大型國際會議的跨平臺網絡與音視頻融合會議系統

高玉陽

（云南廣播電視臺，云南 昆明 650000）

0 引 言

在全球疫情爆發之前，網絡會議的技術及應用一直處在“夠用”的范疇內，即能滿足小范圍群體實時交流即可，多用于跨部門協作、與客戶的日常溝通等非正式交流場合，主要解決工作效率問題。這些網絡會議的特點是接入點少，幾十人的規模最多見；設備簡單，一般使用筆記本電腦或者手機，通過設備的前置攝像頭和麥克風就能采集音視頻信號；通用性強但安全性較低，參會者注冊登錄進入房間即可參會，信號質量受當地網絡影響較大。但鑒于這種會議往往是臨時性、非正式的，用戶并不太在意使用體驗，可以接受偶爾的延遲或斷線。

然而近年來，隨著全球疫情的持續，人們逐漸意識到，無論正式還是非正式，很多時候網絡會議是溝通的唯一可用方式。一時間，全球對網絡會議的需求激增，各種大小活動都開始依托于網絡，其中也包括如國家領導人會晤、跨國論壇之類的高級別會議。一旦這類活動在網絡上舉辦，網絡會議就由一種單純的技術形式，升級為一套服務于高級別政治活動的儀式，這對整套系統都提出了更高、更新的需求。由于沒有先例，技術上需要一套全新的解決方案來支撐，畢竟靠之前單一的平臺、簡單的設備以及不可控的網絡已經無法滿足此類需求[1]。基于此，本文以某次大型國際會議為例，介紹實現全球高級別網絡實時會議的解決方案及技術支撐系統，可為類似項目的方案設計提供參考。出于保密需要，文中省略了部分細節。

1 會議平臺及網絡狀態的評估與測試

本次會議的規模及需求：會議主會場設在中國，參與國家近170個，有500多位政黨和地區組織領導人參加會議，超過1萬名代表通過視頻連線或者網絡直播的方式參與會議，共約160處國內外分會場遠程集體參會，20多名國外政黨領導人需要線上發言，100多個國家的駐華使節在主會場線下參會。會議需要一套會議系統將以上需求整合，在保證安全的前提下完成大會所有議程。

在確定技術方案前，首先需要評估和測試意向性使用的會議平臺。一般而言，會議主辦方會有一個或多個傾向性意見，希望盡量使用他們期望的會議軟件來構建系統，這樣可以避免每個參會者重復熟悉新軟件。由于全球會議平臺多種多樣，最理想的方案應該是一種跨平臺的融合架構，即無論參會者使用哪個平臺都能加入會議，這點會在后文詳細論述。在此之前，需要對每個融合進來的平臺做評估和測試，以確定其是否適合這個技術環境。一般來說，測試項目主要針對應用功能和技術架構兩大方面。以下介紹部分需要重點評測的要素。

1.1 應用功能方面

1.1.1 支持的最大接入點數量

這個數據指標不僅影響會議的規模，更直接決定了搭建融合系統時使用的網絡終端數量。如果參會者超過單一平臺的接入量，需要增設更多網絡會場，意味著需要更多的網絡終端進行信號轉換，進一步影響矩陣、周邊設備的規模，這直接關系到系統的整體設計[2]。同時，也可以利用此數據評估每個會議房間的適合人數。

1.1.2 畫廊模式最大顯示數量

畫廊模式最大顯示數量決定了信號源和畫面分割信號的數量，直接影響系統的規模。所謂畫廊模式，顧名思義就是在一個屏幕內，將眾多參會者的小畫面排列分布，像畫廊展示一樣。一般的網絡會議往往只需要觀看發言人，普通參會者并不露面。但高級別的網絡會議仍然需要遵守傳統線下會議的禮節，凡是參會的嘉賓都要在形式上出席，如同線下會議時在席位上就坐，因此每個人的畫面都需要呈現。畫廊模式顯示數量決定了信號輸入量，例如，ZOOM會議軟件支持最大顯示25個畫面，假如有100人參會，則至少需要4頁畫廊信號，相應地用4臺網絡終端，形成4路輸入源，以此類推。另外，還需要測試在會議進行過程中，假如某位參會者掉線或關閉攝像頭，其他布局內的畫面是否會移動。如果排序布局會受參會者的操作而改變，就需要使用單畫面選看功能。

