小红书：实时交互系统如何打造极致沉浸的语音拜年体验

2026年春节期间，面对亿级 DAU 流量洪峰，社交业务成功落地了「语音拜年」与「表情烟花」两大重磅活动。本文阐述了如何通过融合自适应调度引擎、实时 ASR 语音识别及高性能粒子渲染，在保障高可用的前提下实现跨端一致的沉浸式音画体验，为大规模即时通讯场景下的复杂交互树立了新的技术标杆。

01 不止是烟花，更是一场实时交互的技术秀

2026年春节是小红书社交业务的重要营销节点。在小红书，聊天用户的核心画像是亲密的闺蜜、热恋中的情侣——他们有着强烈的情感表达与关系培养需求。然而，传统的文字消息与静态表情难以承载用户想要传递的温度与仪式感。基于这一洞察，我们规划了两大核心动效场景：

我们希望用户在发送语音拜年时，能够感受到烟花与祝福同时绽放的浪漫；不论何种机型，都能拥有同样流畅、同样绚烂的节日氛围。

02 构建“海纳百川”的实时动态交互系统

「语音拜年」与「表情烟花」的产品愿景很美好，但将其落地为亿级 DAU 的真实体验，技术侧面临着前所未有的挑战：

而挑战相互交织、彼此制约：追求极致特效会拖垮低端机性能，兼顾低端机又会牺牲高端机的视觉上限。传统的「单点解决方案」已无法应对如此复杂的场景。因此，我们的目标不是“选一个引擎”，而是构建一套兼容并蓄、按需调度的「实时动态交互系统」。

整体架构如下图所示：底层融合图片/GIF、PAG/Lottie、Video、Predy 等多模态渲染能力，上层通过智能路由实现按需调度与无感降级，让不同场景、不同设备都能获得最优的渲染体验。

03 实时动态交互系统工程化重塑与落地

系统建设是持续演进的过程，回顾过往实践，仍有几个瓶颈亟待突破：

• 体验受损：部分低端机因性能压力无法完整呈现「顶一顶」炸屏彩蛋
• 兼容不足：单一引擎的兼容不足导致荣耀/小米部分机型只能降级处理
• 研发低效：下载链路分散、引擎标准不一，视觉与研发成本居高不下

为此，我们从三个维度展开系统性治理：

• 在架构层面致力于解决原子能力分散与生命周期管理缺失的难题；
• 在调度层面聚焦于如何在异构设备间实现特效和设备状态的动态平衡；
• 在体验层面则是要在高端机的极致特效与低端机的流畅运行之间找到最优解。

架构重塑：从「原子组装」到「分层治理」的范式转移

早期互动渲染功能采用「功能闭环+独立实现」模式，导致能力重复、业务耦合严重、体验参差不一。实时动态交互系统通过五层解耦设计，实现「能力复用、策略集中、执行隔离、观测闭环」：

应用层

• 职责：定义用户可见的交互形态（如语音拜年、表情烟花），仅调用下层提供的标准接口。
• 关键变化：不再关心资源如何加载、引擎如何选择、设备如何适配。

资源供给与全局配置层

• 职责：统一预载动效资源提高渲染速度、集中下发全局配置与路由规则、按设备/网络动态获取策略。
• 价值：实现「一次配置，全域生效，动态变更」，消除重复建设，实现集中化管理。

渲染引擎调度与决策层

• 职责：映射业务渲染参数，融合多维运行时特征，动态决策并切换最优引擎。
• 价值：实现渲染算力的按需分配，最大化系统在高负载下的稳定性。

多模态渲染执行层

• 职责：封装 Predy/Lottie/PAG/Static/GIF 等多种渲染能力，提供标准化生命周期管理与特性回调接口。
• 价值：接管渲染底层差异，统一渲染特性，在有限的设备资源下提供最优的渲染效果。

全域观测层

• 职责：建立四维监控与全链路追踪体系，实时洞察设备状态，并实现异常实时告警能力。
• 价值：实现可观测、可干预、可进化，支撑持续优化与止损切换。

智能调度：基于设备状态的自适应渲染机制

作为整个系统的「智能中枢」，调度层基于多维特征融合计算，综合评估业务场景诉求、设备实时资源水位、机型兼容性名单、动效资源准备度构建决策输入矩阵，最终输出包含引擎选型、渲染等级与参数索引的结构化指令。

除此以外，为防止在阈值临界点频繁震荡切换我们引入了双阈值模型设计：

• 降级阈值 (Tdown)：触发线。当可用资源（如内存）跌破此值，框架判定为高风险，准备进入保守模式。
• 恢复阈值 (Tup)：复位线。当资源回升并突破此值（Tup>Tdown），框架判定为安全，允许恢复高性能模式。
• 滞后区间 (H = Tup−Tdown)：稳定区。只要当前资源值落在 [Tdown,Tup] 区间内，无论波动如何系统强制保持当前状态不变。

