Intelligente Medienqualitätsklassifizierer im Anrufqualitätsdashboard (CQD)

• Gilt für:

  Microsoft Teams, Skype for Business

Mit dem Anrufqualitäts-Dashboard (Call Quality Dashboard, CQD) für Microsoft Teams und Skype for Business erhalten Sie Einblicke in die Qualität von Anrufen, die über Microsoft Teams und Skype for Business-Dienste getätigt werden. Dieses Thema enthält ausführliche Informationen zu intelligenten Medienqualitätsklassifizierern. Weitere Informationen zu CQD und dessen Einrichtung finden Sie unter Einrichten des Anrufqualitätsdashboards.

In CQD wird die Datenstromklassifizierung "Gut" und "Schlecht" durch eine Reihe von bedingten Anweisungen ausgeführt. Bei Audiodaten werden Netzwerkmetriken verwendet, um zu bestimmen, ob die Leistung des zugrunde liegenden Netzwerks zu einer beeinträchtigten Audioqualität geführt hätte, während video- und videobasierte Bildschirmfreigabe (VBSS) Videometriken verwenden, um eine ähnliche Qualitätsbewertung durchzuführen. Die intelligenten Medienqualitätsklassifizierer nehmen einen breiteren und tieferen Blick auf die Anruftelemetrie und wägen mehrere Faktoren (einschließlich Netzwerk) ab, um die wahrgenommene Benutzererfahrung des Anrufs zu bestimmen und mögliche Grundursachen zu identifizieren, wenn eine Beeinträchtigung der Qualität vermutet wird. Aufgrund dieses Unterschieds wird erwartet, dass die aus der Streamklassifizierungslogik resultierenden Werte "Gut" und "Schlecht" nicht unbedingt mit den Ergebnissen der intelligenten Medienqualitätsklassifizierer übereinstimmen.

Übersicht über intelligente Medienqualitätsklassifizierer in CQD

Intelligente Medienqualitätsklassifizierer in CQD verwenden Ml-Algorithmen (Machine Learning), mit denen bestimmte Problembereiche in der Streamqualität ermittelt werden können. Im Vergleich zur Stream Klassifizierung in CQD bietet die intelligente Medienqualitätsklassifizierung in CQD IT-Administratoren eine komplexere Analyse der Kausalität, Medienbeeinträchtigung und Grundursache. Mit diesen Klassifizierern können Sie proaktive Maßnahmen ergreifen, um Probleme mit der Anrufqualität zu beheben und zu verhindern.

Um die umfassendsten Erkenntnisse zu liefern, adressieren intelligente Medienqualitätsklassifizierer einzeln drei Standard Echtzeitmedienmodalitäten: Audio, Video und VBSS. Diese Klassifizierer konzentrieren sich auf die Anrufqualität auf Streamebene (z. B. Audio, Video und VBSS) und gehen dann mit eingehenden Analysen in Bereichen wie Netzwerk, Computegerät und Eingabegerät weiter, sodass bestimmte Problembereiche ermittelt werden können.

Es gibt zwei Klassifizierungsebenen, um einen Überblick über Kausalität und Grundursache zu bieten: höhere und untere Ebene. Klassifizierer auf höherer Ebene prognostizieren, ob Audio, Video oder VBSS nicht ordnungsgemäß funktionieren, während Klassifizierer auf niedrigerer Ebene vorhersagen, ob ein Problem in einem Netzwerk, einem Computegerät oder einem Eingabegerät aufgetreten ist.

Unterstützte Plattformen und Medientypen

Die Verfügbarkeit von intelligenten Medienqualitätsklassifizierern variiert je nach den spezifischen Plattformen und Medientypen, da die Telemetrieverfügbarkeit auf verschiedenen Plattformen unterschiedlich ist. Wir verbessern kontinuierlich die Abdeckung der Klassifizierer. Die folgenden Plattformen und Medientypen werden von intelligenten Medienqualitätsklassifizierern abgedeckt:

• Medienmodalität und Netzwerkklassifizierer werden auf alle Plattformen und Medienmodalitäten (Audio, Video, VBSS) angewendet.
• Computegeräteklassifizierer werden auf native Plattformen (mit Ausnahme von Teams Web, optimierte VDI und CVI) und allen Medienmodalitäten angewendet.
• Eingabegeräteklassifizierer werden nur auf native Plattformen (mit Ausnahme von WebRTC-basierten) und Audio-Plattformen angewendet.

