哈嘍，大家好，今天小墨這篇評(píng)論，主要來(lái)分析火山引擎剛發(fā)布的3D視頻技術(shù)，以及它會(huì)怎么改變我們看直播的方式。

過(guò)去十幾年，視頻技術(shù)一直在解決一個(gè)問題：怎么把畫面拍得更清楚、傳得更快。現(xiàn)在，一個(gè)新問題出現(xiàn)了：如果不再由鏡頭替我們選擇視角，會(huì)發(fā)生什么？

在上周的火山引擎FORCE原動(dòng)力大會(huì)上，火山引擎多媒體實(shí)驗(yàn)室首次公布了智能3D視頻的商業(yè)化方案。這支團(tuán)隊(duì)也是多項(xiàng)抖音視頻技術(shù)的源頭。

據(jù)悉，該技術(shù)已啟動(dòng)多場(chǎng)景商業(yè)化推進(jìn)，計(jì)劃在2026年于直播場(chǎng)景中實(shí)際落地。

展區(qū)內(nèi)，一臺(tái)普通筆記本電腦上跑著五個(gè)Demo，畫面里是五位樂手，分別演奏古箏、小提琴和鋼琴。在日常觀看的2D視頻中，比如馬克西姆演奏的鋼琴神曲《出埃及記》，只能被動(dòng)地跟著鏡頭走。

接著，戴上一臺(tái)字節(jié)PICO VR。面前，一位小提琴手站在客廳中央，演奏著一段悠揚(yáng)的樂曲。桌上擺著紅酒，身后的落地窗外是綠色草坪和羅馬柱風(fēng)格的大理石建筑。"走"近他，看見拉弓時(shí)手指和琴弦之間細(xì)微的顫動(dòng)。又"走"到他左側(cè)不遠(yuǎn)處，音樂從對(duì)應(yīng)的空間方位傳來(lái)。

實(shí)驗(yàn)室的小伙伴說(shuō)，這些Demo意味著，這套技術(shù)已經(jīng)可以用于制作六自由度（6DoF）視頻內(nèi)容，比如短劇、互動(dòng)視頻。6DoF的意思是"六自由度空間"，不僅可以在前后、左右、上下三個(gè)方向上移動(dòng)，還可以有搖頭、點(diǎn)頭、歪頭三類旋轉(zhuǎn)自由度。

如果需要360度拍攝，實(shí)驗(yàn)室的輕量化技術(shù)僅需12臺(tái)相機(jī)就能完成全域覆蓋。

小伙伴沖著鏡頭打招呼，他的動(dòng)作已經(jīng)實(shí)時(shí)展示在不遠(yuǎn)處一個(gè)全息屏幕上。這背后是一系列"動(dòng)作"：專業(yè)相機(jī)實(shí)時(shí)采集畫面，傳輸給一臺(tái)普通筆記本電腦，在這里上傳云端，在云端實(shí)時(shí)重建，快速構(gòu)建出立體場(chǎng)景，并通過(guò)CDN下發(fā)到觀眾的終端，實(shí)時(shí)渲染，實(shí)現(xiàn)觀眾從任意角度觀看。

2025年正成為空間視頻與全息通信加速落地的時(shí)間點(diǎn)。谷歌早些年已成立獨(dú)立產(chǎn)品線Google Beam，押注新一代視頻方向，今年將其接入谷歌會(huì)議系統(tǒng)，聯(lián)合惠普推出專用設(shè)備，率先切入跨國(guó)會(huì)議場(chǎng)景。蘋果則在端側(cè)實(shí)現(xiàn)基于單目視覺的6DoF能力，目前該能力主要適用于靜態(tài)場(chǎng)景。

火山引擎多媒體實(shí)驗(yàn)室則跑通了空間視頻直播場(chǎng)景，并實(shí)現(xiàn)了僅依賴一個(gè)或少數(shù)普通攝像頭生成自由視角6DoF視頻的能力，具備大眾化應(yīng)用條件。市場(chǎng)機(jī)構(gòu)預(yù)測(cè)，到2030年，空間視頻相關(guān)市場(chǎng)規(guī)模有望達(dá)到千億美元量級(jí)，覆蓋直播、點(diǎn)播和全息通信等多個(gè)方向。

在直播場(chǎng)景中，直播競(jìng)爭(zhēng)的關(guān)鍵在用戶進(jìn)入直播間后的"黃金幾秒"?？臻g視頻讓觀眾可以晃動(dòng)手機(jī)、"走進(jìn)"直播間，自然延長(zhǎng)了停留時(shí)長(zhǎng)與互動(dòng)深度。在抖音秀場(chǎng)直播中，粉絲不再受限于扁平的畫面，能全方位捕捉主播的靈動(dòng)舞姿與細(xì)膩神情，獲得如同面對(duì)面互動(dòng)的沉浸式陪伴。

在全息通信場(chǎng)景中，空間視頻讓遠(yuǎn)程交流重新回到"面對(duì)面"。在一些演示中，1:1的全息屏幕讓遠(yuǎn)端的古箏老師仿佛走出畫框，與學(xué)生直接互動(dòng)。這種體驗(yàn)為遠(yuǎn)程會(huì)診、特殊教育、企業(yè)會(huì)議和高價(jià)值客戶服務(wù)提供了新的可能。

火山引擎多媒體實(shí)驗(yàn)室的這套技術(shù)，最早是為點(diǎn)播場(chǎng)景服務(wù)，比如春晚或體育賽事大型舞臺(tái)的"子彈時(shí)間"，畫面定格在某一瞬間，觀眾可以360度觀看。團(tuán)隊(duì)進(jìn)一步思考，既然能把一個(gè)瞬間做成3D，能不能把每一個(gè)瞬間都做成3D，讓觀眾來(lái)選擇視角？于是逐步演化出了現(xiàn)在的空間視頻技術(shù)。

火山引擎視頻云結(jié)合大模型技術(shù)，將人體動(dòng)態(tài)重建加速到毫秒級(jí)，在A10顯卡上實(shí)現(xiàn)了30fps以上的實(shí)時(shí)4DGS重建，成為業(yè)內(nèi)首個(gè)支持實(shí)時(shí)4DGS直播的方案。

傳統(tǒng)方法在長(zhǎng)時(shí)間播放時(shí)容易出現(xiàn)人物輪廓抖動(dòng)、畫面閃爍等問題。實(shí)驗(yàn)室的Dynamic GS技術(shù)，提出"進(jìn)化式"3D高斯重建框架，使高斯點(diǎn)隨場(chǎng)景變化自適應(yīng)地生長(zhǎng)、分裂與消亡，提升穩(wěn)定性。

火山引擎多媒體實(shí)驗(yàn)室的智能3D視頻技術(shù)，計(jì)劃在2026年于抖音直播場(chǎng)景落地。

從只用一個(gè)普通攝像頭就能生成6DoF視頻，到傳輸帶寬壓縮至10Mbps以下，再到支持PC、VR、手機(jī)多終端播放，這套技術(shù)已經(jīng)具備了大眾化應(yīng)用的條件。