术语说明

---

A

AEC

AEC（Acoustic Echo Cancelling）指回声消除，ZEGO Express SDK 支持对采集到的音频数据进行过滤，以减少音频中的回声。

AGC

AGC（Automatic Gain Control）指自动增益控制，ZEGO Express SDK 能够自动调节麦克风音量，适应远近拾音，保持音量稳定。

AI 视觉

ZEGO 基于领先的 AI 算法，提供多项智能图像渲染和算法能力，包括智能美颜、AR 特效、图像分割等，可广泛应用于娱乐直播、在线教育、拍照工具等多种场景。

ANS

ANS（Active Noise Control）指降噪，ZEGO Express SDK 支持识别声音中的背景噪声并进行消除，使人声更加清晰。

AOI

AOI （Area of Interest）是指感兴趣的区域或范围。在 ZEGO 的虚拟场景中一般指用户的可视范围，该范围实时跟随用户的位置，仅接收 AOI 范围内远端用户的音视频信息、网络状态、设备状态等。

AppID

AppID 是 ZEGO 控制台 为每个项目签发的应用 ID，是每个项目的唯一标识。

AppSign

AppSign 是 ZEGO 控制台 为每个项目签发的鉴权密钥，用于校验对应 AppID 的合法性。

API

API（Application Programming Interface，应用程序接口）是一些预先定义的接口，比如函数、HTTP 接口等。

ZEGO 提供的 API 包含 客户端 API 和 服务端 API，开发者可通过调用接口实现各种功能，详情请参考 ZEGO API 中心。

ARQ

ARQ（Automatic Repeat-reQuest，自动重传请求）是 OSI 模型中数据链路层和传输层的错误纠正协议之一。它通过使用确认和超时这两个机制，在不可靠服务的基础上实现可靠的信息传输。

B

补充增强信息

补充增强信息（Supplemental Enhancement Information，SEI）是码流范畴里面的概念，提供了向视频码流中加入信息的办法，是 H.264/H.265 视频压缩标准的特性之一。

BGP

BGP（Border Gateway Protocol，边界网关协议）是互联网上一个核心的去中心化自治路由协议。BGP 系统的主要功能是和其他的 BGP 系统交换网络可达信息。

变声

变声是指通过改变输入的音调，使输出的声音在感官上与原始声音不同，可实现男声变女生等多种效果。

C

CDN

CDN（Content Delivery Network 或 Content Distribution Network，内容分发网络）是指一种透过互联网互相连接的电脑网络系统，利用最靠近每位用户的服务器，更快、更可靠地将音乐、图片、视频、应用程序及其他文件分发给大量用户。

场景化音视频

为方便开发者快速接入，降低开发者接入门槛，ZEGO Express SDK 通过大量线上数据验证，沉淀出多种场景化配置方案。开发者可根据所需场景，选择对应的房间模式，SDK 将自动应用适合该场景的音视频编解码器、音视频参数、流控策略等配置，从而快速实现该场景下的最佳效果。

超低延迟直播

ZEGO 超低延迟直播（Low-Latency Live Streaming，L3）为高质量体验而生，可打造超低延迟、超强同步、抗极端弱网、超低卡顿、超清画质、首帧秒开的极致直播体验，是直播分发产品中的“六边形战士”。

超分

超分辨率（简称超分）功能可以在拉流端，对拉取到的视频流画面的宽和高的像素进行倍增，从而得到更好的画质。

例如：拉流端拉取到的原始画面分辨率为 640p x 360p，对画面进行超分处理后分辨率将提升为 1280p x 720p。

D

大小流

视频大小流编码（H.264 DualStream）参考了分层视频编码（H.264 SVC）的理念，通过对视频码流分层，保障不同网络和设备性能的终端流畅的体验。

两者的区别，请参考 视频大小流和分层编码。

单流录制

云端录制的一种模式，指分别录制房间内每条音视频流、白板，每条音视频流都会生成对应的音视频文件，所有白板会生成一个视频文件。

DAU

DAU（Daily Active User），日活跃用户，简称日活，通常是指一天之内使用某产品的独立用户数。

例如，单个用户登录即时通讯（ZIM SDK），则计为 1 个 DAU。当日内，如果该用户更换设备登录、重复登录，都会记为同一个 DAU。DAU 从每月 1 号开始统计，不足一个月的（例如在当月 15 号开启/关闭服务）都将按照一整个月计费。

地理围栏

地理围栏指将音视频及信令数据传输限定在某一区域，用以满足地区数据隐私安全相关法规，即限定访问某一特定区域的音视频服务。例如，当指定的地理围栏区域为欧洲时，不区分 App 用户所在区域，SDK 实际访问的区域将为欧洲。

