網(wǎng)絡(luò)視頻會議中，人們都希望能實現(xiàn)發(fā)言人的特寫與其聲音同步的音視頻效果。那么，這一技術(shù)如何突破傳統(tǒng)的人工搜索方式，讓設(shè)備自己也能“尋聲辯人”呢？

　　說話人的聲音不能被清楚地收音，會議雙方聽不到對方的聲音，產(chǎn)生回音或者斷續(xù)音現(xiàn)象從而使與會雙方無法互相理解……即使現(xiàn)在使用視頻會議系統(tǒng)時，我們?nèi)猿Ｓ龅竭@樣的問題。如何盡可能逼真地遠程再現(xiàn)會議環(huán)境的聲音和圖像，給人以身臨其境之感，一直是聲音處理領(lǐng)域的頭等課題。

　　在視頻會議產(chǎn)品領(lǐng)域，中國產(chǎn)品重視視頻編解碼與聲音處理技術(shù)，歐美產(chǎn)品更著重軟硬件設(shè)備、管理套件以及與統(tǒng)一通信架構(gòu)融合的研究，而日本的產(chǎn)品則堅持其一貫的技術(shù)分工精細的主張：索尼在顯示器領(lǐng)域深耕，雅馬哈則在音頻處理領(lǐng)域細作。

　　日前，日本雅馬哈在中國推動PJP（Projectphone）網(wǎng)絡(luò)會議系列產(chǎn)品巡展，試圖為該領(lǐng)域引入另一種完全不同的技術(shù)解決思路。通過本報記者對日本雅馬哈株式會社Sound Network事業(yè)部長田丸卓也、雅馬哈中國網(wǎng)絡(luò)會議系列產(chǎn)品技術(shù)總監(jiān)谷田的專訪，以下問題將得到解答：雅馬哈會采用哪些技術(shù)解決目前聲音傳輸?shù)蔫Υ茫�并輔助視頻功能？視頻會議中惱人的回聲與吞字現(xiàn)象如何得到解決？會議中重要的錄音功能，該如何設(shè)計？如何以人工智能的思路來設(shè)計網(wǎng)絡(luò)與視頻會議產(chǎn)品，最終使這一計算機科技成果貼近自然、符合人類習(xí)慣？