社区

北京时间2月27日，声网母公司 Agora, Inc.(NASDAQ: API) 公布了2023年第四季度及全年财报。财报显示，第四季度 Agora, Inc. 实现营收3604万美元，环比增长3%，全年总营收1.42亿美元。 其中，业务聚焦中国市场的声网第四季度实现营收1.48亿人民币，环比增长5%；聚焦非中国市场的 Agora 第四季度实现营收1530万美元，环比持平。 值得一提的是，得益于多元实时互动应用场景的增长和行业扩展，Agora, Inc. 2023年第四季度调整后净利润为140万美元，实现三年以来首次季度盈利。 对此，Agora, Inc.创始人兼CEO赵斌表示，“我们在2023年四季度取得了强劲的财务业绩，实现了连续的收入环比增长，并实现了140万美元调整后净利润，这是三年以来首次季度盈利。这反映了我们在极具挑战的经营环境下的业务韧性，以及我们不断优化成本结构的努力。” Agora, Inc.在2023年第四季度完成股票回购350万ADS，总金额1000万美元。赵斌表示，“在过去的两年中，我们通过回购方式向股东返还了超过1亿美元，我们的总股本也相应降低了约18%。我们非常高兴地宣布，董事会已经授权将2亿美元的股份回购计划延长12个月，这体现了董事会对我们的财务实力和长期增长前景的信心。” 在客户规模方面，截至2023年12月31日，声网活跃客户数量达4144个，同比增长12%，Agora活跃客户数量达1683个，同比增长18%。

图片 GPT-4o 自发布以来，支持端到端实时多模态成为国内外大模型厂商纷纷跟进的新方向，先是AI初创公司 Character.AI 表示其已经推出了一项通话功能，允许用户与其人工智能角色进行语音对话，并支持多种语言。微软 AI CEO Mustafa Suleyman 近日也表示，今年年底，微软的 AI 将拥有实时的语音界面，允许完全动态的交互。人与 AI 的实时音视频互动正在走进现实。 GPT-4o 支持实时语音对话，一方面得益于自身大模型能力的进化，端到端实时多模态模型能够直接处理语音，这与传统的三步骤处理方法（语音识别、语音转文字、文字转语音）相比，响应更加及时。另一方面，通过应用 RTC 技术，实现了语音的实时传输，进一步降低了语音交互的延时，RTC 也成为人与 AI 交互的重要一环。 图：电影《Her》里的剧情正在走进现实 实时语音互动：多模态大模型交互的终极形态 多模态大模型的出现，推动了人与AI交互方式的变革，而语音多模态将是其中的必经之路。现实中人与人的沟通就是以语音为主，视觉其次，视觉的重要性在于信息的丰富度，但是信息浓度和沟通效率还得靠语音。声网在实践中发现，传统的AI语音对话（STT-LLM-TTS）在应用 RTC 后，响应延时可从4-5秒降低到1-2秒，而在具备端到端实时多模态处理能力后，通过 RTC 技术，大模型实时语音对话的延时可降到几百毫秒内。 从体验上看，RTC 技术的应用让对话式大模型的交互更智能，更具真实感。一方面，低延时的快速响应让人与 AI 的互动更接近人与人之间的实时对话，更自然。另一方面，语音还能识别说话人的情绪、语调，视频能识别人的表情与所处的环境，最终输出更精准、更智能的回答。 可以预见的是，未来基于 AI 的人机界面从键盘、鼠标、触屏到实时对话的变革，语音将是必须走过的进化，实时语音互动也将成为未来对话式多模态大模型交互的