1.1.3 是否支持單畫面選看功能

平臺是否支持單畫面選看功能，涉及到禮賓排序的問題，需要為每個重要的參會者建立獨立的信號通道，再在視頻特技臺上進行手動布局拼成畫廊模式，這點后文會單獨論述。

1.1.4 是否有強制靜音功能

有些會議平臺可以檢測是否有語音輸入來自動觸發發言，甚至自動將發言者的畫面全屏。這個功能會對高級別會議產生嚴重干擾。除非有需要，畫廊模式不允許隨意全屏某位參會者，也不允許發言人之外的參會者隨意開啟麥克風插話。如果會議系統不支持強制靜音和禁止全屏，那在會議控制系統端的處理會比較麻煩。這種情況下，該會議平臺評估不能通過評估。

1.2 技術架構方面

1.2.1 單畫面的最大清晰度與網絡帶寬需求

對于高級別會議，可以接受的畫面分辨率至少為720 P，某些平臺在降低幀速率的情況下可以傳輸1 080 P，此時建議最低幀速率在10～15 f·s-1。 由于會議圖像的變化區域很小，低幀率不會造成太大不適，特別適合那些如H.263及更高標準的基于DCT變換和運動估計與預測技術的視頻編碼，往往在1.5 Mb·s-1時仍有較好的質量。不過對于國際 會議，建議至少保證10 Mb·s-1的上下行帶寬。

1.2.2 會議平臺支持的框架協議

會議平臺支持的框架協議涉及到可以接入的設備選型。例如，支持SIP或者H323的會議平臺，可使用相應的網絡設備搭建系統，如使用SIP電話作為會議信號的備份，在圖像信號斷線的時候及時啟用，可至少保證參會者的發言聲音傳遞到大會。

1.2.3 會議平臺服務器的跳轉方向

會議平臺服務器的跳轉方向主要評估對于國內而言，該網絡的出口是否可能成為瓶頸。很多會議平臺在全球都部署有服務器，需要弄清跨國信號跳轉的網絡路徑，至少需要知道亞太地區的服務器分布和訪問延遲量。例如，本次會議使用的其中一種會議平臺由歐洲某國開發，基于亞馬遜云AWS的服務，其對于中國的跳轉方向是新加坡。而新加坡是亞太地區的網絡樞紐，到我國有大出口的帶寬，雙向CN2線路一般延遲在30 ms，最大不超過100 ms， 完全可以滿足會議需求，實際測試結果也符合這個情況。而如果是國產會議軟件，往往對國內和發達國家支持較好，則需要了解其在海外的服務器分布狀況，特別是在第三世界地區。

1.2.4 會議平臺的安全性

作為國際會議的主辦方，一定要對所使用會議軟件的安全性進行評估，需重點評估對于高強度網絡攻擊的防范能力，包括防止DDOS攻擊、域名劫持等[3]。例如，本次會議使用的幾種會議平臺基于亞馬遜云，其AWS shield托管式服務可以有效防范DDOS攻擊，同時使用AWS Route 53云域名系統，總體而言安全性比較高。

1.3 其他方面

除以上項目外，還需要掌握其他可能影響會議體驗的性能指標，如是否支持電腦客戶端，在網絡不穩定且發生抖動的情況下，畫質如何變化（自動降低清晰度、降低幀速率、或降低分辨率等）；是否支持低帶寬時只傳送音頻，是否可以自行關閉畫中畫功能，是否可以隱藏未開啟攝像頭的參會者，平臺能夠覆蓋哪些國家，平臺針對本次會議的運維保障方案，是否滿足數據主權需求等。

一個理想的會議系統應該滿足以上所有需求，然而目前全球尚沒有這樣完美的平臺。使用單一平臺，不僅接入點不全、功能有短板、安全性和可靠性較低，還存在數據主權的政治問題。經過測試與評估，本次會議最終確定使用華為云會議、騰訊會議、ZOOM視頻會議平臺，共同進行會議保障。

