當(dāng)前，越來越多的用戶選擇使用手機(jī)進(jìn)行視頻創(chuàng)作，隨著視頻UGC時代的到來，用戶不再滿足于簡單地視頻拍攝，更希望一些專業(yè)的剪輯功能在移動端實現(xiàn)。在計算性能非常有限的情況，要實現(xiàn)這些高負(fù)載的功能，面臨著非常多技術(shù)的挑戰(zhàn)。

大家好，我是陳彬，目前在快手負(fù)責(zé)短視頻架構(gòu)工作，主要負(fù)責(zé)構(gòu)建快手的移動端多媒體引擎，提供短視頻拍攝、編輯、發(fā)布等視頻創(chuàng)作的基礎(chǔ)能力，還有消費側(cè)的播放器SDK和短視頻后端轉(zhuǎn)碼服務(wù)。在加入快手之前，從事過很多視頻技術(shù)相關(guān)的領(lǐng)域，如視頻編解碼算法、傳輸算法、多媒體芯片、OTT設(shè)備等。 今天，我演講的主題是“快手移動端高性能多媒體引擎”，將重點圍繞高性能這一話題來展開，從宏觀到微觀，介紹引擎的整體架構(gòu)和具體場景的優(yōu)化手段。演講分為快手多媒體引擎概況、高效使用硬件資源、拍攝和編輯場景的性能優(yōu)化三個部分，最后一起展望一下5G+邊緣計算在短視頻方面的應(yīng)用。

1. 快手多媒體引擎概況 1.1 UGC平臺

眾所周知，快手是一個短視頻UGC平臺，而視頻內(nèi)容的生產(chǎn)是內(nèi)容供給的源頭，用戶通過使用手機(jī)的拍攝和編輯功能創(chuàng)作視頻，然后上傳到快手平臺。之后，后端服務(wù)器利用AI技術(shù)對這些視頻進(jìn)行內(nèi)容理解，把理解的信息傳送給推薦引擎，推薦引擎結(jié)合用戶興趣，進(jìn)行個性化推薦，進(jìn)行分發(fā)消費。消費用戶通過觀看、點贊、評論和私信等動作產(chǎn)生一系列的互動行為，這些互動行為同時又進(jìn)一步促進(jìn)了內(nèi)容的生產(chǎn)。

這是一個正向反饋的鏈路，社區(qū)像滾雪球一樣不停的增長。這就是快手最重要的UGC生態(tài)閉環(huán)。 快手目前DAU超過2億，作者數(shù)1.9億，每天新增作品數(shù)1500萬，生產(chǎn)者的比例也很高，用戶分布非常廣，手機(jī)型號有幾千款，價格區(qū)間從幾百元到幾千元。這些生產(chǎn)者使用快手移動端的多媒體引擎來進(jìn)行創(chuàng)作，通過AI技術(shù)賦能內(nèi)容生產(chǎn)，為用戶提供生產(chǎn)創(chuàng)意，降低生產(chǎn)門檻，從而提升作品的數(shù)量和質(zhì)量。 1.2 AI賦能內(nèi)容生產(chǎn)

