将介绍和展示我们近期在RTC技术中实时视频传输、编码和基于人工智能算法的处理等技术方向取得的进展，并对RTC未来发展的一些趋势做简要分析。

相较于成熟的图片、视频审核，语音是行业公认的新难题。语音违规不仅风险更隐蔽、影响更恶劣，其对应的AI技术也存在更高的壁垒。难点一：高复杂度场景下的语音识别。语聊房、视频直播、短视频中的语音往往伴有极强背景音（如音乐、噪声等）、语速极快咬字不清、口音严重等情况， 使得其识别难度数倍于传统场景。难点二：极低误报率要求下的违规内容过滤。上述场景中，违规内容出现的概率往往在万分之一甚至十万分之一，这就要求算法模型在不漏太多的情况下尽可能的减少误报（从而减少人工审核的工作量）。本次演讲，依图将结合自身经验，介绍如何有针对性的进行技术实现和方案设计，克服以上难点。    

网络是动态变化的，如带宽波动和意想不到的延迟，伤害用户的体验质量（QoE），而且全球网络媒体服务都需要面对这个问题。在这次演讲中，我们提出了一个神经自适应传输（NAT）框架解决全球网络规模下互动媒体服务的网络问题。整个神经自适应传输（NAT）系统有三个主要组成部分：一个基于学习的云覆盖层路由（COR）方案，通过绕过网络拥塞并找到最低延时路径，提供最佳传输路径；一个基于协同视频处理（CVP）系统的残余神经网络在设备端来协调端上的计算能力，通过学习分辨率缩放来改进QoE;还有一个深度强化学习（DRL）的自适应实时流（ARS）策略，用来选择适当的视频比特率，以获得最大QoE。我们验证过COR可以提高用户满意度5％到43％，CVP可以减少相同质量下带宽消耗的30％以上，基于DRL的ARS可以保证流媒体流畅度，QoE也可改善50％以上。

多功能视频编码（VVC）标准是自2018年4月开始由ITU-T和MPEG联合视频标准委员会JVET开发的新一代视频压缩标准。与目前压缩性能最好的HEVC标准相比，VVC的目标是使用一半的比特率实现相同的视频质量。 VVC的另一个重要设计目标是为各种视频应用的格式提供高压缩效率，包括传统的standard dynamic range（SDR）格式，high dynamic range（HDR）格式和全方向360度视频等格式。在最近的2019年7月的JVET标准会议上，VVC标准达到了被称之为committee draft（CD）的重要里程碑，标志着VVC标准中主要编码工具和功能已经基本选定，接下来的技术发展进入稳定阶段。在本次演讲中，我们将一起回顾一下VVC中的一些主要编码工具及VVC所支持的一些重要功能。我们还将VVC与其它视频编解码标准（如HEVC和AV1）做客观压缩性能的比较。最后我们会展望未来，看看在VVC定稿之前的最后的一年中JVET委员会还需要做的工作，并探讨一下业界预期VVC在行业和市场中会产生什么样的影响。

新一代AVS3视频编码标准自启动以来得到业界的广泛关注，已制定完成的AVS3基准档次相比于已有标准编码效率提升30%，将引领未来8K超高清、VR视频等产业应用的发展。本报告简要介绍新一代AVS3视频编码标准的最新进展情况，包括制定过程、关键技术、行业应用和未来展望等内容。

感知编码是指在编码的时候结合人眼特性，进一步减除人眼通常注意不到的地方以达到节省码率的目的，或者加强人眼观看的主观效果。感知编码可以包含前处理、后处理以及编码过程中的多个算法。这里会简要介绍一下相关话题以及我们在实时通信领域限制下的相关实践。    

在移动通信技术发展史上，从来没有像5G这样，让CT与IT技术如此紧密的结合在一起。5G的能力开放让更多的资源可以为开发者使用，系统解耦让更多的技术可以不断迭代更新，网络切片让更多的业务可以复用于同一张网络。
5G时代展示了一个全新的生态，由此对音视频的冲击不仅仅是高速率低时延，还有丰富的场景和业务。音视频编码技术在充分考虑了智能算法之后，开始考虑工业互联网场景，新场景新业务的爆发将是5G时代的重要特点。音视频应用也不再会局限于短视频，很多深度体验和强交互式业务将有可能获得新生。

微软小冰是微软（亚洲）互联网工程院研发的人工智能机器人。微软小冰实时感官系统是微软小冰的线下实时交互平台，她具有多种实时识别和动态捕捉的能力，并可以用户进行实时交互。本次演讲将会对实时感官系统全方位深度剖析，并以之为例介绍实时感官系统的构成与应用，引领听众探索其未来发展趋势。