质量三维论如何持续推进腾讯视频播放体验提升

腾讯视频移动端播放内核技术负责人李大龙在LiveVideoStackCon2018上的演讲中分享了腾讯视频的质量“三维论”思想与体系，及以此推动视频播放体验优化工作方面的实践经验与总结。

文 / 李大龙

整理 / LiveVideoStack

大家好，我是来自腾讯视频的李大龙。今天我将从以下几个方面为大家分享腾讯视频如何以质量三维论来持续推进视频播放体验的提升。

首先简要作下个人介绍：我在研究生阶段就读于武汉大学国家多媒体软件工程技术研究中心，师从胡瑞敏教授，主要从事视频数字水印、信息隐藏还有视频编解码相关的工作，当时也恰逢中国自主知识产权编码标准AVS第一代从学术界正式走向工业界的时代。入职腾讯后，我曾经重点参与过QQ/手Q视频通话、QQ影音的研发工作，近几年在腾讯视频从事播放器内核技术、流媒体播放及用户体验优化相关的工作。经历不同的产品让我很好地感受到视频领域针对不同业务场景的差异化技术诉求，比如实时通话类产品对Codec在压缩效率、复杂度上要求很高；离线播放器工具类产品对容错性、兼容性要求很高；而流媒体播放类产品对长时间连续播放过程中的平滑性则要求很高。总之，不同的视频领域应用和产品，对于体验和质量的衡量方法是不太一样的。

1. 质量三维论概况

今天我讲的质量三维论，是建立和服务于腾讯视频产品，也就是适用于流媒体播放应用类场景的一套思维方法论。其主要通过源头质量、交互质量与感官质量三大维度为流媒体视频播放做出综合评价。源头质量为整体质量定立总基调，主要通过分析音视频编码参数、后台存储格式的冗余度与流媒体分发过程的适配复杂度来衡量视频源(及其存储后台)的质量；交互质量主要反映用户在操作视频播放过程中的体验好坏，主要考量指标包括视频加载时间、播放错误率、二次缓冲概率，以及像清晰度切换过程中的等待时长或者是否发生画面切换黑屏等问题；感官质量相对于前两项质量更侧重用户对视频播放的主观感受，目前业界比较缺乏易实现、通用性高且可综合评判的客观衡量方法，所以在这个维度主要分开几个方面来考虑，包括对曝光、色彩、纹理等图像质量的考量，对音域、相位感等声音质量的考量，还有对流畅度与音画同步感受方面的考量。

2. “源头质量”定基调

2.1 架构演进与选型

 

我们从压缩、封装与存储、架构三个环节进一步来分析影响源头质量的因素。首先在视频片源压缩制作的环节，除了最基本的为业务选择合适而高效的Codec格式及其整体架构集成方案外，在具体部署环节还需权衡主观视觉质量、计算复杂度(直接影响编码和转码耗时及服务器成本)、带宽成本之间的收益，找到比较务实的coding rate ladder。其次，封装与存储策略上需要具备足够的平台兼容性，能够覆盖尽量多的终端平台及系统版本，并在相同编码参数的情况下努力减少格式冗余(当然这一点可以也需要播放器来配合达成)。最后，架构层面则要实现对直播、点播、OTT等多业务形态的统一支持。

 

众所周知流媒体架构可以划分为三代(图中黑点表示)：第一代为专属流媒体协议架构，包括我们熟知的RTMP/RTP等；第二代为Progressive Downloading，包括较为典型的HTTP MP4/FLV；第三代是以HLS/DASH为代表的动态自适应传输。比较有意思的是图中绿色点表示的Multi-Segments Consecutive Downloading，即短时间(一般5～10分钟)MP4/FLV分片方式。其初衷是对于那些时长较大的电视剧、电影类等片源，大家曾经采用文件切片的策略将其分解成若干短时间的片源分段，以规避整段长MP4文件头部数据与片源时长线性关联从而导致加载等待时间太长的问题。

 

上图中的时间轴大致展示了腾讯视频流媒体架构的演进时间表，以Progressive Downloading（HTTP MP4）与其代表的整段MP4为基准，Chunk-based Streaming（MP4 Segments）与其代表的分片MP4无论是在加载时间、错误率还是缓冲率上都有很大改进；而Adaptive Streaming（HLS/DASH）相对于前者的优化又进一步。虽然架构在不断升级，但代际技术红利的阵痛却是不应被忽视的。新架构的应用往往只是万里长征第一步，随之而来的问题包括：在架构过渡期，片源存储及传输协议的冗余度如何；面向具体应用时，自适应流媒体容器文件切片参数对质量的影响；新协议的额外负载与其对网络交互的影响，比如HLS/DASH都少不了需要一份清单文件(类似m3u8或者manifest)，而早期的HTTP MP4/FLV无需获取清单文件。只有把这些“配套性”问题都处理好了，新架构才能最大化发挥出应有的技术红利。