AI技術(shù)落地是非常困難的，快手想要實現(xiàn)AI落地，首先要做好基礎(chǔ)平臺、算法和產(chǎn)品這三個要素。基礎(chǔ)平臺是指移動端多媒體平臺，包括快手自研的深度學(xué)習(xí)推理引擎YCNN、3D渲染引擎和多媒體引擎。復(fù)雜的AI算法運行在這三個高性能的引擎上，例如人體理解、場景理解、語音識別、圖像增強等算法，這些算法的效果通過產(chǎn)品形態(tài)呈現(xiàn)給用戶。 舉例說明這些AI算法的落地場景。第一個是“萌面”魔法表情，用戶在拍攝視頻的時候。無需3D結(jié)構(gòu)光攝像頭也可以實時捕捉面部表情，并實時把面部表情通過卡通頭像的形式展現(xiàn)，能夠?qū)崿F(xiàn)非常豐富的面部表情。第二個是梵高的天空特效，使用了天空識別算法。第三個是前段時間特別受歡迎的娃娃臉，通過GAN技術(shù)把用戶的臉秒變童顏，可以在安卓和iOS大部分的機(jī)型上實時運行，技術(shù)挑戰(zhàn)非常大，快手也是國內(nèi)首家實現(xiàn)這項技術(shù)的公司。第四個是自動添加字幕功能，通過識別算法，將語音轉(zhuǎn)換為文字。最后一個是暗光增強算法，通過該算法可以對暗光環(huán)境下拍攝的視頻進(jìn)行提亮和去噪，還原更多的細(xì)節(jié)。 這些都是AI賦能內(nèi)容生產(chǎn)的實際應(yīng)用，通過平臺、算法和產(chǎn)品三要素，實現(xiàn)了原創(chuàng)、好玩、清晰和流暢，這是快手平臺上每天能產(chǎn)生海量作品的秘密之一。 1.3 快手短視頻生產(chǎn)消費整體鏈路

上圖是我們整個生產(chǎn)到消費的鏈路，由作者端、云端和觀眾端三部分組成。作者端也就是生產(chǎn)側(cè)，通過拍攝、導(dǎo)入、編輯等操作生產(chǎn)視頻，然后把視頻發(fā)送到云端，云端對視頻進(jìn)行存儲和轉(zhuǎn)碼，分發(fā)給CDN，最終通過CDN網(wǎng)絡(luò)傳輸給用戶進(jìn)行消費。本次演講內(nèi)容的重點是位于作者側(cè)的移動端多媒體引擎。 1.4 快影

在快手主app之外，我們還孵化了一些獨立的內(nèi)容生產(chǎn)App。說到視頻制作方面，就必須介紹視頻剪輯工具——快影，它主要面向更專業(yè)一些，需要在移動端進(jìn)行較復(fù)雜視頻編輯的用戶。 快影最近霸占了App Store免費排行榜榜首的位置。它的功能更加專業(yè)，支持超高清視頻的編輯和AI特效功能，是快手移動端多媒體引擎賦能的一個代表性產(chǎn)品，我下面將會用快影的案例進(jìn)行分析。 1.4.1 多媒體引擎是什么

簡單來說，多媒體引擎主要負(fù)責(zé)視頻的采集和后期處理，其功能分為拍攝和編輯。拍攝包括濾鏡、美顏美妝、AI特效等功能，編輯包括了剪輯、轉(zhuǎn)場和貼紙等功能。 這些功能的背后面臨著4K分辨率、3D渲染、美顏美妝、端上AI等技術(shù)挑戰(zhàn)。這些挑戰(zhàn)都需要龐大的計算量，再加上實時處理的需求，可謂是難上加難。要解決這些問題，首先就必須要高效的使用硬件資源。 2.高效利用硬件資源 2.1 并行化基本原則

手機(jī)端的硬件資源主要有CPU、GPU、HW Codec等模塊，使用這些資源最簡單的辦法是輪流使用，但這種方法并不高效，例如，會出現(xiàn)CPU工作，但是GPU空閑的情況。因此要做到并行化，讓所有硬件同時工作，這是一個非?；镜脑瓌t，也是快手多媒體引擎架構(gòu)設(shè)計的一個指導(dǎo)思想。 3.拍攝和編輯場景的性能優(yōu)化 3.1 拍攝場景

理清設(shè)計的指導(dǎo)思想后，再看一下具體的優(yōu)化場景。對于拍攝，從相機(jī)采集的一幀視頻數(shù)據(jù)先后要經(jīng)過圖像算法、濾鏡、美顏美妝、魔法特效等模塊，然后分成兩路，一路給實時預(yù)覽，一路給錄制，整個流程要在33毫秒之內(nèi)完成（30fps）。 3.2 拍攝的架構(gòu)

