用户在微软 Teams 通话中的音频内容是通过本质上是 " 数据包 " 的方式发送。而这些数据包可能由于网络连接不畅而丢失，导致音频失真。
虽然微软不能真正解决用户的互联网连接问题，但该公司在 Teams 中利用 " 数据包丢失隐藏 "（PLC）的技术，人为让用户的声音在具有挑战性的网络环境中听起来更好。在非常高的水平上，PLC 使用人工智能模型来识别音频传输中丢失的数据包，然后通过预测来填补任何空白。
微软表示，使用了深度学习技术来完成这一改进。该公司声称，传统的模型可以填补 20-40 毫秒的空白，但其 PLC 模型对 Teams 来说明显更好，因为这可以填补高达 80 毫秒的音频空白。
IT 之家获悉，尽管微软在 600 小时的开源数据上训练了 PLC 模型，但引人注意的是，还收集了 " 数以百万计的匿名网络样本 "，或者是来自真实 Teams 呼叫的 " 痕迹 "，以测试其模型。在 PLC 模型发布后，网络条件差的参与者报告说，其性能提高了约 15%。
微软强调，其 Teams PLC 模型完全在本地运行，而且只在网络质量不佳的情况下运行。最近，Teams PLC 模型已经适用于 Windows 客户，目前正在 Mac 上进行测试，而且将很快就会进入移动端领域。
