腾讯云：2025年AI驱动下的音视频场景创新（21页）.pdf

1、AI驱动下视频场景创新崔鹏?腾讯云视频产品总监录PART?1AI+频实时互动PART?2 AI+视频实时互动PART?3AI+智能媒资新能AI频实时互动?AI语助、实时多语种翻译，重构机与际互动新体验01腾讯云城市峰会无锡峰会新兴媒体闭门专场Voice?Agent 可能是今年最值得关注的个向，是下代机交互界，多模态改变交互GUI?-?LUI语交互以其与类然沟通式的度致性，提供了种更为直观和低能耗的交互体验，打字本交互的使门槛更低延迟、智能GPT-4o?是第个实现端到端voice-in,?voice-out?的模型，低延迟、真实情感表达、很强的语义理解能重新发明电话围绕实时对话构建的产品受到投资

2、青睐，利AI定制特定类型的实时对话，更效地提供上下和价值Voice?Agent：下代实时对话的新向腾讯云城市峰会无锡峰会新兴媒体闭门专场AI实时对话赋能千百业的创新实践0102030405060708模型/搜索：实时AI对话已经成为标配AI+游戏：AI陪玩、AI?NPC、AI队友AI+泛娱乐：AI陪伴、语聊房助AI+健康：问诊助、理健康咨询AI+教育：实时字幕、在线课堂助AI+客服：智能客服、智能外呼AI+IoT：可穿戴设备、AI玩具AI+作：招聘、实时翻译腾讯云城市峰会无锡峰会新兴媒体闭门专场红框内客户定义红框内客户定义l腾讯侧：客户端和服务端的体化集成案，提供智能打断、降噪能。腾讯侧：客户

3、端和服务端的体化集成案，提供智能打断、降噪能。l客户侧：定义模型和客户侧：定义模型和TTSTTS，接到腾讯，接到腾讯AIAI服务，保持业务灵活性。服务，保持业务灵活性。实现超低延迟的AI对话视频端到端延迟低于300ms300ms，AI对话延迟低于1000ms1000ms。兼容性精准的ASR识别持多种语，包括英语、西班语、语、韩语、中以及2323种种和和130130种国际语种国际语。配置LLM和TTS服务的账户凭证，缝集成缝集成到服务后台。持多个平台，兼容超过20,00020,000种设备模型。第三LLM和TTS缝集成功能特点AI实时对话案使Tencent?RTC，结合第三的模型和TTS等，可以

4、轻松创建个媲美GPT-4o所演的AI实时交互体验，应到业务场景内。腾讯云城市峰会无锡峰会新兴媒体闭门专场对多模态的持：当模型有了“眼睛”具有跨本、频和视频进实时推理的能，可实现更然的机交互AI可以进流畅的实时视频通话，可以实时打断AI通过机的摄像头与互动，可通过视频流理解对话当前的环境（包括物状态/背景环境）场景很丰富，现在需要探索多模态能对于AI解题、绘画设计、乐学习等需要视觉和听觉才能进反馈指导的科，常关键腾讯云城市峰会无锡峰会新兴媒体闭门专场AI线上实时翻译：有字到字、语到字、语到语三种模式AI?驱动的实时翻译字幕AI?实时语翻译多语在线聊天字字语字语语腾讯云城市峰会无锡峰会新兴媒体闭门

5、专场AI线下实时翻译：型跨国峰会、随翻译、AI同声传译等场景语字语字语语随翻译字幕AI?同声传译型跨国峰会腾讯云城市峰会无锡峰会新兴媒体闭门专场AI实时翻译解决案：沉浸式的翻译体验，端到端语体验佳端到端语体验佳沉浸式翻译体验超低延迟与全球覆盖AI降噪抓取精准声持多语种识别情感化TTS助同声传译AI+视频实时互动?打造沉浸式、游戏化的社交增长引擎02腾讯云城市峰会无锡峰会新兴媒体闭门专场AI+美颜+游戏：利部表情或势结合直播游戏玩法游戏玩法互动游戏+特效礼物例如，户/主播通过进切果，结合头部移动控制向，实现沉浸式互动玩法将主播的实时部与肢体动作转化为游戏控制器，主播做动作的过程本就极具节效果，容

6、易产病毒式传播的直播段典型玩法腾讯云城市峰会无锡峰会新兴媒体闭门专场特效能升级：256+脸点位识别，底层能对齐抖、tiktok3D?头套部识别触发势识别+粒特效粒特效贴纸2D贴纸3D贴纸势触发贴纸表情触发贴纸部动作触发贴纸背景分割贴纸头发分割贴纸腾讯云城市峰会无锡峰会新兴媒体闭门专场AI驱动体验升级：腾讯美颜特效SDK赋能互动游戏beforeafterafterbefore腾讯美颜特效SDK通过强化AI能，优化了体点位识别的精准度，持识别300个以上的全点位，以及42个体骼关