Einsatz von intelligenten Medienqualitätsklassifizierern

Es gibt bestimmte Anwendungsregeln der intelligenten Medienqualitätsklassifizierer, die bestimmen, wann die Klassifizierer angewendet werden sollen, wobei die grundlegendsten Regeln wie folgt sind:

• Eingehende Klassifizierer werden nur angewendet, wenn ein Benutzer mindestens 60 Sekunden Medien empfängt. In CQD werden diese Daten als Stream Dauerwert für Audio und Video und Dauersekunden für Video und VBSS aufgezeichnet.
• Ausgehende Klassifizierer werden nur angewendet, wenn der Benutzer mindestens 60 Sekunden des jeweiligen Mediums gesendet hat. Diese Daten werden wie folgt aufgezeichnet:
  • Für Audio: AvgFirstReceivedAudioSeconds >= 60
  • Für Video und VBSS: SecondVideoDurationSeconds >= 60

Eingehende und ausgehende Datenströme in Peer-to-Peer (P2P) und Telefonkonferenzen

In CQD-Berichten werden Datenströme entweder als eingehend oder ausgehend definiert. Bei einem eingehenden Datenstrom handelt es sich um Medien, die von einem Benutzer empfangen werden, während ein ausgehender Stream ein Medium ist, das von einem Benutzer gesendet wird. Sie können CQD-Berichte nach eingehenden und ausgehenden Datenströmen filtern, um die Qualität der von Benutzern empfangenen oder gesendeten Medien zu analysieren.

Datenströme werden mit dem ersten und zweiten Endpunkt dargestellt. Weitere Informationen zur Klassifizierung des ersten und zweiten Endpunkts finden Sie unter Dimensionen und Messungen, die im Anrufqualitätsdashboard (CQD) verfügbar sind.

Die folgende Tabelle enthält eine Zusammenfassung der Datenströme in Peer-to-Peer (P2P) und Konferenzanrufen:

Anruftyp	Direkte Verbindung	Klassifizierung des ersten/zweiten Endpunkts
P2P	Benutzer sind über eingehende und ausgehende Datenströme miteinander verbunden.	Beide stellen Clientendpunkte dar.
Konferenz	Benutzer sind unabhängig von der Richtung des eingehenden oder ausgehenden Datenstroms mit einem Server verbunden.	Benutzer werden als Second und der Server als First bezeichnet.

Bei Telefonkonferenzen, die häufiger vorkommen, kann das Engagement bestimmter Benutzer – insbesondere derjenigen, die aktiv ihren Bildschirm teilen und sich mit Audio und Video beschäftigen – die Anruferfahrung für alle Teilnehmer erheblich prägen. Das Erkennen des Einflusses dieser anderen Benutzer oder hochaktiver und dominanter Teilnehmer auf andere ist für eine effektive Bewertung der Streamqualität in Telefonkonferenzen von entscheidender Bedeutung.

Lokale und Remoteklassifizierer

Die intelligenten Medienqualitätsklassifizierer für Konferenz- oder P2P-Anrufe sind in zwei primäre Kategorien unterteilt: Lokal und Remote.

• Lokale Klassifizierer sind darauf zugeschnitten, die Anruferfahrung des Endpunktbenutzers zu bewerten und Bedenken zu berücksichtigen, die sich aus eingehenden Datenströmen oder den Funktionen und Einschränkungen des lokalen Geräts ergeben.
• Remoteklassifizierer umfassen Probleme, die von den anderen Endpunkten des Anrufs stammen, und bieten eine umfassende Perspektive auf die allgemeine Anrufqualität.

Sowohl in P2P- als auch in Konferenzkonfigurationen gibt das Beobachten eines lokalen Klassifizierers in einer Streamrichtung namens First-to-Second die Analyse der Auswirkungen des eingehenden Datenstroms oder der Kapazität des lokalen Geräts und die Einschränkungen auf die eigene Anruferfahrung des Benutzers (als Second bezeichnet) an.

