近日,第五届教育部在线教育研究中心智慧教学研讨会在清华大学大礼堂举办,快手高级副总裁、研发线负责人于冰出席本次活动,并在教育部在线教育研究中心智慧教学研究成果发布环节,共同发布雨课堂6.1版本。该研讨会在高等教育领域享有盛誉,是教学管理者、教学实践者和教学创新者研讨教育治理、探索教学模式、交流教学经验的盛会。
于冰在会上表示,自2020年以来,快手与雨课堂持续展开技术合作。此次快手StreamLake直播云为雨课堂6.1版本的发布提供了有力的技术支持和保障,全面解决在线教育直播痛点,进一步提升教学场景中的直播体验。

快手高级副总裁、研发线负责人于冰
据了解,雨课堂6.1版本即将于4月28日正式上线,该版本全面升级了直播功能,并进一步深化了雨课堂与快手StreamLake的战略合作。经过7年发展,雨课堂从1.0迭代到6.1版本,已逐渐形成了覆盖课前课中课后全环节、线上线下融合式教学全场景的智慧教学解决方案。
解决在线教育直播痛点 StreamLake直播云提供极致用户体验
“对于在线教育行业,基础体验非常重要。”于冰指出,教育场景对直播的稳定性、互动体验、清晰度、流畅度、拓展性等方面要求非常高。他分析了在线教育的痛点,并总结了StreamLake直播云的四大特点——极致的用户体验、数据驱动、领先的流媒体处理能力以及多终端适配。
针对在线教育直播的特性与需求,快手StreamLake直播云提供了全链路的应对思路和实践方案,为雨课堂用户带来极致体验。作为领先的内容社区及社交平台,快手不仅具备丰富的直播经验,还拥有领先的流媒体处理能力,包括自研智能视频处理芯片以及数据驱动和多终端适配能力。
进一步来看,整个集群从推流到拉流侧,快手StreamLake直播云的基础设施均非常完善,通过推流侧传输优化、拉流侧多码率自适应优化,能够将卡顿率降低40%;通过视频增强和压缩能力,完美展示图像细节;通过CDN智能调度能力,实现稳定体验。
此外,快手StreamLake也建立了RTN全球化网络,基于快手海外业务,遍布全球分发网络,用自研芯片以及传输技术,在保障体验的前提下,将视频压缩成本降低60%,流量节省35%以上,并且在手机端实时做超分能力,提升清晰度,实现540p超分到1080p。
针对教学场景,快手StreamLake还满足了雨课堂在直播授课场景中的多重需求。例如,授课过程中存在叠加多张水印图片的场景,并需要对水印显示的层级进行自定义,StreamLake直播云提供了灵活的混流配置能力,将该功能实现。
而在直播授课过程中,一般场景下,雨课堂APP通常采用本设备的摄像头模块采集视频数据,但部分场景下,用户可能需要共享非摄像头采集的外部视频源,例如播放本地视频文件、屏幕共享等,需支持自定义视频采集,StreamLake直播云提供了自定义视频源传输通道并进行编码推流,保障了视听体验。
技术合作全面升级 携手打造在线教育新典范
在雨课堂6.1版本发布之前,快手StreamLake与雨课堂在2020年就已正式合作。疫情之初,伴随数万师生授课模式由线下转为线上,雨课堂面临着高并发、直播稳定性等问题。在快手StreamLake直播技术支持下,雨课堂采用了快手自研的直播开放平台,重构系统架构和数据库,支持高并发访问,成功支撑了大量课堂教学直播任务,其中包括2020年清华开学第一堂课,该直播共5万余名师生同时在线。
此后,快手StreamLake与雨课堂持续展开一系列深度合作。于冰表示,伴随快手推出技术品牌StreamLake,今年双方合作将全面升级,将会提供更专业、更成熟的集成化直播解决方案,为全球范围内的学生们提供便捷、优质的远程在线学习新体验。
作为快手视频云品牌,StreamLake专注于成为视频化升级助推器,提供一站式音视频+AI解决方案,致力于助力泛娱乐、电商、在线教育、游戏等各行业客户实现视频化业务转型与增长。基于前沿的技术优势和开放的产品能力,快手StreamLake与雨课堂的合作持续深入,不仅为在线教育用户带来了极致的直播播放体验,也进一步推动了智慧教育行业的高质量发展。未来,StreamLake将为雨课堂提供技术支持,共同推动在线教育的发展,打造在线教育的新典范。
好文章,需要你的鼓励
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
OpenSkill是一套让AI代理无需人工监督即可自主成长的框架,通过从互联网获取知识、自建虚拟考题反复练习,实现真正的开放世界自我演化。
Visual Components正式发布5.1版本工厂仿真软件,重点引入高精度物理仿真与可扩展机器人协同调度能力,支持在同一环境中同时模拟数百台自主移动机器人、自动导引车及人员的运行状态。新版本还将仿真性能提升至前代的10倍,新增Allen-Bradley PLC支持及Nachi、Epson机器人虚拟调试插件,并将脚本环境升级至Python 3。该软件旨在帮助制造商在实际部署前完成系统验证,降低调试风险,缩短投产周期。
论文研究了AI评委同时优化多个评判维度时的两大失败原因:梯度稀释与指令干扰,为多目标提示词优化提供了系统性诊断框架。