融合通信涵盖了 IM、RTC、白板、直播、点播等各种通信能力，多种通信技术的融合带来了业务层面的革新。一方面，娱乐社交、在线教育、金融等各行各业层出不穷的新玩法，以及各大云服务商提供的一站式解决方案，都依赖底层多种能力的整合；另一方面，在技术融合的趋势下，对各项技术能力的演进也提出了更高的要求，既包括底层能力的打通，也包括上层服务层的无缝衔接。本次分享将介绍网易云信在融合通信方面的技术探索和落地实践。

演讲提纲：

1. 融合通信的背景

2. 融合通信技术的演进方向

• 传输大网 WE-CAN 建设
• 通用大数据和监控报警体系建设
• 单元化和全球部署
  • RTC 服务器单元化架构
  • IM 单元化方案和最后一公里优化

3.融合通信场景落地实践

4.总结和展望

听众收益：

• 了解融合通信能力图谱和业务使用场景
• 了解融合通信技术演进方向以及关键技术原理

优秀的视频引擎是好的视频体验的基石，网易云信的业务覆盖了主要的视频场景，包括了甚低延时的实时音视频场景，允许部分延时的直播场景和不强调延时的点播场景，网易云信视频团队做了大量努力来保证每种场景下用户极致的视频体验，本次分享将介绍网易云信视频在各个场景下的关键技术和应用尝试。

演讲提纲：

1. 网易云信 RTC 场景视频技术

• 网易云信新一代音视频 SDK
• 网易云信视频引擎架构
• 视频关键技术
  • 视频前处理模块
  • 视频编解码模块
  • 视频后处理模块
  • 视频 QoE 模块

2. 网易云信直播点播智码超清技术

• 云信直播点播架构
• 智码超清技术架构
• 智码超清关键技术

3. 云信娱乐社交行业线视频技术

4. 落地实践

听众收益：

• 了解RTC中的视频关键技术以及如何保证良好的视频体验
• 了解流媒体场景中的视频关键技术以及如何保证良好的视频体验

随着人工智能技术、计算机技术、神经网络等领域的不断发展，AI 音频算法也在学术界和其他行业不断涌现，“怎样将 AI 音频算法应用到 RTC 领域中”是作为 RTC 从业者的一个值得探索的课题。本次分享会聚焦“RTC 应用 AI 音频算法的难点”、“AI 音频算法落地的解决方案”、“网易云信 AI 音频算法落地案例”三个维度，和大家分享 AI 音频算法和 RTC 的实战经验。

演讲提纲：

1. RTC 应用 AI 音频算法的难点

• 介绍 AI 音频算法的趋势
• 介绍 AI 音频算法应用到 RTC 中的困难

2. AI音频算法落地的解决方案

• 介绍 AI 音频算法落地 RTC 过程中的困难点
• 以 Voice Activity Detection 为例，介绍传统音频算法、Machine-Learning based 算法、AI 算法之间的选择

3. 网易云信 AI 音频算法落地案例

• 以云信已经落地的 AI 音频算法为例，介绍上述方法的具体实现过程
• 介绍云信已落地的AI算法

4.落地实践

听众收益：

• 了解当前AI音频算法在学术界和工业界的概况
• 了解 RTC 中应用 AI 音频算法的困难
• 了解 AI 音频算法落地 RTC 的解决方法
• 了解云信 AI 音频算法落地案例

网络库作为 APP 的核心，很大程度上决定着用户的“体感”和“快感”，在优化过程中，你是否和我们一样，有着类似的困扰：

• 系统网络库由于暴露的能力或接口有限，你无法进行深层次的定制或改造，很多“优化”浮于表面，并不能带来实质的性能提升
• 各端系统网络库差异大，你不得不将“相同的”网络优化策略&监控在各端上进行适配，你感觉工作量在成倍增长，即使这样，多端“一致性”你还是无法保证
• 同样由于网络库的差异性，各端能采集的数据指标不能完全对齐，你不得不在后台监控服务中写下“可恶”的兼容性代码
• 随着移动端的崛起，PC 端在“小众化”，但这并不代表 PC 端用户不需要对应的优化及监控，可是你确实没有精力兼顾
• 大厂可以不惜代价，筹建庞大的团队深入协议栈进行重新开发优化，但是你只想投入有限的资源，并希望换来可观的网络性能提升

你该怎么办？在这次演讲中，我将以云音乐网络库跨平台化改造为例，与大家一起探讨交流。

演讲提纲：

1. 背景介绍

• 网络优化、监控现状
• 遇到的问题和挑战

2. 方案设计

• 解决思路变迁
• 网络库选择
• 总体架构介绍
• 踩坑案例回顾
• 面向升级铺垫

3.落地实践

• 客户端接入
• 线上数据分享

4.后续规划

听众收益：

• 了解网络优化、监控在多端环境下的挑战及解决思路
• 了解低成本快速提升网络性能的方法
• 了解基于开源项目进行内核升级的思路