APP下载

更流畅、更精美、更清晰ROG显卡Turing NVENG直播完全体验解析

2019-01-14果果

微型计算机 2019年16期
关键词:占用率图灵爱好者

果果

随着GeForCe RTX系和GTX 16系游戏显卡的全面铺开,图灵核心已经在市场上得到了玩家的广泛认可。不过除了强悍的游戏性能之外,图灵核心在NVENC上也进行了全新的升级,相比上一代的PaSCal NVENC,它表现出了更流畅的游戏直播帧率和更清晰的游戏画面以及更低的CPU占用率。对喜好主播的玩家们来说,这无疑是个巨大的福音。当然,口说无凭,今天就让我们来实际体验一下,基于TUring核心的NVENC,到底有哪些“高人一等”的地方。

其实如果要说到NVENC(NVIDIAENCODER,即NVIDIA编码器)的话,坦白讲它并不是一个全新出现的概念。如果我没记错的话,最早应该可以追溯到GTX 600系的Kepler核心年代,在那个年代,NVIDIA就已经通过CUDA核心的强大运算性能,提出了NVENC这一视频编解码的解决方案。此后随着每一代NVIDIA GPU核心的更新換代,NVENC的功能也一直都得以保留并保持着同步的更新换代。但是由于直播这一产业在过去几年内并不太突出和非常热门,再加上广大的直播爱好者和从业者对NvENC也并不熟悉,所以导致了这一技术显得有些”明珠蒙尘”。

随着游戏与电竞的火热发展,游戏直播以及娱乐直播也越来越受到玩家们的关注,而各大播主们对于直播平台的要求也是越来越高,而这时,NVENC的潜能才慢慢被玩家们发掘出来并逐渐得到了科普式的推广。

到现在,NVIDIA已经正式推出了最新的图灵核心GPU,并同步将NVENC升级到了TURING NVENC。那么在全新的图灵核心架构下,NVENC又能煥发出怎样的活力?图灵GPU的NVENC对广大的直播爱好者以及职业播主来说,到底有着怎样的意义呢?我到底应该如何去使用NVENC来提升直播的质量呢?这些疑问,笔者今无将在这里——为大家解答,让我们一起去体验一下吧。

新图灵,新直播体验

让我们简单回顾一下图灵架构GPU的核心构成。图灵GPU的RT Core负责做实时光线追踪渲染,Tensor Core负责人工智能方面的增强运算以及DLSS功能的实现,大家最熟悉的CUDA核心当然是负责游戏渲染,NVENC视频解码器则可以独立负责视频流的编解码工作,它直接和CUDA核心的架构相关联。比如在Kepoer年代,就叫作KeplerNVENC,在Pascal年代则叫Pascal NVENC,而到了图灵核心统治市场的时候,它就被称为Turing NVENC。

那么全新一代的NVENC,在圖灵架构加持下,它又有哪些优势呢?首先,就是性能的巨大增幅。和前一代Pascal核心的NVENC相比,Turing NVENC的编码性能提升了15%之多,也差不多相当于是前后两代显卡之间的性能大致差距。Turing NVENC目前支持MPEG-2、VC1、VP8、VP9、H.264、H.265格式的无损解码,并支持8bit、10bit和12bit三种色深以及YUV4:2:0和YUV 4:4:4两种色度采样输出模式,最高分辨率可以支持到8K。而在编码部分,TuringNvENC支持H.264和H.265两种格式无损编码,色深支持8bit和10bit两种,同样支持YUV 4:2:0和YUV 4:4:4这两种色度采样输出模式,最高分辨率仍然支持到8K。目前,市面上除了GTX1650之外的所有图灵核心显卡都已经提供了对Turing NVENC的完整支持,包括GTX 1660/Ti、RTX 2060、2070、2080、2080 Ti以及2060 Super、2070Super和2080 Super以及位于最顶端的TITAN RTX。

更流畅、更清晰的Turing NEVEN

可能大部分玩家都知道,NVENC的主要功能就是在直播等应用中,用GPU代替原来由CPU进行的视频编码王作,从而解放CPU的工作压力,使得系统整体的CPU占用率大大降低,从而起到优化系统,增强流畅度的作用。而对于这一代最新的额TuringNVENC来说,其核心的功能作用主要有两点。

1.增强画质.更清晰

新一代的Turing NVENC第一次突出功能就是能为直播者提供更清晰的直播画面。无论是在3500BPS低码率,还是在8000BPS这种高码率下,利用Turing NVENC编码的视频流画面相比此前CPU的x264编码方式,画面的清晰度都要高得多。这就很好地避免了之前CPU编码时,遇上高码率视频就很容易出现画面模糊不清晰的问题,也能为观众和玩家呈现更为精美、清晰的游戏流程画面。而从两张游戏对比截图中也能看出,TuringNVENC编码下的视频流的确在细节部分的呈现上更加清晰,基本沒有马赛克或噪点的产生。

