在社交平台刚刚把KTV搬到线上的2017年，能做到单人音轨与伴奏音乐的对齐已经殊为不易。直到目前，也仍有相当数量的社交平台仅提供「单人独唱，众人围观」的K歌体验。

01 让更多人乐在其中

单人solo是麦霸们的魅力时刻，但同时也是对五音不全者的“公开处刑”。对唱跳水准要求颇高的娱乐圈尚且音痴众多，当我们把镜头对准普通人的生活，麦霸遍地的记忆其实也是一种幸存者偏差。

在有待破冰的线上社交场景中，歌喉平平的普通人如何获得良好的交互体验，合唱玩法的加入无疑是一大助力。与其他人一同完成歌曲的演唱，不仅降低了开口歌唱的心理门槛，同时「一起完成某件事」的体验也能更快地促成社交关系。实时合唱方案也正因为它「与更多人一起获得更大快乐」的逻辑，成为了当下众多平台活跃度、营收节节攀升的秘密武器。

02 高门槛带来高回报

与优秀的促活效果相对应的，是实时合唱背后极高的技术门槛。要实现多位不同硬件、不同网络状况还有不同环境噪声的用户齐声高歌，相比完成单人独唱要考虑更多的因素、解决更多的技术难点，这要求企业有足够的技术实力且愿意为此投入大量的时间、人力不断打磨。

多端精准同步由于设备延迟和网络传输的物理延迟，多端之间的信息传输延迟必须被严格控制在 （150ms）以内，才能保障多人合唱的同步效果，避免带来人声散落不齐的糟糕体验。

不同网络、机型、平台的超低延迟和适配不同系统、设备与平台的底层API适配复杂多样，相互间排列组合能达到数万种；因此要实现网络与机型、平台间的低延迟匹配需要以类似穷举的方式投入大量的时间人力来进行试验、比对。

实际测试过程中，仅华为一家便有9种API接入方式和组合、加上十几种系统、数百种型号，不同机型对应的系统和API都需要个性化的适配方案，才能保障最低延迟。ZEGO花了近两年时间测试了上万种组合才选出华为品牌的最优低延迟解决方案。

不同场景下超高保真音质KTV场景下，用户对音质的要求极高，平台想要克服收音距离、空间回声、环境噪音以及外放等多重因素的影响，同时提供超高保真的音质，就需要极其强大的3A算法。

海量测试数据打造最佳体验在实时合唱中，过度追求低延迟会导致吞音卡顿和音质受损情况的发生，这就意味着需要企业针对不同的机型、网络情况不断调优参数，达到延迟、卡顿、音质这几个指标的平衡。

在150ms的延迟内，10ms的极限延迟差距用户不一定能察觉，但是突然的卡顿和音质变化却显得极为刺耳。多个指标的平衡需要海量的数据去测试，实时合唱的最佳体验不仅是技术指标的突破，还需要通过时间和海量真实数据的调优找寻最佳的平衡。

03 实时合唱技术标杆

在实时合唱方案提供商中，ZEGO是当之无愧的技术引领者，截至这篇文章发布，各大APP的线上社交实时合唱功能，几乎全部采用了ZEGO的方案。

在服务大量客户的过程中，ZEGO不仅在实验室请了音乐学院的专家进行了上万次测试，还在上线后跟客户的每天几千万台设备共同接收用户反馈并调试优化，以求达到最佳的歌唱体验和听觉感受，最终打磨出了完善可靠的技术细节，沉淀了成熟高效的服务方案。

许多平台在上线实时合唱后，发现实时合唱场景下的上麦率有了明显上升，这很好地帮助平台解决了用户不想上麦和不参与互动的问题。而上麦率的拉高，也进一步促进了用户在房间内的交友和互动，最终通过社交关系的沉淀，让用户留存也得到了提升。

ZEGO发现，社交平台上线实时合唱后，用户的留存和时长等指标环比提升超过20%。

TT语音是最早采用ZEGO实时合唱方案的平台之一，早期TT语音采用的独唱玩法，「单人solo众人围观」的演唱形式互动性不足，用户的参与门槛较高。ZEGO在一个月的时间内助力TT语音集成实装实时合唱玩法，于2022年1月正式上线。

目前TT语音用户规模超百万，平均活跃时长也远超行业均值，用户上麦互动率极高，相比独唱时期，用户的在线时长与留存提升明显。

实时合唱方案已经助力众多社交平台提升互动率，帮助用户在实时互动场景中通过合唱促成社交关系，目前还有如映客、花椒等直播语聊的头部玩家正在接入ZEGO实时合唱方案。

04 持续探索不断进化

在获得了社交平台认可的同时，ZEGO也对实时合唱有着清晰的打磨计划：

通过加入「智能选路」来增强优质声源，弱化模糊失准的声音，从而打造更好的大规模万人合唱体验。针对部分用户不佩戴耳机的个人习惯，进一步优化回声消除与人声增强的算法，尽可能保障外放场景下的音频质量。此外，我们还将推出「AI修音」来进一步降低用户的合唱参与门槛，让参与者获得更好的使用体验。

最后，正如机型适配这一永远不会停歇的优化项目，ZEGO对于技术边界的探索也从不止步，我们期待与更多客户一起共建实时互动的世界。