本文分析了国内实时互动和视频会议产品主要采用H.264/HEVC而非VP9的原因，并提出了VP9-SVC的优化方案。H.264/HEVC凭借硬件兼容性、产业链成熟度和编码实时性占据优势，而VP9在免专利费和可伸缩编码（SVC）方面的优势未能转化为实际竞争力。文章详细探讨了libvpx编码器的性能瓶颈，指出其在运动估计、残差计算、码率控制等方面的冗余问题，并提出了五项优化路径：块级SAD缓存池、残差

逆变换采样，快速找到编码甜点，2pass分段转码，并行，压缩率提升一倍以上

WebRTC音频处理模块近两年以维护性更新为主，核心算法（如AEC3回声消除、ANS噪声抑制、AGC增益控制）未出现颠覆性突破，主要优化包括API适配、构建系统升级及实验性功能（如AEC3细粒度配置）。尽管在语音通话场景表现稳定（如AEC3双滤波器提升鲁棒性，ANS分级降噪保护高频细节），但视频会议中仍存在结构性缺陷：音频保真度牺牲、无法灵活关闭处理模块、端到端延迟过高、复杂噪声抑制不足，以及跨平

本demo主要基于深度学习的aec回声消除开发，用神经网络更精确区分回声与近端语音，减少误判。在线性滤波后用神经网络做精细化的残余回声抑制。笔记本环境测试， CPU: AMD Ryzen 5 7640HS w/ Radeon 760M Graphics (4.30 GHz)自带测试case: near_end.wav 和 far_end.wav。从效果和性能全面超越webrtc aec3.

本demo主要基于rnnoise开源项目改造，可用于webrtc的瞬态和非稳态噪声的抑制。默认使用rnnoise_data大模型，开启了avx2优化，cpu单线程运行.自带测试case: audio_in_with_noise_48k.wav 和 speech_with_car_noise_48k.wav。参考rnnoise_demo.c文件，也可以更改命令行参数配置。windows平台音频ai-

我们这前讨论过webrtc中3A技术现状与局限，现在AI agent语音交互技术，公共场景的智能对话机器人，娱乐互动等实时交互热门技术落地离不开音频3A能力的支持。WebRTC 的 3A（AEC 回声消除、AGC 自动增益控制、ANS 噪声抑制）音频处理模块虽然已经非常成熟，但在多个新兴通话场景中仍存在。后续我会进一步展开某个具体方向，比如 AI-AEC、AI-NS抑制的实时推理优化进行分享，还有

公司经营不善，拖欠半年工资，接下来会陆续把各功能的demo，性能测试，视频处理效果进行展示。720p30svc-L3T3 1.2mbps~1.5mbpsi7-1270 cpu机器单线程跑320fps。i7-1270 cpu机器 1920x1080p > 3840x2160p单线程单帧耗时10ms左右。i7-1270 cpu机器 3840x2160p单线程单帧耗时15ms左右。这两年在小公司做视频会