拍攝的架構(gòu)需要支撐起實時采集、實時處理、實時預(yù)覽和實時錄制的應(yīng)用場景。整個架構(gòu)從下往上分成三層。 最下面一層是采集和渲染的Pipeline流水線，由采集模塊、CPU處理單元、GPU處理單元、顯示模塊和錄制模塊組成。 中間一層由各個算法模塊和特效渲染模塊組成，是以plugin的形式插入到底層渲染流水框架中，類似ffmpeg的filter，通過排列組合，實現(xiàn)各種效果。這些filter之間是有依賴關(guān)系的，由一個負(fù)責(zé)依賴管理的模塊DependencyManager進(jìn)行控制。在此之上是非常重要的monitor模塊，它對整個流水線進(jìn)行實時監(jiān)控，包括算法模塊耗時、CPU負(fù)載、GPU負(fù)載、內(nèi)存使用量、幀率以及分辨率等方面。 這些數(shù)據(jù)實時采集后發(fā)送到快手后端的流媒體大數(shù)據(jù)平臺，進(jìn)行實時清洗、聚合和展示?；谶@些數(shù)據(jù)，可以實時監(jiān)控生產(chǎn)模塊的性能。整個過程是分鐘級別的延遲，也就是說，拿出快手APP進(jìn)行拍攝，一分鐘之后就能在后臺看到整個操作流程的性能數(shù)據(jù)。根據(jù)這些性能數(shù)據(jù)，對架構(gòu)進(jìn)行針對性的優(yōu)化。這也是快手一直以來實踐的方法，以大數(shù)據(jù)為驅(qū)動來進(jìn)行性能優(yōu)化，提升用戶體驗。 中間層之上是APP接口層，在安卓和iOS平臺上分別提供了Java和OC的接口。整個架構(gòu)作為一個跨平臺的方案，除了最上層的APP接口層，大部分使用C++來實現(xiàn)。 前面提到的高效使用硬件資源的思想體現(xiàn)在框架圖中最底層的鏈路上，從相機(jī)采集的數(shù)據(jù)先傳遞給CPU處理模塊，CPU處理完之后把數(shù)據(jù)傳給GPU，然后CPU立刻再去相機(jī)采集下一幀的數(shù)據(jù)。在同一時間點，CPU正在處理當(dāng)前剛采集的一幀數(shù)據(jù)，而GPU正在處理前一幀的數(shù)據(jù)，CPU和GPU是并行工作的，這就是高效利用硬件思想的一個很好的體現(xiàn)。 框架圖中的YCNN引擎是快手Y-TechAI實驗室開發(fā)的移動端的推理引擎，各類AI算法都運行在YCNN上。例如，最常用的人臉關(guān)鍵點算法，人體關(guān)鍵點算法和手勢關(guān)鍵點算法。YCNN引擎通過Metal、OpenCL、SIMD這些加速方式，充分利用底層的CPU、GPU和NPU資源。除了高效使用這些硬件資源之外，還做了4個方面的優(yōu)化，第一點是算子融合，把算子打包在一起，load進(jìn)CPU的cache，這樣可以減少分別load的額外消耗。第二點是內(nèi)存優(yōu)化，盡量避免頻繁地內(nèi)存讀寫操作，盡量一次讀完數(shù)據(jù)，處理完后一次性寫入，避免對同一段數(shù)據(jù)反復(fù)讀寫，同時要注意做內(nèi)存排布優(yōu)化，增加cache命中率。另外兩點是通用的磁盤I/O優(yōu)化和多線程優(yōu)化。 經(jīng)過這些優(yōu)化后，在iPhone6手機(jī)上實測，人臉關(guān)鍵點處理速度是200fps，一秒能處理200幀圖像，人體關(guān)鍵點是90fps，人體分割是100fps，都是業(yè)界非常優(yōu)秀的性能。 3.3 分辨率和幀率的變化

