传统直播以单向内容传播为主，观众参与度和商业转换效率低。阿里云实时音视频（ApsaraVideo Real-time Communication）在传统直播基础上加入了更多互动元素，如语音聊天 、视频连麦、游戏互动等，让观众不仅是观看者，也是参与者，增强平台用户之间的连接。本文介绍了实时音视频的产品架构、应用场景、功能特性等相关内容。
产品架构
角色 | 功能 |
第三方内容审核平台 | 音频流可对接阿里云内容安全审核，或对接第三方平台。 |
媒体中心 | 提供录制、审核、混流、转码等多样媒体处理能力。 |
麦上用户 | 麦上用户 , 麦上支持最多50人同时聊天， 需要加入房间组件。 |
GRTN网络 | 阿里云全球实时通信网络，承载了阿里云的直播、点播、WebRTC、信令等传输。 |
普通麦下观众 | 麦下用户，和麦上用户享有相同的延时，需要加入房间组件。 |
CDN直播观众 | 用户的音视频流通过旁路转推至阿里云直播， 观众通过rts/flv/rtmp/hls拉流，不限制并发人数 ，无需加入房间组件。 |
房间管理组件 | 托管型频道组件，为客户提供虚拟频道管理，简化开发流程。 |
应用场景
直播连麦
支持在直播场景快速扩展主播与观众连麦、 主播间PK互动、 多人连麦互动的玩法。 实现端到端300ms内的延时、观众上下麦平衡切换关键能力， 同时可以和阿里云标准直播和超低延时直播实现无缝联动，支持直播间观众10万+并发观看。
社交语聊
支持50人同时上麦，端到端延时300ms内，上麦下麦平衡切换，提供变声、混响、美声等多元有趣的声音玩法。为了保障语音内容的合规性，阿里云提供无缝对接阿里云内容审核、对接第三方审核等配套能力，帮助开发者快速完成方案上线。
AI实时互动
AI实时互动是一种旨在帮助企业快速构建AI与用户之间的音视频通话应用的解决方案。用户只需通过白屏化的界面操作，即可在10分钟内构建一个专属的AI智能体，并通过视频云通讯网络与终端用户进行实时交互。更多详情，请前往AI实时互动。
功能特性
功能 | 说明 |
视频互动 | 支持480P、720P、1080P等分辨率的多人视频互动，端到端延时300ms内，可以被用于直播间主播与观众连麦、主播跨房间PK等多种应用场景。 |
语音互动 | 支持48KHz高音质语音互动，端到端延时300ms内，可以被用于语聊房、电台房、客服等多样场景。 |
混流转推 | 支持将多路流按照一定规则进行混流，并支持转推至阿里云直播或第三方。 |
CDN直播联动 | 无缝联动标准直播、超低延时直播，实现麦下10万+用户并发观看。 |
云端录制 | 支持将音视频流录制至OSS或VOD。 |
云端转码 | 支持云端转码 。 |
混响/变声 |
|
智能降噪 | 在高保真还原人声前提下，智能消除周边噪音、抑制突发噪音、消除多设备啸叫。 |
耳返 | 支持低延时耳返服务。 |
视频美颜 | 提供多种版本的美颜特效。 |
语音审核 | 支持无缝对接阿里云语音审核，或手动对接第三方审核。 |
视频审核 | 支持无缝对接阿里云视频审核，或手动对接第三方审核。 |
核心优势
多网合一：依托阿里云GRTN品牌网络，全球覆盖3200+节点，并实现直播网络、WebRTC网络100%的资源复用 , 实现全球高可靠服务、端到端延时300ms内。
丰富媒体处理能力：提供丰富的媒体处理能力，涵盖录制、混流、转码、审核等。
易于接入：提供完善的接入最佳实践。