图片 这一期我们走进日韩地区，从多个视角洞悉泛娱乐社交在日韩市场的情况。 图片 日韩老龄化严重，年轻人口占比低 日本共1.24亿人口，老龄化严重，年轻人口占比低，34岁及以下人口占比30.9%（中国 43.1%，美国 44.8%)，人口中位年龄 49.3岁；韩国人口约5100万人，GDP 和人口规模约为日本的四成，韩国人口规模连续多年减少， 34岁及以下人口占比35.5%，人口中位年龄44.8岁。 图片 日韩互联网渗透率高，但人均上网时长偏低 日本互联网渗透率93%，并拥有9600万活跃的社交媒体用户，占总人口77%；韩国互联网渗透率更高，社交媒体覆盖率也更高，用户规模4834万人，占总人口94%。但从时长角度来看，日韩用户的平均上网时长在全球主要国家中偏低，大幅低于东南亚、中东和拉美用户，出海产品可能需要根据用户习惯做出调整，提升产品的差异化程度。 图片 日韩用户平均上网时长偏低，可能跟本地人“热衷”于线下社交有一定关联。受文化的影响，日本打工一族下班后热衷于去居酒屋喝上一杯，而韩国打工人可能在疲于应对一场又一场的“会餐文化”。此外，从数据上来看，比起线上社交、上网冲浪，已经耗费太多“社交精力”的日韩用户更喜欢宅家看电视。 图片 日韩泛娱乐应用付费能力强，收入规模排第二和第四 日韩在全球（不含中国）泛娱乐应用下载排名偏后，但应用内购买收入都在全球前四名，用户付费习惯好、付费能力强。韩国的泛娱乐 App 收入2023年大幅增长，日本增幅较小。 图片 日韩泛娱乐Top App主要来自本土 在前几期我们分析过，在中国出海热门地区，例如中东和东南亚，Top100 App 中有近一半来自中国出海，拉美也有三分之一。但日韩泛娱乐 Top 100 App 中大部分来自本土公司，中国出海的较少，出海客户可能更多是和本土开发者竞争，需要深入了解本土的流行玩法。 图片 日韩dating ap

图片 “90后用 QQ，00 后用 Soul，10 后用小天才。”从这个时下的互联网段子中，可以看出小天才手表已然在10后心中占据一席之地。 可以立起来翻转、摘下来拍照的炫酷机身、碰一碰加好友的功能，让小天才备受孩子们青睐。但让它真正收获家长信任的，则是它精准的楼层定位技术、高清稳定的视频通话等专业功能。 图片 而小天才今年5月上市的旗舰Z10电话手表不仅延续了之前的专业功能，还联合声网一起探索，增加了视频通话时的实时字幕功能，解决了在嘈杂环境下，音视频外扩声音听不清的难题。 以前在嘈杂环境中用电话手表进行视频通话时，有时会比较难听清对方的声音，就会出现需要将手表贴近耳朵，但又看不清画面的尴尬局面。而小天才旗舰Z10中的实时字幕，通过声网 RTC 云端的语音转文字功能，在视频通话时将对方的讲话实时转写成文字，方便通话者既能看到对方画面，又能通过实时字幕快速获取到对方的讲话信息。 一般来说，智能设备语音转文字的方案有2种：一是端侧实现，因电话手表本身的硬件性能有限，所以 STT （语音转文字）端侧处理难度较大，会导致运算慢、延时高，影响字幕的实时性以及手表功耗增大。二是云端处理实现，声网 RTC 支持小天才旗舰 Z10 的实时字幕功能，就是通过云端处理来实现的，通过部署在云端做计算，减轻手表设备侧的性能开销，能够保障音频与字幕的低延时极致体验。 图片 声网的实时字幕功能基于弱网对抗和拥塞控制算法，具有较强的抗弱网能力，能保障文字与语音的高效同步。同时，声网的实时字幕功能灵活支持市面上主流的 STT 方案，做到无感切换，且设备端无需开发工作，通过调用声网云端 API 即可实现该项功能。 除此之外，声网 RTC 技术也保障孩子们在与父母视频通话时，有更高质量、更低功耗、更低延时的实时互动交流体验。具体如下： 全球首个适配

图片 上一期勇立潮头出海系列观察我们聚焦在印尼市场。这一期，我们聊聊东南亚市场的人气泛娱乐 App 都有哪些核心玩法，相比其他市场，东南亚市场的应用有什么不一样。 通过梳理东南亚泛娱乐下载和营收 Top100 数据，长视频、社交约会、直播、语聊房、1v1是最为突出的五种产品形态，喜欢音视频互动是东南亚用户的重要特点。东南亚泛娱乐应用收入 Top100 产品中，有45%来自中国出海开发者，余下主要来自美国、韩国以及东南亚本土开发者。  1v1 视频社交  由于经济水平和网络渗透率等原因，1v1在东南亚也算相对受欢迎的泛娱乐品类，用户主要集中在印度尼西亚和马来西亚。 从增速来看，TenderU、Hotalk 和 Wemet 是收入增长最快的三款产品。其中增速最快的 TenderU 为用户提供了随机匹配和列表选择两种对话方式，匹配本身需要消耗金币，匹配后的视频聊天和文字聊天同样需要金币，用户可通过内购和订阅的方式获得更多互动机会，TenderU通过将用户的订阅权益按天发放的形式增加用户活跃率。 图片  Dating 社交约会  东南亚的线上 Dating 市场主要由中美两国开发者占据，来自北美的 Tinder、Bumble 和来自中国的 Tantan、Omi 是东南亚受欢迎的头部 Dating 产品。 从增速来看，Voya、SUGO 和 ZenDate 是收入增长最快的三款产品。 图片 其中增速最快的 Voya 的 Top5 收入市场分别是泰国、越南、中国台湾、菲律宾和沙特阿拉伯，25-34岁男性用户是同龄女性用户的2倍还多。 Voya产品模式既非传统的滑动交友，也不是单一的 Dating 功能，而是通过提供1v1音视频、随机匹配、语聊房/K歌房、小游戏、直播等多种玩法，将多元场景作为交友钩子帮助用户多维互动，也因此带来大幅收入提升。 语聊