丢包

丢包是指一个或多个数据包无法通过网络到达目的地，丢包严重时可能影响音视频的质量。

抖动

经网络传输后，接收端收到的数据包之间延迟有所差异，也就是说数据包的延时忽大忽小，将这种现象称之为抖动。

多端登录

用户同一个账号可在多个平台上同时登录，满足用户的会话、消息、群组等数据互通。ZIM SDK 支持配置自定义多端登录。

E

耳返

耳返是指利用耳机监听本侧采集设备的声音。

F

范围语音

ZEGO Express SDK 提供的 “游戏语音” 功能的其中一种场景，即房间内的收听者对音频的接收距离有范围限制。若发声者与自己的距离超过该范围，则无法听到声音。为保证语音清晰，附近超过 20 人发声时，只能听到离自己最近的 20 个发声者的声音。

房间

在不同 SDK 中，“房间” 代表的含义不同：

• Express SDK：“房间” 在 Express SDK 中，可以理解为音视频中 “频道” 的概念是指 ZEGO 提供的音视频空间服务，用于组织用户群，同一房间内的用户可以互相收发实时音视频及消息。实时音视频的所有功能都是以 “房间” 为载体，登录即登录房间，因此以 loginRoom 接口登录作为开启音视频功能的第一步。

• ZIM SDK：“房间” 在 ZIM SDK 中，可以理解为 “聊天室” 的概念。ZIM 为开发者提供全平台互动、海量并发、超低延时、消息必达的通信服务，除了房间还有单聊、群聊消息等其他模块，相对实时音视频更多一层 “账号” 概念，所以 login 接口登录作为开启 ZIM 服务的第一步。

两个产品的业务侧重点有所不同，请开发者注意区分。

FEC

FEC（forward error correction，前向纠错）是一种差错控制方式，它是指信号在被送入传输信道之前预先按一定的算法进行编码处理，加入带有信号本身特征的冗码，在接收端按照相应算法对接收到的信号进行解码，从而找出在传输过程中产生的错误码并将其纠正的技术。该技术提高信号传输的可靠性。

分辨率

• 视频分辨率，是用于度量图像内数据量多少的一个参数，通常表示成 ppi。

• 采集分辨率，是指摄像头等采集设备提供的画面分辨率。

• 编码分辨率，是指经过编码处理的画面的分辨率。

分层视频编码

分层视频编码（Scalable Video Coding，SVC）即可伸缩视频编码标准，是 H.264/AVC 标准的可伸缩性扩展档次（ITU-T and ISO/IEC JTC,2007），它可以根据需求将视频流分割为一个基础层和多个增强层，基础层为用户提供最基本的视频质量、帧率和分辨率，而增强层则对视频质量进行完善。

FLV

FLV（Flash Video），是一种网络视频格式，用作流媒体格式，CDN 直播中会通过 HTTP 协议传输 FLV 视频格式的数据给客户端，称作 HTTP-FLV。

H

H.264/H.265

视频编码格式，通过特定的压缩技术，将原始视频格式的文件转换成另一种视频格式的方式，便于传输和存储。

• H.264：一种高级视频编码，是一种基于运动补偿的视频编码标准。到 2014 年，它已经成为高精度视频录制、压缩和发布的最常用格式之一。
• H.265：一种高效的视频编码标准，旨在有限带宽下传输更高质量的网络视频。

HLS

HLS（HTTP Live Streaming）是由苹果公司提出基于 HTTP 的流媒体网络传输协议。

互动连麦

连麦的概念出现在直播房间场景下，包括视频连麦和语音连麦，是房间内用户之间互动的一种形式。通过 startPublishingStream 接口推自己流的同时，也调用 startPlayingStream 接口拉对方的流，两个用户连麦成功之后即可进行互动通话。

呼叫邀请

ZIM SDK 提供了呼叫邀请功能，支持主叫向被叫（可为离线状态）发送呼叫邀请、被叫（可为离线状态）接受或拒绝邀请等完整的业务流程控制能力。呼叫邀请分为两种模式，普通模式与进阶模式。

回声消除

回声是指扬声器播放出来的声音被麦克风拾取后发回远端，使远端谈话者能听到自己的声音。

回声消除是指采用回波抵消法，估计回波信号的大小，然后在接收信号中减去此估计值以抵消回波。

混流

混流是把多路音视频流从云端合并成一路流的技术，也称合流。

混流录制

云端录制的一种模式，指房间内所有音视频流、白板混合录制成一个音视频文件。

混响

混响是指通过对声音进行特殊处理，制造不同环境的混响效果，可实现音乐厅、大教堂等场景中的效果。

I

IM

IM（Instant Messaging，即时通讯）是一种通讯方式，允许两人或多人使用网络实时的传递文字消息、文件、语音与视频交流。

J

鉴权

鉴权（authentication）是指验证用户是否拥有访问系统的权利。

静默推送

ZIM SDK 支持同步处于后台运行的 App 和服务端的数据，同时无需弹出窗口通知用户。仅限支持 Google 服务的 Android 手机实现此功能。

L

离线推送

当用户离线时，ZIM 消息可通过手机厂商推送通道触达客户端，在用户终端的通知栏内展示推送。

目前 ZIM 已支持 Apple APNs、华为、小米、vivo、OPPO、Google 等主流手机厂商。

离线消息

指用户不在线（离线）时，可以接收到的消息。当 App 在后台运行或者 App 进程被杀死后，服务器会暂存离线消息，当用户再次登录 ZIM 时，会自动拉取离线阶段的消息，实现消息必达。

