美国最大第三方播客平台背后的技术支撑

面临挑战

互动播客场景对音频传输质量要求较高，需确保低延时、高质量、高稳定的通话体验；AI 降噪、能够轻松抑制常见噪声，杜绝回声和啸叫，为用户畅聊时提供纯净音质体验。

解决方案：

直播场景解决方案

社交场景解决方案

使用产品：

互动直播、语音通话、AI 降噪

从“听”播客到“互动”播客，用户激增的秘诀

Castbox 成立于 2016 年，专注于音频市场，是一个可以让全球听众收听、制作，并分享他们喜欢的音频内容的平台，Castbox 除了个人主播做的音频内容外，还收录了全球近两百个国家和地区的开放电台节目内容，目前 Castbox 已经覆盖全球 175 个国家，75 种语言，用户量超过 4000 万，连续两年登上 Google 年度应用大奖名单。

围绕播客场景，Castbox 近年来也推出了一系列基于内容的互动评论区、社区以及音频直播（Livecast）等场景。 2019 年，Castbox 上线了 Livecast 音频直播场景，该服务完全免费对用户开放，主播可根据不同话题创建房间，在同一房间内，主播可以通过连麦或即时文字聊天的形式与听众和粉丝实时互动，粉丝也可以购买平台礼物赠送给心仪的主播。

通过搭建 Livecast 这一实时音频互动场景，Castbox 成功拉近了主播和听众间的距离，为平台吸引、留存了更多的用户，而声网正是其背后的实时音视频服务提供商。

互动播客背后的技术支撑

在 Livecast 场景中，一个房间动辄会出现百人或者千人，主播一旦与用户间连麦的延时过高，会导致互动体验大打折扣；另外由于 Castbox 海外用户遍布全球 175 个国家，对于音频服务跨地域、地区的稳定性、流畅性有着很高的要求。

声网自建的软件定义实时网 SD-RTN™ 覆盖了 200+ 国家与地区，拥有超低延时、高并发、高可用等特性，为 Livecast 场景提供了有力支撑。SD-RTN™ 特别针对东南亚、中东、北美和国内中小城市做网络优化，全球端到端网络优质传输率超过 99%，通过智能动态算法确保全球范围内毫秒级的低延时传输，实现端到端全球延时中位数 76ms。同时，SD-RTN™ 在网络架构设计上能够应对 10 倍以上的负荷，具备千万级并发能力，全面满足 Livecast 场景对于高流畅、高稳定、高并发的需求。

针对主播与听众连麦交流时可能出现的回声、背景噪声等干扰用户实时互动交流的情况，声网拥有业界领先的 3A 算法，可以智能适应各类环境，全面消除回声，并提供超一流的双讲表现，可在不损伤语音音质的情况下，有效消除各类噪音。同时声网的 AI 降噪算法将心理声学与深度学习技术相结合，通过特征提取、神经网络以及增益调整对实时音频进行处理抑制噪声，突破了传统信号处理方案的性能瓶颈，从而为实时音视频提供清晰语音环境。

在稳定性和流畅性这两个技术指标上声网的服务一直处于行业的前列，在稳定性上表现尤其优异。同时，声网技术团队在服务支持上也非常及时，产品出现问题能够在最短的时间内共同努力解决。

Castbox 相关业务负责人

爆火的互动播客场景展现了音频内容市场的潜力，在原有的音频播客“耳朵经济”基础上，加上互动直播的形式，提升了用户参与度、使用频率、以及社区粘性。此外，在海外市场，以“一起X”为代表的创新场景和玩法正掀起Z世代青年社交浪潮，一起看视频、一起听音乐、一起玩游戏……随时随地与好友实时互动，共享精彩瞬间。

面对不断创新的应用场景，声网拥有丰富的 API 组合，可以帮助国内外开发者快速创建各类实时互动场景，多方面满足开发者多样化的实时互动场景需求，同时保障稳定、流畅、超低延时的实时互动体验。