QQ与微信的技术有什么区别。

现有的这些点击播放的语音气泡真的满足了所有用户需求吗？emm…

总结一下：发送语音一时爽，接收语音想撞墙。。。

实现的功能：

1、语音消息支持点击暂停、继续播放，再也不用崩溃地“从头再来”。

2、语音消息支持进度拖动，想听哪里听哪里。

3、语音消息支持展示音量频谱，声音大小一看便知。

技术难点：

整个需求可以简化成三个子过程：

1、 音频数据转波形

2、 接收方音频数据的来源

3、 播放器支持暂停、恢复和拖动操作。这里主要介绍过程一和过程二。

音频数据转波形

这里主要涉及到波纹真实性问题和波纹美观两个问题。

波纹真实性是指如何用较少的波纹个数代表较多的原始PCM数据，同时保证波纹的高振幅部分代表声音响亮的部分。

波纹美观主要问题包括：1、波形持续高的地方，波形较平；2、声音突然停止，音柱落差较大

声纹真实性：

问题一、人声振幅局限

人声振幅局限：从系统拿到的原始PCM数据声音区间 IOS [0,1],android [0-32767],但人说话最大只能达到ios[0-0.32],android[0-10297],大概33%左右，导致录制的声音即使很大，波形也振幅也不高。

解决办法：数据归一化，将采集数据归一化到区间[0,255], IOS 使用函数min((x10/0.32)255,255)，android使用函数min((x/(32767/255))*255/80,255)。

问题二 、波形采样

声纹的最大个数为28，但采样率16K，会员最长录音5分钟，录制数据可达到5*60*16K,怎么通过使用28个波形来代表5*60*16K个原始数据。

解决办法：一个波形代表一定时间的数据，整个原始波形被划分成一个一个的区间。

如何代表：一种是取最大值，一种是取均值，并进行试验对比。

均值的取值方式：

综合以上实验，抽样方式采用取区间方式，在区间内取均值，且以四舍五入取区间的方式进行抽样。

声纹美化：

在产品灰度和内部用户体验过程中，反馈的一个主要问题是声纹波形不美观。经过和设计产品讨论，得到不美观的两个原因及解决方案：

1.声音说话一直很大时，音柱高度达到最大导致波形较平。

解决方案：因为是在绘制波形时添加的随机处理，为了保证UI刷新时波形不变，这里使用一种伪随机算法：以声纹个数作为随机种子，取余计算波形周期。判断音柱的高度，当超过一定值时，对音柱做正弦波处理，平滑语音波形。效果对比：

2.声音突然从低到高或者从高到低时，音柱高度落差过大，导致波形参差不齐。

解决方案：减速插值和平均综合

减速插值器：低振幅波纹绘制高度递增大于高振幅波纹绘制高度递增，下图形象说明：

减速插值器使用的函数为y=1-(1-t)^(2f) ，通过f（factor）去调整减速的大小，在实际过程中，经过对比，f取值为1.5，即对应上面绿色的线。

平均综合：在减速插值后，如果相邻两根音柱高度差仍较大，超过阈值时，则拔高低的音柱，从而降低音柱的落差。拔高的方式主要使用平均值法，即取两条音柱高度的平均。效果对比：

经过上述两种波形处理后，在保持用户能够区分语音有无声音的同时，也有一个相对美观的视觉效果。

接收方音频数据来源

接受方有两种方式产生波形数据，一种是接受数据后在本地解码，产生原始PCM数据（接收方解码方案）；第二种在发送方，发送方将处理好的波形数据点发送给接受方（发送方传输波纹特征方案）。如何在这两种方案间取舍？先各自分析一下每个方案的优缺点：

接收方解码方案

优点：

1、 Ptt消息传输过程完全不需要改动

2、 兼容各个版本

缺点：

性能较差，每收到一个ptt都需要额外开启一个解码线程去解码，在群聊天中，如果有大量的ptt消息，会有很大的性能问题。

发送方传输波纹特征方案

缺点：

1、 Ptt消息传输需要增加波纹特征

2、 PC版本和老版本没有波纹特征数据，无法绘制波纹

优点：

接受方不需要解码没有性能问题。

结论：虽然接收方解码方案比发送方传输波纹特征方案的有点还多一个，但是接收方解码方案的性能问题是致命的，没有好的方法去优化同一时间接收大量ptt消息场景。因此选择了发送方传输波纹特征方案，同时为了兼容各个版本，在没有波纹特征数据时，接收方会随机生成波纹来统一交互。

产品的意义对未来的展望

语音进度条发布后，很好的满足了用户在收听过程中被打断时需要暂停和继续，以及需要重复收听时可以灵活地选择起始位置的诉求。大大地节省了时间用户收听语音消息的时间，提高了效率。接下来，我们还将继续挖掘用户在语音沟通中的痛点和诉求，新增语音消息倍速播放、语音自动转文字等功能，进一步提供用户的沟通效率，让沟通更加灵活和便捷。