目前 ZIM 支持单聊/群组的离线消息推送功能。

LogUrl

LogUrl 是指集成 ZEGO 的 Web 平台或小程序平台的 SDK 时，用于上报日志的路径，可排查故障、定位问题，在 SDK 中进行配置。

拉流

从 ZEGO 实时音视频云将已有音视频数据流拉取播放的过程。

流

流是指一组按指定编码格式封装，不断发送中的音视频数据。

流量控制

流量控制（流控）是指根据当前网络环境状态来动态调整推流的码率、帧率、分辨率，自动适应当前网络环境及网络波动，保证音视频流畅发布。

连麦

连麦的概念出现在直播房间场景下，有视频连麦和语音连麦两种，是房间内用户之间互动的一种形式。通过 startPublishingStream 接口推自己流的同时，也调用 startPlayingStream 接口拉对方的流，两个用户连麦成功之后即可进行互动通话。

M

码率

码率是指每秒传输的比特（bit）数，单位为 bps（bit per second）。

MOS 音质评分

Mean Opinion Score（平均意见得分），简称 MOS，是一种最常用、且相对简单的主观音质判断方法，由于是人类给出测评分数，可以灵活应用与测试声音各方面的特性。采取 5 个级别对被测语音的质量进行评价，一般 MOS 在 4 以上被认为是比较好的音质，待测语音的质量是在所有试听人员的评分上求平均得到的。

N

Native

Native 平台，一般指 iOS、Android、macOS、Windows 等平台。

NTP

NTP（Network Time Protocol，网络时间协议），是用来使计算机时间同步化的一种协议，它可以使计算机对其服务器或时钟源（如石英钟，GPS 等等)做同步化，并提供高精准度的时间校正（LAN 上与标准间差小于1毫秒，WAN 上几十毫秒），且可通过加密确认的方式来防止恶毒的协议攻击。

Q

QoS

QoS（Quality of Service，服务质量）是一种控制机制，它提供了针对不同用户或者不同数据流采用相应不同的优先级，或者是根据应用程序的要求，保证数据流的性能达到一定的水准。

QPS

QPS（并发），指每秒请求的并发数，1 QPS 即每秒同时支持请求接口 1 次，50 QPS 即每秒同时支持请求接口 50 次。

群组

ZIM SDK 的群组，指两个或以上的用户一起进行聊天。有成员在群组内发送消息时，其他成员会收到消息；当 App 在后台运行或者 App 进程被杀死后，不在线的群内成员也可以接收到离线消息的推送通知。

ZIM 会持久化存储群组关系链，不会因为群成员的在线、离线状态而变更关系链。

R

RTMP

RTMP（Real-Time Messaging Protocol，实时消息协议）也称实时消息传输协议，是最初由 Macromedia 为通过互联网在 Flash 播放器与一个服务器之间传输流媒体音频、视频和数据而开发的一个专有协议。

RTP

RTP（Real-time Transport Protocol，实时传输协议）是一个网络传输协议，详细说明了在互联网上传递音频和视频的标准数据包格式，它是创建在 UDP 协议上的。

S

SDK

SDK（Software Development Kit，软件开发工具包）是软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。

ZEGO 提供了 SDK 中心，开发者可以下载不同产品、不同平台或框架的最新 SDK 包。

SEI

SEI（Supplemental Enhancement Information，媒体补充增强信息）是通过流媒体通道将文本信息与音视频内容打包在一起，从主播端（推流端）推出，并从观众端（拉流端）接收，以此实现文本数据与音视频内容的精准同步的目的。