图片 很长一段时间以来，东南亚都是中国企业出海的第一站，在东南亚社交泛娱乐领域，按照收入排序的 Top100 应用中，中国出海应用占比接近一半。而东南亚各国中，印尼凭借着庞大的人口红利、穆斯林人民对社交的热爱、以及当地互联网渗透的增长潜力，成为社交泛娱乐企业出海东南亚的必争之地。本期勇立潮头东南亚出海观察，我们将聚焦印尼市场，一起来看看出海印尼的增量空间在哪里？ 印尼泛娱乐下载量最大  用户付费意愿增强 印尼是东南亚 GDP 和人口数量最大的国家，数据显示，2022 年印尼 GDP 1.3 万亿美元，人口接近 2.8亿，占东南亚总人口的41%。 图片 庞大的人口基数，也让印尼成为东南亚泛娱乐应用下载量贡献最大的国家，印尼和菲律宾贡献了东南亚泛娱乐下载的半壁江山。在营收贡献上，印尼也仅次于泰国排在第二位，二者一起贡献了东南亚泛娱乐营收的47%。 图片 2023年，虽然东南亚各国泛娱乐应用下载普遍增速不高，但用户付费意愿却有所增强，印尼、菲律宾、泰国、新加坡等市场营收增速喜人，印尼增速超过30%。 图片 由于人口多、偏年轻、生活节奏慢、穆斯林文化等诸多特点，也为印尼社交泛娱乐应用的增长提供了更大的空间。 印尼全国平均年龄29.8岁，年轻人口占比高，人口红利显著。宗教方面，印尼也是世界上穆斯林人口最多的国家，而穆斯林文化中，对社交十分热情和友好。人们通常会以亲戚和朋友为重，并且很容易与陌生人建立联系，社交需求比较旺盛，因此 1V1 音视频社交也成为当前深受印尼人青睐的泛娱乐场景之一。 除此之外，印尼人民生活节奏较慢，斯坦福大学研究人员曾做过一项数据分析，他们使用智能手机对全球111个国家的71万人统计每天走路次数。结果表明，印尼人是最悠闲的，一天只走3513步，最勤奋的是中国人。这也从侧面说明，较慢的生活节奏使得印尼人有更多的空闲时间来进行社交和娱乐。 目前，东南亚各国

图片 6月20日，与 2024 深圳国际智能安防展览会同期举办的【智联全球，安防无界】打造海外安防生态新纪元高峰论坛圆满落幕。现场，声网 IoT 行业负责人吴昌儒以《RTC 焕新智能硬件新时代》为主题进行了分享。 图片 吴昌儒指出，RTC 正在成为智能硬件的标配。实时互动技术以人为中心，从用户的不同需求、不同场景出发，多方位提升人与硬件互动的体验感。 RTC x loT 刷新硬件互动体验天花板  随着物联网科技的发展，多场景的智能硬件设备，如智能摄像头、智能音箱、智能门禁、楼宇对讲、无人机、无人车等，其交互方式也变得愈发智能化、可视化，用户体验也奔向了个性化、定制化。难以追溯是从何时起，实时音视频互动已经渗透到物联网应用的各个场景，作为基础能力承载着丰富的创新功能。这意味着，物联网音视频平台也必须具备足够强的灵活性和可扩展性。 虽然 RTC 技术已经逐渐深入到物联网行业中，但开发门槛高，体验保障难，成本控制难等问题仍是物联网音视频技术普及所面临的挑战。“作为全球实时互动的开创者和领导者，声网的 IoT 解决方案从真实时、优体验、易开发 3 个层面出发，面向市场推出了 aPaaS 灵隼™ 物联网云平台。”吴昌儒介绍道。 图片 基于灵隼™ 物联网云平台，可以帮助智能设备在连通率上达到 99.7%、首帧秒级出图低至 500ms、全球端到端延时低于 400ms、全双工对讲延迟低于 300ms，设备抗弱网方面，依靠声网 SD-RTN™ 能做到 80% 抗丢包下保证音视频通话的流畅，显著优化了设备的音视频性能。 图片 不仅如此，吴昌儒表示，“我们希望设备厂商在硬件不增加成本的情况下，通过声网的 IoT 解决方案，在网络、音频和视频几个方面，能够突破网络限制、平台限制和设备限制做到互联互通，让本身的低端设备也可以做到高端体验，使用户能获取高质量互动体验。” 在面向场景的深度适配