Die Rolle von Remoteklassifizierern in Richtungen des zweiten zu ersten Datenstroms besteht darin, zu bewerten, ob sich ein Teilnehmer, der als Second bezeichnet wird, unter den gleichen Bedingungen negativ auf die Anrufqualität anderer Benutzer auswirkt. Darüber hinaus zeigt das Beobachten eines Remote-Klassifizierers für einen First-to-Second-Stream im Kontext von Telefonkonferenzen an, ob sich ein als dominant eingestufter stark aktiver Benutzer negativ auf die Anrufqualität des Benutzers auswirkt, die als Second bezeichnet wird.

Definitionen für intelligente Medienqualitätsklassifizierer

In CQD verwenden intelligente Medienqualitätsklassifizierer lokale und Remoteklassifizierer basierend auf den Werten der verfügbaren Schlüsselqualitätsmetriken. Die Metriken und Bedingungen, die zum Klassifizieren der Medienqualität verwendet werden, werden in den Tabellen für lokale Klassifizierer und Remoteklassifizierer angezeigt.

Die erkannten Problembereiche, die durch die intelligenten Medienqualitätsklassifizierer identifiziert werden, weisen auf Qualitätsprobleme hin, die von Administratoren weiter analysiert werden können, um potenzielle Ursachen aufzudecken. Mithilfe von CQD kann diese tiefergehende Analyse wertvolle Erkenntnisse liefern, um proaktive Maßnahmen zu ergreifen, um zukünftige Vorkommen zu verhindern.

Lokale Klassifizierer

Die folgenden lokalen Klassifizierer basieren auf den Telemetriedaten eines Benutzers, um vorherzusagen, ob beim selben Benutzer Probleme aufgetreten sind:

Klassifikator	Beschreibung
Erkannte Medienmodalität	Sagt basierend auf den Telemetriedaten des Empfangs vorher, ob bei der Qualität des empfangenen Medientyps Probleme aufgetreten sind.
Erkanntes eingehendes Netzwerk	Sagt voraus, ob ein Problem mit dem Netzwerk in einem eingehenden Stream aufgetreten ist. Bei Telefonkonferenzen untersucht dieser Klassifizierer die Verbindung zwischen Server und Endpunkt. Bei P2P-Aufrufen behandelt dieser Klassifizierer Probleme mit Remotebenutzeruplinks und lokalen Downlinks.
Erkanntes lokales Compute	Sagt voraus, ob das Computegerät eines Benutzers (z. B. Desktopcomputer oder Mobiltelefon, auf dem der Teams-Client ausgeführt wird) zu Beeinträchtigungen der von einem Benutzer empfangenen Medienqualität führt.
Erkanntes lokales Eingabegerät	Sagt voraus, ob das Medienaufnahmegerät eines Benutzers (z. B. die integrierte Soundkarte oder das Mikrofon des Computers) Probleme für den Benutzer verursacht.

Lokale Klassifizierermessungen für erkannte Probleme

In der folgenden Liste werden die Messungen für lokale Klassifizierer mit der Problemdimension angezeigt. Jeder lokale Klassifizierer wird in der folgenden Liste mit /.../ dargestellt:

• /.../ Problem True Count
• /.../ Problem False Count
• /.../ Problem NULL-Anzahl
• /.../ Problemrate
• /.../ Obergrenze der Problemrate
• /.../ Problem rate lower limit

Der lokale Klassifizierer erkannte Medienmodalität verwendet beispielsweise die Dimension Problem mit Messungen für Problem True Count, Problem False Count, Problem NULL Count, Problem Rate, Problem Rate Upper Limit und Problem Rate Lower Limit.