2.低占用、高帧率,更流畅

Turing NVENC的第二个特色就是能够极大地降低CPU占用率,并且相对于CPU编码方式的直播,对游戏帧率的影响更小。相信绝大部分玩家都应该清楚,当处理器的占用率过高时,不可避免地会影响到游戏的渲染过程,从而会导致游戏帧率的一定程度下降。但在启用了Turing NVENC之后,视频编码的工作就由GPU接手,这也算是彻底解放了CPU的压力。相信大家都会感到疑惑,虽然解放了CPU,但事实上却增加了GPU的负担啊,游戏帧率会不会受到更大的影响呢?答案是影响有,但是幅度非常非常小,远小于CPU编码负荷增加时带来的帧率下降。因为在NVIDIA图灵GPU的内部架构中,用于游戏渲染的CUDA核心和Turing NVENC模块是各司其职,虽然部分工作相互之间通过缓存有重叠,但在图灵架构和算法下,NVENC进行编解码时对CUDA核心带来的负荷压力是很小的,也就是说用Turing NVENC进行视频编解码时,并不会给GPU尤其是CUDA核心带来太多的任务负荷压力,也不会对游戏帧率有明显影响,相比CPU编码更加高效、快捷和先进。

实战,ROG Strix RTX显卡直播新体验

看了上面的理论分析,相信很多玩家都很想知道,Turing NVENC到底在直播中能不能发挥出作用呢?对于直播爱好者们来说,又应该怎样去使用Turing NVENC来让自己的直播更加精彩呢?下面就让我们在基于华硕ROGStrix RTX 2080 Ti O11G Gaming显卡的平台上,来实际体验一番吧!

信仰满满的R06 Strix RTX 2080Ti 011G Gaming显卡没有负其非公版之名,不但在性能上远远地甩开了前一代旗舰产品6TX 1080 Ti,而目在设计上也是极尽奢华,无论是16+3相供电,还是AURA NVENC灯效或者是SAPⅡ超合金供电电路,都有效地保证了ROGStrix RTX 2080 Ti 011G Gaming的个性化与性能的稳定性。而在Q模式下几乎零噪音的效果以及P模式下满载不超过65℃的散热性能表现,都让人对其刮目相看。

在进行具体的实际应用体验之前,我们首先要告诉大家的是,目前的主流直播平台,虎牙、斗鱼以及OBS都已经提供了对Turing NVENC编码的全面支持(如发现不支持,请更新软件到最新版本即可。

作为范例,我们通过OBS挂流到虎牙平台进行游戏直播,并选择了《绝地求生:大逃杀》这款火热的“吃鸡”游戏进行直播体验。并选择在关闭直播进行正常游戏、使用CPUx264编码通过OBS挂流虎牙进行直播以及使用NVIDIA Turing NVENC编码进行直播这三种状态下,测试同一场景时的CPU占用率及游戏幀率,从而来验证Turing NVENC相比CPU编码方式是否能够明显地提升帧率和降低处理器占用率。

从实际的测试结果可以看出,在不开播时,系统整体的CPU占用率大概在33%左右;当挂接0BS开播并以CPU x264的方式编码时,整体的处理器占用率大概在65%左右;而当使用Turing NVENC编码进行直播时,CPU的整体占用率下降到了43%上下,效果还是非常明显的。

而从帧率方面来看,由于我们使用的是顶级的华硕ROG Strix 2080 Ti011G Gaming显卡,所以整体游戏帧率还是非常高的,达到了144fps以上。在未开播时,整体游戏帧率大约保持在220fps左右波动,当使用CPU x264编码挂接0BS直播时,帧率下降到了170fps左右,而当使用Turing NVENC编码进行直播时,游戏帧率大约为205fps左右。由此也能够看出,使用Turing NVENC编码进行直播时,游戏帧率的下降幅度是要低于CPU x264编码方式的,对游戏过程基本沒有任何影响。

可见,Turing NVENC对于提升直播游戏帧率、画质以及降低CPU占用率的确有非常明显的作用。在以往,直播爱好者们在进行高码率游戏直播时,CPU占用率很轻易地就能达到90%以上,这种情况下必然严重影响游戏的流畅度。因此在以往,为了流畅的直播效果,这些爱好者们往往会使用双PC的配置进行游戏直播——一台电脑进行游戏,一台电脑专门负责视频编码,通过这样的方式来保证直播的效果和流畅度。而如今,TuringNvENC的威力可以说是一个顶俩,一台PC即可完成游戏、视频编码、串流直播的所有事情,不但节省了成本,效果还非常优秀。如果你是一名游戏直播的爱好者,那么配置Turing核心的显卡就将是你省时、省力又节省成本的上佳选择。

在文章的最后,我们为那些喜好游戏直播的玩家提供一些装机参考,根据不同属性的游戏,为您推荐合适的配置,希望能让你的直播之旅更加的精彩。当然,考虑到有相当一部分玩家也在进行娱乐平台的直播,因此我们同样为这些喜好娱乐直播的玩家推荐一些直播装机的参考。

猜你喜欢

占用率图灵爱好者
哈啰电动车发布智能新品哈啰B70 PRO,推出智能平台图灵T30
美食爱好者的随笔
降低CE设备子接口占用率的研究与应用
新英镑
直播答题爱好者
解析交换机CPU占用率
人工智能简史
语言与图灵测试
基于排队论的区域路内停车最优泊位占用率研究
阿朗CDMA寻呼信道瘦身增效优化