（文章來源：布谷鳥網絡科技）

視頻聊天時候，因為可以看到彼此，對聲音也不那么在意。而純語音聊天時，人注意力都放在聲音上，對音質的要求更高。

1)整體穩定的技術，1 對 1 語聊的技術門檻相對較低，多人語聊和特定場景相對復雜，技術實現難度比較大。以pia戲為例，如果經常出現卡頓、延遲和聽不清的情況，會將營造的劇情氣氛破壞殆盡，主播時不時要退出重新登錄，無法全身心投入，用戶聽到的是斷斷續續的聲音，不能沉浸到劇情中。

自研的音視頻引擎，通過抖動緩沖技術、前向糾錯技術、丟幀補償技術減少網絡抖動和弱網環境下的延遲，保障語音通話低延時且清晰。讓用戶在復雜網絡環境和多類型手機的情況下，也能實現暢通優質的語音通話。

2)多人聊天的語音前處理，以KTV語聊房為例，在房間當中，有人說話聲音、歌聲、伴奏都在房間呈現，每個人所處的地方，所用的設備也不一樣，這就有很大可能出現回聲、噪音，或是某個人設備不是很好，發出的聲音很小。

成熟的語音前處理3A技術：回聲消除(AEC)、噪音抑制(ANS)、音量增益(AGC)，杜絕回聲和嘯叫，降噪而無損音質。這樣歌者能展示甜美歌聲，聽眾也有良好的聽覺享受。

3)媒體次要信息同步，而在KTV類的場景中，AB兩人輪麥合唱，如果輪到B唱歌時發現歌詞沒同步，就很難唱下去。這當中技術難點就在于歌詞等媒體次要信息是否能做到同步。支持將非媒體信息注入媒體流中，歌詞等媒體次要信息和音視頻信息放在同一個媒體通道傳輸的，做到歌詞與歌聲同步展示果。