图片 6月25日，在2024 MWC 上海期间，视频体验联盟（VEA）携手移动视频产业链各方举办“畅享高清中国 AI 时代移动视频高质量发展”论坛。论坛以“畅享移动中国”为主题，与会各方围绕移动高清视频产业链的协同创新、技术升级、产品优化等方面展开深入讨论。 图片 在论坛上，视频体验联盟携手包括声网、中国移动、爱奇艺、华为、快手等企业共同发布《AI时代移动视频高质量发展联合倡议》。倡议号召全行业齐心协力，推动 AI与5G-A技术的深度融合，共同探索移动视频产业的高质量发展新路径。 倡议指出： 移动视听业务是推动经济社会数字化转型的重要工具和实现人民群众美好生活的重要载体，随着音视频和移动通信技术的快速发展，视听产业形 态不断调整，产业空间持续延展。例如采集环节引入超高清和原生3D拍摄，显示环节折叠屏手机普及和Vision Pro引领等新的终端形态；AI从内容推送向内容创作、用户交互、用户生成等环节延申和融合；全球领先的5G网络基础设施不仅让视频无所不在，也让AI触手可及。 在政府加快推进视听产业高质量发展的整体战略下、AI和5G-A时代拉开帷幕时，移动视听产业立足生态上下游连接，共划产业未来: 探索AI时代移动视频高质量需求：探讨创新发展方向，围绕新内容、终端新形态等识别共性需求和价值空间，发布白皮书积累合作成果； 打造AI时代移动视频高质量生态：识别、打通产业链存在的难点、痛点、堵点，支撑上下游单位自身的高质量创新； 提升AI时代移动视频高质量体验：夯实价值底座，加速高清、沉浸、交互等多维度体验升级，匹配用户对更美好生活的进阶需求； 促进AI时代移动视频新业务升级：探索共赢模式，加强生态、技术、商业等多层面的互助试点、市场验证、孵化落地。 中国超高清视频产业正快速发展，预计到2025年产业规模将突破7万亿元。超高清视频与AI、5G-A、虚拟现实等新一代信息技术深度融合，将

图片 为促进数字服务创新和高质量供给，进一步丰富人民群众数字生活，促进各行业、各领域数字化转型升级。近期，工信部信管局组织开展了2024年新型数字服务优秀案例征集工作。 经企业申报、上海市通管局评审推荐、工信部专家评审等环节，声网的《实时互动技术赋能智能家居场景全新互动体验》案例脱颖而出，成功入选工信部2024年新型数字服务优秀案例名单。 图片 随着智能科技的发展，人们家庭生活被越来越多的家居设备连接起来，这也造成大家对智能家居设备远程互动和情感连接的需求在日益增长。 以智能摄像头为例，除监控这一基本功能外，搭载音视频技术的智能摄像头可以和家人双向实时通话、随时查看家庭情况，也可以化身“逗宠”神器。而声网的低延时、高可靠的实时互动技术正是在其中让人与设备的互动体验感提升。 作为深耕实时音视频领域10年的“老兵”，声网一直围绕物联网设备和场景去不断优化实时互动用户体验，并推出了IoT解决方案。该方案依托声网自研的全球软件定义实时网SD-RTN™，可以让硬件设备突破网络限制，让全球端到端时延控制在 400ms 之内，即使在弱网的情况下，也能保障 80% 丢包下音视频通话流畅。 图片 同时，为推动实时音视频技术与智能硬件的结合，进一步提升用户场景体验，声网IoT解决方案着力于增强相关技术优势。如有专为实时互动打造的自研高清语音引擎， 多种视频增强策略、实时美声算法、AI降噪和回声消除能力等技术，让用户在于智能设备互动时，拥有更高保真、更趣味、更高清画质的音视频体验。 在面向场景的深度适配上，声网的IoT解决方案适配了安卓、鸿蒙、LiteOS、小米VelaOS等主流操作系统，以及为硬件厂商提供了软硬一体以及官方适配的SDK，如有乐鑫科技、BEKEN等能满足低功耗音视频设备场景的品牌，也有英伟达等面向高性能计算的解决方案组合。 图片 声网的 IoT 解决方案已经布局了面向智能穿戴、家

