千万量级的同步参与得以实现。而在实时通信和互动上，声网作为RTC领域全球头部企业，有着行业领先的技术优势。
Open Meta Association 将于明年 1 月推出专注开放元宇宙的 Open Meta DAO:11月18日消息，Open Meta Association 计划于 2022 年 1 月正式推出 Open Meta DAO，并将其治理代币 DAO 分发给创始成员。该 DAO 将专注于开发基于 Web3 基础设施的开放元宇宙，以加速元宇宙的增长和采用。
注，Open Meta Association 在 2021 年 6 月以 1 亿美元估值的代币预售筹集了 450 万美元，以创建 Open Meta DAO。[2021/11/18 22:00:10]
图注：声网的MetaKTV方案
声网的SD-RTN?，是全球规模最大的软件定义实时网，官网上介绍，这项技术可以实现百万人大频道的实时互动。依靠基于SD-RTN?的解决方案架构，声网打开了万人云蹦迪、在线上造一个超级夜店的想象。
它的合作伙伴XRSPACE，也在近期推出了全球首款音乐元宇宙PartyOn。利用声网的实时音视频技术和XRSPACE自研的表演同步技术，PartyOn实现了50ms以下的同步误差，不仅让让众多玩家享受低延迟的同步K歌，还让人声、歌曲和Avatar肢体表演实时匹配。
这些「拟真」的技术赋能了更沉浸的体验，王奇说，「3D空间音频，包括声纹变声、面部捕捉还原，所有的这些技术，它本身都是跟元宇宙的发展相关的」，「我们本身也是看好元宇宙发展的」。
02
通过提升可用性，
声网在瞄准
下一代的娱乐生态
陈际陶是声网元直播的产品经理，她在发布会上展示的实时面捕功能，可以在直播中同步玩家单边眨眼、挑眉、眼球转动、吐舌头等动作。
这项技术似乎已经在各种AR换脸软件中得到了很好的应用，但对他们来说其实并不容易。她介绍说，「我们要解决移动端的普通单目摄像头的问题，要解决光源的影响，光亮的阴暗对于人脸关键点判别的难题，以及说眼镜遮挡对于眼部的识别的问题。」
这也引出了声网技术解决方案的另一个特点——强兼容性。
图注：声网面侦技术能完成对高级表情的捕捉
作为一家技术服务提供商，声网并不是产品的最终「缔造者」，他们的责任在于对接每个场景内尽可能多的客户，提供底层和通用的技术，让客户能在他们提供的技术服务基础上创造价值。某种意义上来说，他们的最终目标在于客户的使用便利与商业成功。
「大家用过苹果应该都知道，如果在不使用iPhone的情况下使用Airpods，很多体验其实你是用不了的。」杨帆在介绍空间音频技术时，同样提到了声网技术服务的独特性，「我们的跟他们的区别在于，苹果是传感器硬件加上软件算法，我们是纯软件的，安卓端、iOS端、PC端，多平台都能支持。」
这在他们的「互动游戏」解决方案中也有体现。声网为它的技术集成方案适配3万多个移动终端，几乎覆盖所有中低端机型。昌潇潇是声网互动游戏的产品经理，他补充说，「像在海外，特别是在一些落后的地区，市场上一般情况下都是千元机，我们在中低端机型的适配这一块儿是非常看重的。」
声网对元娱乐业务的探索同样是在做适配。
声网创始人赵斌曾说，「实时音视频是一种通用能力，作为服务商，需要持续推动能力与具体场景的碰撞与融合」。实际上，声网开展元娱乐业务并非没有依据。
声网连续多年蝉联全球实时互动解决方案市场份额第一，全球注册应用超过40.5万，活跃客户数量达到2670家。在这些客户中，很大一部分来自于社交娱乐领域，比如一些国民级别的在线K歌应用。
这些客户原本只是采购了实时音视频服务，但在跟客户的沟通中，声网团队发现了这些客户的普遍痛点：没有时间和精力投入研发；一个平台单独去谈音乐版权合作时门槛太高，都要千万打底。
去年9月，声网推出了一个叫「K歌房」的解决方案，由声网提供K歌互动场景的研发，集中解决音乐版权的问题。
声网与数字音乐内容提供方合作，为开发者提供丰富MV资源
解决方案的发布象征着声网业务模式上的进阶。这意味着声网在RTC技术服务商的基础上，尝试叠加基于场景的通用技术服务、整合生态内的其他内容，最终打包成一个整体的解决方案。
这项业务很快验证了新模式的可能性，短短几个月里，「K歌房」发展了几十个客户。在他们看来，声网提供解决方案的尝试提高了行业的效率，同样的逻辑在泛娱乐领域同样如此。
「这些社交娱乐的客户，他们的音视频服务其实之前就已经用声网的了」，王奇说，「在此基础上，如果我们去做一些场景跟内容的叠加，其实会非常方便」。
如果说声网之前提供的RTC技术服务是卖面粉，王奇将提供元娱乐解决方案比喻成对面粉的二次加工，「当我们开始关心到他其实是做饺子馆的时候，我们会把面粉做成一摞一摞的饺子皮，然后去整合了一些优质的牛肉跟猪肉剁成饺子馅。」
声网元娱乐发布会后，CocosCTO林顺参与了圆桌讨论，在他看来社交类应用主要聚焦在特定场景，相较于其他领域确实更易与元宇宙概念结合。
现实却是如此，2021年燃起的「元宇宙」之火，还在以一种更容易落地的「+泛娱乐」的方式延续。
去年，VR社交平台RecRoom融资了1亿美元，VRChat也完成了8000万美元的D轮融资，Snapchat收购6家AR相关底层软件算法和硬件企业。3DAvatars公司Genies近期宣布获得了1.5亿美元的C轮投资，用以扩展MetaverseAvatars的开发。国内网易、腾讯、字节等大厂的元宇宙社交平台，也在2021年底和2022年初纷纷上线。
声网的很多客户也都是元宇宙领域的种子选手，比如中东及北非地区最大的语音社交娱乐平台Yalla、火遍北美与拉美的元宇宙社交软件Oasis。声网还发起了「声选计划」，项目聚焦RTE赛道下的技术型合作方，协作推出更丰富和更优质的联合产品解决方案。
这家实时互动领域的技术领头羊在元娱乐业务上的动作，是要为共建一个面向「元宇宙」的、下一代的娱乐生态做准备了。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。