ServerSecret

ServerSecret 是 ZEGO 控制台 为每个项目签发的后台服务请求接口的鉴权校验密钥，一般用于 Web 平台上校验对应 AppID 的合法性。

沙箱

沙箱（Sandbox）是一个虚拟系统程序，它创造了一个独立运行的环境，在其内部运行的程序并不会对硬盘产生实际影响，通常用来运行文件样本。

上麦

占据麦位，可以与麦上的其他用户通话，常见于 KTV、语聊房等场景中。

视频编码

视频编码是指连通过消除连续图像之间的时域、空域冗余信息来压缩视频。

数智人

区别于传统的数字人，不仅是以数字形式存在于数字空间中，具有拟人或真人的外貌、行为和特点的虚拟人物，同时借助 AIGC 技术，拥有媲美真人的表情、动作和互动能力。

数智人创作平台

ZEGO 推出的一款基于人工智能、形象声音克隆、文本驱动、语音驱动、云计算技术的视频生成平台。您可以通过平台提供的多种工具、功能和服务，轻松制作出拥有本人形象和声音的短视频。用生成式技术赋能短视频制作，降低内容生产门槛。

数智人直播

虚拟直播的进阶玩法，商家可以利用数智人，搭建无需真人出镜、无需设备、无需场地的虚拟直播间。

SSL

SSL（Secure Socket Layer）安全套接层是 Netscape 公司率先采用的一种网络安全协议。它是在传输通信协议（TCP/IP）上实现的一种安全协议，采用公开密钥技术。SSL 广泛支持各种类型的网络，同时提供三种基本的安全服务，均使用公开密钥技术，为互联网通信提供安全及数据完整性保障。

T

Token

Token 是用于保障房间登录安全的令牌，Token 信息需要开发者自行生成。

推多路流

推多路流是指同时推多条流的技术。

推流

把采集阶段封包好的音视频数据流推送到 ZEGO 实时音视频云的过程。

W

网络带宽

网络带宽是指在单位时间内能传输的数据量，基本单位为 bps（bit per second）。

上行带宽是指用户电脑向网络发送信息时的数据传输速率，推流时占用上行带宽。

下行带宽是指网络向用户电脑发送信息时的数据传输速率，拉流时占用下行带宽。

X

下麦

离开麦位，无法与麦上的其他用户通话，常见于 KTV、语聊房等场景中。

消息表态

消息表态，是指用户对消息的反应。一般可用于对单聊或群聊的消息添加或删除表情，也可用于发起群组投票、确认群组结果等操作。ZIM SDK 支持设置消息表态。

消息回执

消息已读回执，是指用户在会话中发送一条消息后，得知其他用户已读或未读此消息。ZIM SDK 支持设置消息回执功能。

消息云存储

用户发送的单聊、群组、房间消息将存储在 ZIM 服务器上，方便更换设备、离线登录后重新获取。

出于隐私保护需求，用户可设置消息实际存储时长，或删除消息存储。

信令消息

开发者可根据业务需求自定义信令消息类型、内容，ZIM 将消息透传至业务服务器，帮助开发者实现相应业务逻辑。

星图

星图（Analytics Dashboard，AD）是 ZEGO 为开发者提供的音视频质量运营平台，帮助开发者全面监测音视频服务，还原通话质量和互动情景，低门槛且高效定位排查问题，提升音视频质量和用户体验。

虚拟立体声

虚拟立体声是指通过使用双声道技术，模拟音源的各个位置角度，可实现立体声、3D 环绕音、听声辩位等效果。

Y

音频采样率

音频采样率是指录音设备在一秒钟内对声音信号的采样次数，采样频率越高声音的还原就越真实越自然。在当今的主流采集卡上，采样频率一般共分为 11025 Hz、22050 Hz、24000 Hz、44100 Hz、48000 Hz 五个等级。

云代理

ZEGO Express SDK 提供的代理云服务，将 SDK 对应的所有流量通过云端的代理服务器中转，适应不同的网络环境下，保障通信正常。

Z

噪音抑制

噪音抑制（Automatic Noise Supperession，ANS）是指探测背景固定频率的杂音并消除背景噪音。

帧率

帧率（Frame Rate）是单位时间内视频显示帧数的量度单位，测量单位为“每秒显示帧数”（Frame Per Second，FPS）。

直推 CDN

直推 CDN 是指将音视频流直接从本地客户端推送到 CDN 的过程。

主体分割

主体分割是 Express SDK 提供的增值能力，通过 AI 算法识别视频画面中的内容，对每一个像素点设置透明度信息。其中，主体部分的像素点会被设置为“不透明”，主体部分之外的像素点会被设置为“透明”。开发者可以利用这些像素点的透明度信息，对画面中的主体和非主体部分做不同的处理，从而实现不同的功能。

转推 CDN

转推 CDN 是指将音视频流从 ZEGO 实时音视频云推送到 CDN 的过程。

自定义视频采集

自定义视频采集是指开发者向 SDK 提供自定义的视频输入源，SDK 可对源数据进行编码、传输。

自定义视频渲染

自定义视频渲染是指 SDK 向外部提供本地预览及远端拉流的视频帧数据，供开发者自行渲染。

自动增益控制

自动增益控制（Automatic Gain Control，AGC）是指 SDK 能够自动调节麦克风音量，适应远近拾音，保持音量稳定。