2 技術方案詳述

技術方案需要圍繞需求制定。本次會議的呈現要求是：主會場設在人民大會堂，主席臺有9位領導就座；國外駐華使節于就近分會場參會，其他所有人員通過網絡遠程參會；發言人一共22人，我國領導人一人，其余21人在國外；同聲傳譯有14個語種，加原聲一共15路；主會場、6個國內分會場、200個國外分會場及500多位個人參會者之間，使用的3種不同會議平臺需要完全音視頻互通（包含所有同傳信號）。主會場設置5組LED大屏幕，中間的1號主屏幕顯示主會場及21位國外發言人畫面；兩側的2、3號屏幕既顯示國內外分會場畫面，也顯示特寫畫面，還會播放一些會議相關的視頻短片；再兩側的4、5號屏幕顯示其他500多位個人參會者。大屏幕布局示意圖如圖1所示。大會還需要備播視頻、照片備份、電話備份等手段以提高安全性。這些信號及每個大屏幕上的畫廊模式信號不僅要在現場呈現，還需傳送至線上，供每位參會者觀看。

圖1 主會場大屏幕布局示意圖

2.1 視頻方案

常規的廣播電視系統一般是單向架構，即從信號源開始，經過各種設備逐級傳送至末端。網絡會議平臺混合后，系統則是多向的，每個接入點既是信號源也是終端，大家互為外來信號。這種系統沒有先例，只能根據需求逐步摸索。設計時，需先將系統的整體邏輯關系理順，再細化各部分細節，系統邏輯如圖2所示。

圖2 系統邏輯圖

這是一個由信號源、現場大屏及線上會議平臺組成的三方系統。上百個信號源經過切換調度系統送至畫面拼接器，根據會議需求進行指定位置、指定大小布局的禮賓排序上屏。而信號源大多來自融合后的會議平臺，經過一系列信號處理后，形成類似傳統PGM的會議信號再返回融合會議平臺，同時拼接后的大屏畫廊模式也返回會議平臺，這樣在任何地方使用任何一種參會方式都能在形式上實現線上線下結合，滿足了會議需求。該三方系統的信號源主要包括以下類型。

（1）攝像機拍攝的畫面。在主會場面對主席臺的大屏下方設置廣播級攝像機若干臺，拍攝發言人鏡頭。為了避免攝像機遮擋大屏幕、影響線上交流，大屏幕高度建議在5 m以上，主席臺不做地臺，與攝像機保持在一個水平面。

（2）國內分會場畫面。國內分會場使用華為云會議接入網絡，音視頻信號通過主會場的華為終端輸出。

（3）22位發言人畫面。21位國外發言人在各自的國家使用華為云會議接入網絡，同樣通過主會場的華為終端輸出。而主會場需要將攝像機信號轉換成網絡視頻，成為第22路發言人信號，作為線上平臺的信號源，這也是多向系統的特點。

（4）畫廊信號。其他分會場及個人參會者不提供單獨畫面，以畫廊模式集體展現。按照每屏5×5布局，每個畫廊信號顯示25位參會者，再將兩組畫廊信號上下拼接，形成50個窗口的大畫廊，顯示在主會場4、5號大屏上。畫廊模式的獲取方法是使用參會者身份加入會議房間，設置屏幕為畫廊模式，通過HDMI或DP接口將屏幕信號采集出來。這種方式只適合安全要求較低的畫面，對于重要嘉賓，必須使用專業的網絡終端采集信號。

（5）提取單人信號。會議中有部分參會者不是發言人，但也需要提供全屏的單人信號，實現方式同上。

（6）視頻短片信號。由主會場的視頻播放器播放，除了播放會議相關短片，還作為某些重要嘉賓的信號備份。

本次會議將3種網絡平臺進行融合，形成一個大虛擬會議室，音視頻信號、同聲傳譯信號跨平臺傳輸。不同平臺使用的協議及軟件接口千差萬別，無法在網絡應用層融合，即平臺之間不可能打通，只能通過在鏈路層進行設備到設備的連接實現。融合系統的原理如圖3所示。

圖3 系統流程

圖3 融合系統的原理圖

融合系統的原理就是將會議音視頻信號通過HDMI、SDI、DP、TRS、XLR之類的物理接口進行交互，通過格式轉換器統一到某個單一平臺，進行一系列處理后再返回各自系統。這種方式的優點是不受平臺限制，只要有音視頻接口即可，并且可以防范部分網絡攻擊[4]；缺點是所需設備種類復雜，數量巨大。因為從信號處理邏輯上說，融合系統就是一臺沒有現成接口的矩陣，每個輸入、輸出口都需要根據會議平臺、賬號類型、接口類型及畫面內容等自行“DIY”設備來實現，再加上備份的需求，設備規模往往既龐大又松散，但這是目前唯一可行可控的、能將任意音視頻平臺或系統整合的方式。

