概述

---

实时语音（Express Audio）是一款实时的音频互动服务产品，能够为开发者提供便捷接入、高可靠、多平台互通的音频服务。通过低至 200 ms 的端到端平均时延，业内领先的保障弱网质量的 QoS 策略，并结合强大的 3A 处理能力，完美支持一对多、多对多的实时音频通话、直播、会议等场景。

实时语音同时为开发者提供 4 行代码全平台极速接入音频服务的能力，能够让开发者在 30 分钟内构建出拥有完美音频体验的产品和服务。

产品优势

身临其境的音质

• 设备深度适配：深度适配各类麦克风、声卡等设备，实现低延迟采集、低延迟耳返和超高保真音质。
• 丰富音效：专业音频团队优化，变声美声、混响及虚拟立体声等音效场景多达 30 余种。
• 3A 及场景化 AI 降噪：自研 3A 算法及轻量级的 AI 降噪，实现极低性能损耗的噪声回声抑制后的纯净人声。业内首发场景化 AI 降噪，实时识别场景智能保证降噪和音质的综合效果。
• 范围音视频：结合距离、方向、传输介质等，通过专业算法，模拟现实沉浸式音视频通话体验。

无限玩法及场景

• 大规模连麦互动：无房间人数限制，最多支持万人上麦音视频通话，助力虚拟演唱会、万人大会等场景。
• 状态实时同步：支持万人进行位置、形象等状态信息和自定义信令的有序高频、低延迟同步。
• 安全合规：针对防火墙环境提供云代理等方案，不同区域的数据合规诉求提供数据围栏等能力。
• 云服务及组件：满足更多样的玩法，提供混流及转码、音频审核、视频审核、录制截图等各种服务及组件。

海量能力 API

• 基础音视频：提供实现 1v1 音视频通话、多人音视频通话、多房间音视频通话的能力。
• 高级音频处理：提供 3A、场景化 AI 降噪、变声、美声、混响、空间音效、耳返、范围音视频、人声检测等能力。
• 增值云服务：提供混流及转码、旁路转推 CDN、万人 RTC 连麦、超低延迟直播、万人状态实时同步、媒体流输入、SIP 互通等能力。
• 质量服务：提供通话前设备检测、实时网络检测、通话中质量洞察、全链路运维（星图）等能力。
• 多种生态组件：提供音频审核、超级白板、录制、即时通讯（ZIM）等组件。

服务全球高可用

• 多终端及平台语言深度适配：深度适配各种耳机、声卡、摄像头等外设，适配 15000+ 终端设备及 IoT 设备，兼容 25+ 种语言及开发平台。
• 复杂网络环境高可用：音频最高抗 80% 丢包，视频抗 70% 丢包，可实现 1000ms 的超强抗抖动能力，网络带宽限制最低 30k。
• 海量有序网络 MSDN 全球覆盖：提供 500+ 个节点，覆盖 212 个国家，传输网络稳定。端对端时延最低 79ms，媲美现实的音视频体验，长距离端对端传输时延平均 300ms。
• 高达 99.99% 的服务高可用：提供高性能架构，可容纳千万级的高并发。根据线上量级，实现秒级平滑扩容，同时提供星图产品，用于支持实时跟踪质量，定位并解决问题等。

特性指标

平台兼容

实时语音支持 iOS、Android、Windows、macOS、HarmonyOS、Web、小程序并支持平台间互通，具体的兼容性要求见下表。