"Erkanntes eingehendes Netzwerk", "Erkanntes lokales Compute" und "Erkanntes lokales Eingabegerät" verfügen außerdem über die folgenden zusätzlichen Messungen:

• /.../ Verursachte Problemrate
• /.../ Verursachte Fehlerrate Obergrenze
• /.../ Verursachtes Problem Ratenuntergrenze

Remoteklassifizierer

Die folgenden Remoteklassifizierer basieren auf den Telemetriedaten eines Benutzers, um vorherzusagen, ob der Benutzer anderen Anrufteilnehmern Qualitätsprobleme verursacht:

Klassifikator	Beschreibung
Erkannter Uplink	Sagt voraus, ob die Qualität der gesendeten Medien aufgrund der Verbindung vom Endpunkt zum Server beeinträchtigt wird.
Erkannte Ursache des Computegeräts	Sagt voraus, ob die Qualität der gesendeten Medien aufgrund des Computegeräts des Benutzers beeinträchtigt wird.
Erkannt, dass das Eingabegerät die Ursache hat	Sagt voraus, ob die Qualität der gesendeten Medien aufgrund des Medienerfassungsgeräts des Benutzers beeinträchtigt wird.

Remoteklassifizierermessungen für erkannte Probleme

In der folgenden Liste werden die Messungen für alle Remoteklassifizierer angezeigt, die die Dimension Problem verwenden. Jeder Remoteklassifizierer wird in der folgenden Liste mit /.../ dargestellt:

• /.../ Problem True Count
• /.../ Problem False Count
• /.../ Problem NULL-Anzahl
• /.../ Problemrate
• /.../ Obergrenze der Problemrate
• /.../ Problem rate lower limit

Der Remoteklassifizierer der Erkannten Eingabegerätursache verwendet beispielsweise die Dimension Problem mit Messungen für Problem True Count, Problem False Count, Problem NULL Count, Problem Rate, Problem Rate Upper Limit und Problem Rate Lower Limit.

Andere Benutzerklassifizierer

Andere Benutzerklassifizierer, ein Typ von Remoteklassifizierer, basieren auf den Problemen eines dominanten Teilnehmers, die die Erfahrung der verbleibenden Konferenzteilnehmer beeinträchtigen:

Klassifikator	Beschreibung
Uplink für andere Benutzer erkannt	Sagt voraus, ob die Qualität der empfangenen Medienqualität eines Benutzers aufgrund von Uplinkproblemen anderer (dominanter) Teilnehmer beeinträchtigt wird.
Andere Benutzercompute erkannt	Sagt voraus, ob die Qualität der empfangenen Medienqualität eines Benutzers aufgrund von Problemen mit dem Computegerät anderer (dominanter) Teilnehmer beeinträchtigt wird.
Erkanntes anderes Benutzergerät	Vorhersagen, ob die Qualität der empfangenen Medienqualität eines Benutzers aufgrund von Problemen mit dem Medienaufnahmegerät anderer (dominanter) Teilnehmer beeinträchtigt wird.

Andere Benutzerklassifizierermessungen für erkannte Probleme

Andere Benutzerklassifizierer verwenden die Dimension /.../ Problem.

Beispielsweise weist der Andere Benutzerklassifizierer Detected Other User Device die Dimension Problem auf, die in CQD als Detected Other User Device Problem aufgeführt ist.

Beispiele für Messungen

• Die Dimension Detected Inbound Network Problem enthält Messungen für Problem True Count, Problem False Count, Problem NULL Count, Problem Rate Upper Limit, Problem Rate Upper Limit, Problem Rate Lower Limit, Caused Problem Rate Upper Limit, Caused Problem Rate Upper Limit und Caused Problem Rate Lower Limit.
• Die Dimension Erkanntes Eingabegerät, das das Problem verursacht , umfasst Messungen für eine Problem true Count, Problem False Count, Problem NULL Count, Problem Rate, Problem Rate Upper Limit und Problem Rate Lower Limit.

Eine Liste aller verfügbaren Dimensionen und Measures in CQD, einschließlich Name, Datentyp, Definition und möglichen Gründen für leere Werte, finden Sie unter Verfügbare Dimensionen und Measures im Anrufqualitätsdashboard.