暂别热情的“桑巴大陆”，从本期开始，我们走进东南亚市场。都说东南亚市场是“红海”一片，出海难度值拉满，第一期我们就从多个视角解读泛娱乐社交在东南亚市场的情况。 图片 人均 GDP：新加坡、马来西亚、泰国经济水平较好 人均 GDP 比较高的主要国家有新加坡（8.3 万美元），马来西亚（1.2 万美元），泰国（6909 美元），印尼和越南，新加坡、马来西亚、泰国等的华人比例较高。 图片 东南亚互联网渗透率高、上网时间长，基础设施和用户习惯好 东南亚互联网渗透率高，基本都在80%以上，良好的基础设施条件能够支撑互联网产品传播。全球平均上网时长为6h37min，东南亚大部分国家也都高于这个水平，网络使用习惯较好。 图片 东南亚泛娱乐应用大盘：收入主要来自泰国、印尼、马来西亚 下载量和人口密切相关，东南亚泛娱乐应用下载量主要来自人口前三的国家：印尼、菲律宾和越南。收入主要来自泰国，泰国的用户付费能力较强，其次是印尼和马来西亚。 图片 东南亚人均付费能力偏弱，新加坡、马来西亚、泰国RPD较高 东南亚平均的单次下载收入是0.2美元，低于全球平均水平（0.7美元），整体的人均付费能力并不强。从东南亚内部来看，新加坡、马来西亚和泰国是人均付费能力较强的三个国家。印尼 RPD 虽然仅有0.09美元，但用户基数大，收入规模占比也不低。 图片 印尼、菲律宾收入增速较高 东南亚泛娱乐应用下载量增速不高，印尼、泰国、越南等还略有下降。但部分国家收入增速较高，例如印尼、菲律宾、越南、新加坡等，同比增速在10%以上。 图片 中国出海占据半壁江山，长视频和社交约会应用为主 东南亚泛娱乐领域，按照应用收入排序的 Top100，中国出海应用占比接近一半，其次是美国开发者。无论是中国还是海外开发者，应用数量最多的都是长视频和社交约会类应用，区别是在直播、语聊房和1v1场景上，中国出海的应用更多，通讯类应用则是海外

图片 为帮助开发者快速集成高质量的泛娱乐社交实时互动场景，声网于近期正式推出 场景化 API 方案，该方案是面向客户业务场景化的一体化开发工具包，通过简单几个 API 就能快速实现场景构建，并通过预设参数配置帮助客户实现场景的最佳实践。 相较于以往的音视频场景集成搭建，声网推出的场景化 API 具有更易、更快、更优的特点。 更易，是能将复杂的集成和海量的代码精简至几个核心 API，集成复杂度大幅降低； 更快，相比以往成千上万个代码，场景化 API 将代码量缩减了 95%，集成时间最快缩短至1天； 更优，通过预设配置，帮助客户实现场景的最佳实践应用，QoE 对标行业头部App，达到行业最优。 图片 目前，场景化 API 覆盖了 5 大泛娱乐业务场景，包含1v1呼叫、秀场直播 - 秒开秒切、秀场直播 - 美颜、音频最佳实践、K歌等，适用于企业期待快速完成开发上线的泛娱乐业务场景，并能跨级提升用户体验。  1v1呼叫   伴随着 1v1 社交的火爆，不少企业也在开发和入局该场景，但 1V1 呼叫过程中，会经常出现主播在线，呼叫却没有反应；不出图，黑屏；出图时间慢，付费大哥要等半天；集成逻辑复杂，业务场景多；没出图就产生扣费，大哥投诉多等问题。 而这些问题并非不可解决，开发者仅需 6个 核心 API，就能最快在2-3天内快速集成 1v1 呼叫场景，并能解决因用户在线状态识别不准带来的诸多通话问题。尤其是建立通话后出图时间过长会影响付费客户留存率，而1v1呼叫场景化 API 接通后平均等待时间相比传统方案缩短了87.5%，极致出图低至100-200ms。 图片 同时因网络情况导致的通话异常率最高降低 65%，有效缓解 用户被“强制挂断” 的不好体验，助力客户线上业务提升。据统计，使用声网 1v1 呼叫场景化 API 之后，某 APP 15 日用户留存