携手 Predy：充满挑战的极致体验之路

在针对「实时交互渲染」与「复杂粒子特效」的技术选型调研中，Predy 走进了我们的视野。

Predy 是小红书自研的互动渲染引擎，采用「JS 逻辑控制 + GPU 原生渲染」的混合架构，在自由度、性能与跨端一致性上展现出独特优势：

Predy 的核心设计理念是「逻辑与渲染分离」，通过三层架构实现了动态性与高性能的兼得：

这套架构带来了三个关键收益：

• 动态化能力：素材和互动玩法通过 JSON + JS 下发，无需客户端发版即可更新；
• 跨端一致性：一套 JS 代码同时支持 iOS / Android / 鸿蒙，渲染效果高度统一，大幅降低多端适配成本；
• 极致性能：C++ 直接调用 Metal / OpenGL 进行 GPU 渲染，JS 层只负责数据准备，渲染主路径几乎无损耗。

然而，Predy 在此次 CNY 活动前从未经历过亿级 DAU 的真实流量洗礼。因此我们将其深度融入实时动态交互系统：统一调度实现按需启用与无感降级；分层预载实现资源/引擎/视图模块化组装；专项监控覆盖全域生命周期。

语音拜年：音画结合打造极致视听感受

语音拜年的核心体验可以用一句话概括：用户说出祝福的瞬间，字幕逐字浮现、烟花同步绽放。这背后是一条贯穿「语音识别 → 字幕渲染 → 动效编排」的完整技术链路。而这其中最重要的便是复杂场景下的语音理解难题。

我们基于小红书 Super Intelligence-AudioLab 团队自研的 FireRedASR2S 构建语音识别能力。这是一套集成静音检测、语种检测、语音识别、标点恢复等模块的工业级 ASR 系统，支持多语种及 20+ 中文方言识别，能够处理多种声学场景并输出多维标签的结构化结果。

该模型在中文语音识别领域取得开源 SOTA 效果：24 个测试集平均字错率 9.67%（对比 Doubao ASR 12.98%），语种检测准确率 97.18%，静音检测 F1 分数 97.57%，为音画精准同步奠定了坚实基础。

可观测性治理：从技术标尺到数据驱动闭环

「可观测性是治理的前提」。我们构建了涵盖「核心体验」、「智能调度」、「资源能效」与「稳定兼容」的四维核心指标体系，让系统运行状态透明可控。

与此同时整个监控体系划又划分为资源预载、引擎创建、渲染交互、内存降级四个核心维度：

除各维度的基础成功率与耗时指标外，构建以下两层复合口径，以量化端到端的用户体验：

• 实时交互渲染能力触达成功率：

• 实时交互渲染能力分级触达成功率，评估不同画质等级下的服务可用性。

04 无形的数据洪流，化作千万次绽放的烟花

最终这套系统经受住了春节活动的考验。在业务表现上：

• 语音拜年功能用户参与度、累计发送量均超出预期；相当比例为沉默关系或新建立的陌生关系，有效激活社交连接；
• 实时交互系统的触达成功率可达 99.9%；其中高粒子特效的Predy动效引擎加载成功率 99.8%，动画播放成功率 99.6%；
• 实时交互系统加载量级覆盖破亿；社交 CNY 活动期间未发生任何稳定性问题和线上客诉；
• 实时交互系统的响应速度优异：首帧渲染耗时（P95）小于 220ms；音画同步偏差（P95）小于 50ms；
• 实时交互系统的智能渲染调度合理：81% 的设备成功运行在了 High 等级，18% 的设备平滑降级至中低等级；

在监控后台，我们看的是千万级的调用成功率；但在小红书 App 里，我们看到的是：

• 浪漫温暖的祝福语音：

• 抽象搞怪的日常语音

05 演进方向与展望

2026 CNY 是实时动态交互系统的首次大规模实战。亿级流量下 99.9% 的触达成功率，验证了架构的可行性，也让我们看到了更远的可能下一阶段，我们将引入更加智能智能决策能力：

• 多维特征融合：将 CPU/GPU 负载、内存趋势、温度变化、历史表现等整合为结构化特征向量
• 轻量端侧推理：部署轻量级决策模型，实现毫秒级本地推理，输出最优渲染策略
• 云端协同进化：端侧决策日志上报云端，持续训练优化模型，通过配置下发实现热更新

团队介绍：小红书社交技术团队是小红书私信、群聊等核心社交场景的技术中枢，致力于打造极致流畅的用户沟通体验。我们深耕客户端架构设计、性能优化与跨平台技术落地，同时积极推动 AI Coding 与平台化能力在公司内的规模化应用。