Interpretieren intelligenter Medienqualitätsklassifizierer

Intelligente Medienqualitätsklassifizierer weisen Endpunkten in Anrufen Wahrscheinlichkeiten zu, indem sie aus Benutzertelemetriedaten und Anrufqualitätsfeedbackbewertungen lernen. Diese Wahrscheinlichkeiten werden in boolesche Werte (true/false) umgewandelt, die angeben, ob die Anruferfahrung für den entsprechenden Endpunkt als schlecht eingestuft wird oder nicht.

Um eine Streamqualitätsproblemrate zu ermitteln, um falsche Vorhersagen zu minimieren, verwenden wir perzentilbasierte Schwellenwerte. Bei einer perzentilbasierten Schwellenwerte werden die 2 % der Endpunkte mit der niedrigsten Leistung innerhalb einer bestimmten Plattform, Region und eines medienspezifischen Typs als schlechte Anruferfahrung identifiziert. Dieser Schwellenwert hilft IT-Administratoren dabei, Maßnahmen zu den gemeldeten Problemen zu ergreifen, die sich auf die Anrufqualität auswirken können.

Die Klassifizierer auf Medienebene werden als lokale Klassifizierer bereitgestellt. Beginnen Sie bei eingehenden Datenströmen oder lokalen Geräten mit einer gründlichen Bewertung der Klassifizierungen für die Detected Media Modality , die die Probleme im Zusammenhang mit empfangenem Audio, Video oder VBSS vorhersagen. Diese Klassifizierer enthalten Eingabefeatures aller Lokalbereichsklassifizierer wie Erkanntes eingehendes Netzwerk, Erkanntes lokales Compute und Erkanntes lokales Eingabegerät sowie zusätzliche wichtige Features, die keinem Bereich zugeordnet sind.

In Szenarien, in denen die Medienebenenklassifizierung ein Problem vorhersagt, aber keine Probleme auf Bereichsebene erkannt werden, lassen entweder das Vorhandensein mehrerer kleinerer Probleme oder der erhebliche Einfluss von nicht überlappenden Eingabefeatures eine weitere Untersuchung nahe. In der Regel zeigt mindestens ein Warnungsfeld ein potenzielles Problem an.

Wenn es Problemvorhersagen auf Bereichsebene gibt, aber nicht auf Medienebene, deuten die Klassifizierer darauf hin, dass Probleme mit der Medienqualität aufgetreten sind, obwohl diese möglicherweise nicht signifikant genug waren, um zu einer schlechten Bewertung des Benutzerfeedbacks zu führen.

Ermitteln der Ursprünge von Qualitätsproblemen

In CQD erstellen intelligente Medienqualitätsklassifizierer aggregierte Ansichten, die bei der Behebung von Qualitätsproblemen helfen. Diese Ansichten können über einen eindeutigen Satz von Dimensionen analysiert werden, die auf bestimmte Merkmale der einzelnen Klassifizierer zugeschnitten sind. Diese Analyse bietet Administratoren ein genaueres Verständnis der zugrunde liegenden Probleme.

Netzwerkklassifizierer können beispielsweise von der Problembehandlung profitieren, die sich auf Dimensionen wie Standort und Netzwerk konzentriert, während Compute- und Eingabegeräteklassifizierer möglicherweise die Aufmerksamkeit auf Dimensionen im Zusammenhang mit Gerätespezifikationen und -funktionen erfordern.

Netzwerkklassifiziererdimensionen

Netzwerkklassifizierer umfassen drei Arten von Dimensionen: standortbezogen, netzwerkbezogen und gerätebezogen.

• Standortbezogene Dimensionen:
  • Second Domain
  • Zweites ASN-Land
  • Zweite ASN City
  • Zweiter ASN-ISP-Name
  • Second Country
  • Second City
  • Second Building Name
• Netzwerkbezogene Dimensionen:
  • Second Network
  • Second Network Name
  • Second Wifi Band
  • Second Wifi Channel
  • Second Wifi Radio Type
  • Second Wifi Signal Strength
  • Second Network Connection Detail
  • Second Subnet
  • Zweite BSSID
• Gerätebezogene Dimensionen:
  • Second Wifi Microsoft Driver
  • Second Wifi Vendor Driver
  • Name des zweiten Computegeräts