基于以上系統邏輯及技術方式，本次會議搭建的視頻系統架構如圖4所示。

圖4 視頻系統架構圖

該系統將安全性放到最高優先級。在物理層面上，鏈路和設備均做了多重交叉備份。

首先，主會場大屏由兩套完全獨立的路由提供信號，包括兩套切換系統和兩套屏幕拼接系統，兩者之間互為備份，作為大屏主信號；另外還有兩套提供線上平臺的調度系統和畫面拼接系統也接入了主鏈路，作為大屏的備用信號。同理，兩路大屏主信號也接入了線上平臺的信號鏈路，作為線上備用信號；而上面提到的兩路提供線上平臺主信號的系統內部也互為備份。

其次，重要嘉賓均使用至少兩種會議平臺接入。主會場、21個國外政黨發言人及6個國內分會場使用華為作為主系統，騰訊做備份系統；國外分會場除了50個使用ZOOM外，全部使用華為系統；500多位政黨和地區組織領導人使用ZOOM或者華為參會。華為廣泛且完善的全球業務網絡及服務體系為這次會議提供了強大保障。

最后，每個子系統內的設備也做了充足備份，不僅常規的攝像機、矩陣、切換臺及畫面特技臺等都是雙備份，重要的線上信號均使用多臺網絡終端或筆記本電腦進行采集。

除此之外，在運維層面上也采取了多種手段以保證安全性。首先，作為網絡會議，使用的所有計算機設備必須系統干凈、補丁齊全，關閉自動更新和屏保，無關軟件一律清除。其次，進行應用層的隔離。融合系統有兩個層面，一是不同平臺間的融合，這源于技術上的限制；二是同一平臺不同房間的融合，這源于會議安全上的考慮。例如，22位重要發言人和其他分會場雖然使用同樣的平臺、技術、線路及設備，但必須分成不同的虛擬會議房間，再通過融合系統合并。

本次會議使用了約500臺筆記本電腦、120臺華為網絡會議終端CloudLink Box 500/700/900系列。與直接通過筆記本電腦采集信號相比，該系列可以外接顯示設備、攝像機、麥克風及揚聲器，豐富的 I/O接口可以為本會議系統提供更穩定、更規范的信號源，主要部署在重要嘉賓及會場的鏈路上。而大屏拼接系統使用了BARCO的系列產品，包括EC-210 Large Event Controller控制面板、C3控制面板以及E2-Gen Event Master信號處理器等。

2.2 音頻方案

音頻系統框架如圖5所示。

圖5 音頻系統框架圖

音頻系統的煩瑣之處在于，要將14路翻譯和原聲從不同平臺的各個會議房間采集出來，再送回到不同平臺的各個房間，使每個參會者都可以從15個聲道中選擇收聽。每個房間都要通過翻譯員賬號上傳一種語言，例如一臺筆記本用“英語翻譯”身份登錄某房間，其通過音頻采集卡上傳的信號就成為整個房間“英語頻道”的音頻。而每個房間都需要15路這樣的鏈路，系統規模就隨房間數量和備份需求不斷翻倍。本次會議的翻譯員均在會議現場，翻譯信號相對比較好獲取。如果會議采用線上翻譯，即翻譯員也是通過加入會議房間在異地參與工作，則每個房間都需要一路參會者賬號采集某一種翻譯語言，系統規模要再翻倍。除此之外，需要提前對會議平臺的音頻進行輸入輸出的環路測試，在回聲消除、自動增益控制、噪音抑制等方面也需加入干預，而這些工作所需的經驗性會更強一些[5]。

本次會議音頻系統主要使用了DiGiCo系列產品，如DiGiCo SD12等。

3 結 語

對于高級別的會議而言，安全性永遠都是第一位，本次會議系統設計處處體現了這一點，網絡安全、系統安全及運維安全等都是要重點考慮的方面。系統設計要為最終呈現形式服務，要跳出傳統設計思路中的行業界限和技術界限，重新評估規模與成效之間的平衡關系。另外，“媒體融合”是未來發展的必然趨勢，不僅是廣播電視行業狹義的“媒體”，更是指全球化的、通用化的可視信息交互。疫情只是初步激發了這個需求，未來還有更廣闊的應用前景，相關業界應給予重視。本次會議采用的系統方案受限于目前的技術，雖然煩瑣但卻唯一可行，希望今后隨著技術發展，整合度更高、安全性更強的解決方案可以加快實現。