除去技術(shù)側(cè)性能的指標(biāo)，快手也很注重從用戶主觀感受出發(fā)，衡量優(yōu)化對用戶體驗的收益。快手制定了拍攝場景的三個關(guān)鍵指標(biāo)：分辨率、幀率和卡頓率。分辨率和幀率很好理解，而卡頓率一般出現(xiàn)在視頻播放場景。先看分辨率和幀率的變化，隨著多媒體引擎的上線以及持續(xù)性能優(yōu)化，快手的拍攝分辨率從之前540P升級到720P，部分機(jī)型已經(jīng)升級到1080P，幀率也在持續(xù)的上升，實現(xiàn)了更清晰和更流暢。 3.4 卡頓率

但是，我們發(fā)現(xiàn)，僅靠平均幀率并不能全面反映一個視頻的流暢度。以一個實際例子來看，我們一位同事去澳洲旅游，在當(dāng)?shù)嘏臄z的這段視頻里，出現(xiàn)袋鼠的畫面特別卡頓，但是，整個視頻的平均幀率其實已經(jīng)達(dá)到20fps以上。正常情況下，20fps+是比較流暢的，而這個視頻卻看起來很卡，什么原因呢？ 我們仔細(xì)看了一下幀率的分布，發(fā)現(xiàn)幀率分布非常不均勻，因此發(fā)現(xiàn)之前評估視頻是否流暢僅靠平均幀率是有缺陷的。為了解決這個問題，快手定義了拍攝卡頓率指標(biāo)。相鄰兩幀時間戳之間的差值大于200毫秒就認(rèn)定為卡頓，卡頓率是指發(fā)生過卡頓的次數(shù)除以總的拍攝次數(shù)。卡頓率結(jié)合平均幀率才能更全面地去衡量拍攝視頻的流暢度。 3.5 卡頓率的變化

從上圖的卡頓率的曲線可以看到，經(jīng)過優(yōu)化后，卡頓率在持續(xù)下降。通過分辨率、幀率和卡頓率這三個指標(biāo)，可以看到，經(jīng)過持續(xù)的優(yōu)化，用戶感知是更加清晰、流暢。 3.6 編輯場景

在編輯場景方面，上圖兩個頁面是快影的主要頁面，其中展示了快影的部分編輯功能。左邊頁面包括了添加視頻片段、分割、倒放和旋轉(zhuǎn)等操作，右邊頁面是添加轉(zhuǎn)場的操作。 相比于iOS，安卓端的技術(shù)挑戰(zhàn)更大。安卓硬件解碼是一個老生常談的問題，相比于軟件解碼器，硬件解碼器更快，特別是在高分辨率視頻場景下，優(yōu)勢更加明顯。 3.7 安卓硬解碼

上圖是導(dǎo)入一個4K視頻進(jìn)行編輯的場景，左邊是市面上一款很火的編輯工具，從預(yù)覽頁面點擊“下一步”到編輯頁時，有一個“合成中”的等待，之后才能進(jìn)入編輯頁。需要等待的原因是視頻的分辨率太高，如果不使用硬件解碼器，很難在編輯頁面做到實時操作，因此需要提前做一次轉(zhuǎn)碼，進(jìn)行預(yù)處理，把分辨率降低。右邊的是快手，同樣的視頻點擊“下一步”，立刻就能進(jìn)入到編輯頁，不需要進(jìn)行預(yù)處理，這就是硬件解碼器的功勞。 3.8 安卓硬解碼存在的問題

安卓硬解碼在具備以上優(yōu)點的同時，也存在著很多問題：第一，安卓的機(jī)型特別多。第二，解碼器的輸出格式多樣，性能不一。第三，支持的分辨率不一樣。針對這些問題，業(yè)界常用的解決辦法是黑白名單，快手一開始也做了黑白名單，但是，黑白名單是一個后置的策略，必須先知道機(jī)型，在發(fā)現(xiàn)有問題之后才能加到名單里，這樣的操作并不智能，往往需要人工干預(yù)?？焓值慕鉀Q方案是跑Benchmark，自動選擇最佳模式，不需要人工干預(yù)，在手機(jī)端運行測試程序選出最佳模式。 3.9 硬解Benchmark 3.9.1 支持哪些分辨率？