Computegeräteklassifiziererdimensionen

• Gerätebezogene Dimensionen:
  • Second Compute
  • Device Name
• CPU-bezogene Dimensionen:
  • Second CPU Name
  • Zweite CPU-Anzahl von Kernen
  • Second CPU Processor Speed

Eingabegeräteklassifiziererdimensionen

• Zweite Erfassung
• Dev Name
• Zweiter Erfassungsgerät-Formfaktor
• Zweiter Verbindungstyp für Audiogeräte
• Verbindungstyp des zweiten Mikrofons
• Second Compute Device Name (wenn integrierte Audiodaten verwendet werden)
• Second Capture Dev Driver

Behandeln von Qualitätsproblemen

Nachdem sie den Ursprung der Qualitätsprobleme ermittelt haben, können die erkannten Problembereiche, die von intelligenten Medienqualitätsklassifizierern identifiziert werden, weiter analysiert werden, um potenzielle Ursachen aufzudecken und Administratoren dabei zu helfen, proaktive Maßnahmen zu ergreifen, um zukünftige Probleme zu verhindern.

Netzwerkklassifizierer

Netzwerkklassifizierer prognostizieren Qualitätsprobleme größtenteils basierend auf Audiotelemetriedaten aus der in Microsoft Teams implementierten Fehlerbehandlung. Diese Audiotelemetrie erweitert die Abdeckung der Verteilung der rohen Netzwerkbeeinträchtigung effektiv. Wenn jedoch ein Klassifizierer Probleme erkennt, kann es auch sichtbare Probleme mit den rohen Netzwerkmetriken geben, außer in Fällen, in denen mehrere Telemetriedaten das Ergebnis gemeinsam beeinflussen. In solchen Fällen kann die Komplexität der Identifizierung der Grundursache aufgrund der kombinierten Auswirkungen mehrerer Dimensionen zunehmen. Die CQD-Dimensionen der untersten Ebene dienen als Indikatoren für Probleme, wie unten aufgeführt.

Dimensionen im Zusammenhang mit Audio

• Maßnahmen im Zusammenhang mit Netzwerkverlusten:
  • Total Call Dropped Failure Percentage
  • Durchschn. Roaminganzahl
• Unformatierte Netzwerkleistungskennzahlen:
  • Avg Packet Loss Rate
  • Avg Packet Loss Rate Max
  • Avg Round Trip
  • Avg Round Trip Max
  • Avg Network Jitter
  • Durchschn. Netzwerk jitter Max
  • Durchschn. Korrigierter Datenverhältniswert
  • Durchschnittliche Jitterpuffergröße
  • Durchschn. Netzwerk jitter Max
  • Durchschnittliche Netzwerkverlustrate

Dimensionen im Zusammenhang mit Video-& VBSS

• Durchschn. Dauer des Fixierens
• Durchschn. Recv Freeze Duration Percent
• Durchschn. AV-Synchronisierungsabstand Durchschn.
• Durchschn. AV-Synchronisierungsabstand Min.
• Durchschn. Av Sync Distance Max
• Durchschn. AV Sync Distance STDEV
• Avg Video Post FECPLR

Beispiele für die Netzwerkstammursache

• Wenn die WLAN-Stärke niedrig ist, gibt der Netzwerkklassifizierer an, dass der Bürostandort nicht ausreichend mit WLAN abgedeckt ist. Überprüfen Sie die Anzahl und Positionierung der Zugriffspunkte.
• Wenn sich die Netzwerkmetriken an einem bestimmten Standort in regelmäßigen Abständen verschlechtern, gibt der Netzwerkklassifizierer an, dass eine Netzwerküberlastung vorliegt, wenn das Aufrufvolumen hoch ist. Wenn beispielsweise monatliche Unternehmensbesprechungen stattfinden, an denen ein großer Teil der Website teilschließt, können Sie die Bereitstellung von eCDN in Betracht ziehen.
• Wenn die Entfernungswerte für die AV-Synchronisierung hoch sind, gibt der Netzwerkklassifizierer an, dass Probleme mit der Netzwerküberlastung vorliegen, da Audio vor Video priorisiert wird. Stellen Sie sicher, dass genügend Bandbreite vorhanden ist und dass die Bandbreite stabil genug ist, um video- und VBSS-Qualität zu ermöglichen.