雖然手機(jī)都會聲明支持哪些分辨率，但實際情況，還是要檢測解碼的正確性。把不同分辨率特定pattern的視頻輸入給解碼器，檢查解碼出來的YUV數(shù)據(jù)正確性。 3.9.2 Surface輸出 & Bytebuffer輸出

解碼器一般都支持幾種輸出格式，快手使用跑馬策略，同樣的視頻輸入給解碼器，選擇解碼速度最快的輸出格式。 使用了自動Benchmark后，快影的硬件解碼器覆蓋率，從70%提升到90%+，這是一個非常大的提升。硬解是所有流暢編輯體驗的基礎(chǔ)。 3.10 Seek優(yōu)化

連續(xù)Seek是視頻編輯操作過程中很常見的一個場景，特別容易出現(xiàn)卡頓的情況，需要進(jìn)行大量的優(yōu)化。為了達(dá)到理想的用戶體驗，需要做到兩點：第一點，畫面連續(xù)顯示，這不是簡單的seek，而是連續(xù)seek的過程，因此不能出現(xiàn)靜止幀的情況；第二點，畫面要能跟上手指移動的速度。 為了滿足上述兩點，我們設(shè)計了一個復(fù)雜而精巧的機(jī)制，能夠做到保持解碼器連續(xù)工作，不做重置，實現(xiàn)了seek跟手的流暢體驗。重點講下前向seek，也就是倒放。在保持解碼器連續(xù)工作時，還可以在解碼前丟棄一些非參考幀，只解碼參考幀，減輕解碼器的負(fù)擔(dān)。這樣兩方面優(yōu)化，可以實現(xiàn)流暢的前向seek體驗。 3.11 轉(zhuǎn)場優(yōu)化

轉(zhuǎn)場也屬于編輯時常用的功能，在兩段視頻的交接處，往往容易卡頓，因為在渲染的時候需要兩路解碼。我們通過提前預(yù)熱解碼器的方法來解決這個問題，實現(xiàn)了流暢的轉(zhuǎn)場預(yù)覽效果。 舉例上圖，左右兩段表示兩個視頻片段。左邊橘色解碼器解到接近交界位置的時候，創(chuàng)建藍(lán)色解碼器，并讓其預(yù)解碼幾幀。當(dāng)渲染轉(zhuǎn)場效果時，因為藍(lán)色解碼器已經(jīng)提前預(yù)解碼了，此時就只有橘色的解碼器在工作，整體負(fù)載比較低，就能夠?qū)崿F(xiàn)流暢的效果。 4. 5G的關(guān)鍵能力

最后說一下我們對5G的展望。5G的特點是兩高一低：高帶寬，數(shù)百兆甚至數(shù)十G的峰值傳輸帶寬；低延遲，10毫秒以內(nèi)的端到端延遲；高可靠，帶寬和延遲非常穩(wěn)定。這使得5G能夠提供非常高效的通信鏈路。 有了這個通信鏈路，我們認(rèn)為，就有可能把端上采集的數(shù)據(jù)，實時發(fā)給云端處理。利用云端強大的處理速度運行各類復(fù)雜的算法，把處理完的數(shù)據(jù)再實時傳輸?shù)揭苿佣孙@示。整個過程如果在33毫秒之內(nèi)完成，就意味著達(dá)到了實時的效果。利用云端計算力可以解決手機(jī)的性能瓶頸問題。在5G的加持下，借助云端的計算力，就能實現(xiàn)更加復(fù)雜的AI算法和更加逼真的CG渲染效果，提供更酷炫的視頻制作體驗。這個未來需要5G+邊緣計算結(jié)合來實現(xiàn)。快手會在這些新方向上持續(xù)、深入的探索。