Computeklassifizierer

Computeklassifizierer prognostizieren Qualitätsprobleme in erster Linie basierend auf der CPU-Verarbeitungszeit und berücksichtigen gleichzeitig den Arbeitsspeicherzustand.

Die folgenden Computeressourcenbezogenen Dimensionen sind auch als durchschnittliche Metriken verfügbar, die für die Suche nach der Grundursache nützlich sein können:

• Second Process CPU Usage Average
• Second Process CPU Usage Max
• Second System CPU Usage Average
• Second System CPU Usage Max
• Second Process Memory Usage Average
• Second Process Memory Usage Max
• Second System Memory Usage Average
• Second System Memory Usage Max

Beispiele für Compute-Grundursachen

• Wenn die CPU-Auslastung des Systems hoch ist, aber die Prozess-CPU niedrig ist, gibt der Computeklassifizierer an, dass ein Computegerät andere Aufgaben ausführt, die die Ressourcen verbrauchen.
• Wenn die CPU-Auslastung des Prozesses hoch ist, gibt der Computeklassifizierer an, dass probleme im Zusammenhang mit fehlenden CPU-Ressourcen auf dieser Plattform für den Aufruf auftreten können. Überprüfen Sie, ob die Videoverarbeitung auf die GPU ausgelagert wird.

Eingabegeräteklassifizierer

Eingabegeräteklassifizierer zielen auf Qualitätsprobleme im Zusammenhang mit Audioaufnahmegeräten ab, einschließlich Mikrofonen.

Die folgenden CQD-Dimensionen, die auf mögliche Audioprobleme hinweisen können, sind:

• Avg Second Audio Send Noise Level
• Avg Second Audio Send Signal Level
• Fehler des zweiten Mikrofongeräts
• Second No Mic Devices Enumerated Failure
• Fehler bei der Initialisierung des zweiten Mikrofons
• Fehlerrate des zweiten Mikrofongeräts
• Second Device Capture Not Functioning Event Ratio
• Audioaufnahmegerät wird verwendet
• Audio Render Device In Use

Der empfohlene Bereich für den Signalpegel ist (-24, -14), der optimale für Rauschen ist <-60.

Beispiele für die Grundursache des Eingabegeräts

• Wenn der Audiorauschpegel hoch ist, gibt der Geräteklassifizierer an, dass das Mikrofon möglicherweise zu weit vom Benutzer entfernt ist, um eine optimale Erfahrung zu erzielen. Überprüfen Sie, ob das Gerät mit dem Anwendungsfall übereinstimmt, z. B. ob die im Besprechungsraum verwendete Freisprechanlage für die Größe des Besprechungsraums geeignet ist.
• Wenn der Audiosignalpegel sehr hoch ist, zeigt der Geräteklassifizierer an, dass der Benutzer zu nah am Mikrofon ist, und selbst wenn es keine Mikrofonüberlastung gibt, ist der Benutzer deutlich lauter als andere Anrufteilnehmer. Überprüfen Sie, ob das Gerät über die neuesten Treiber verfügt.

Wartung von Klassifizierungsmodellen

Die Klassifizierermodelle werden anhand der allgemeinen Population von Microsoft Teams-Benutzern überwacht. Wenn eine Anomalie erkannt wird, wird sie untersucht, und es besteht eine hohe Wahrscheinlichkeiten, dass das Modell erneut trainiert wird. Dies kann zu zeitlichen Schwankungen der jeweiligen Problemerkennungsraten führen. Wenn diese Schwankungen zu einer erheblichen Änderung der Erkennungsraten führen würden, veröffentlichen wir eine Nachricht, um Teams-Administratoren über das M365-Nachrichtencenter zu informieren.

Verwandte Themen

Im Anrufqualitäts-Dashboard verfügbare Dimensionen und Kennzahlen

Verwenden von CQD zum Verwalten der Anruf- und Besprechungsqualität

Einrichten des Anrufqualitätsdashboards

Was ist das Anrufqualitätsdashboard?