但是这么好用的NVIDIABroadcast却并非每个直播UP都会用。下面笔者就为大家来测试一下此款软件。

先来聊聊NVIDIABroadcast应用程序的需求，重点是要GPU上，RTX2060级别以上、尤其是RTX30系列GPU最佳；而处理器则是Intel8代i5或者是AMD锐龙5级别以上；内容则只需要8GB。这配置来看，其实就是中端级别的光追游戏主机即可以使用上NVIDIABroadcast。

为何GPU级别需要这么高呢？其一，游戏性能足够的强劲，其二，RTX2060级别以上，甚至是RTX30系列GPU中配备独立的TensorCore，NVIDIABroadcastAI运算依赖的就是TensorCore算力，让其进行叵测之心训练和深度学习推理。而噪音消除、背景替换，以及人像跟踪这些应用中，TensorCore发挥着很大的作用。

正因为TensorCore提升AI算力支持，配合上NVIDIARTXGPU本身的游戏能力，在保证游戏能力的情况下，可以让整个平台在直播时资源占用大幅度降低。

安装NVIDIABroadcast

在安装NVIDIABroadcast前，先把摄像头和麦克风与游戏主机连接上，并确保能正常使用。

然后到NVIDIABroadcast官方下载页面，下载并安装NVIDIABroadcast，安装时候需要确保网络连接正常，部分文件需要从NVIDIA服务器中下载。若是安装过程中失败了，那么重启主机后再次安装即可。（笔者就是这样解决安装失败问题的）

NVIDIABroadcast，麦克风

NVIDIABroadcast可以单独为麦克风、扬声器，以及摄像头输入设备并对其进行效果设定。由于没找到单独的麦克风，所以这里笔者使用的是摄像头上的麦克风作为输入设备，并加入了噪音消除效果，且把强度拉到最高。

NVIDIABroadcast，扬声器

同时扬声器可以设定为耳机，或者是显示器上的扬声器。对于不带降噪效果的扬声器来说，噪音消除会让语音效果更为清晰。

NVIDIABroadcast，相机——背景模糊

重点其实是在相机上，可以使用摄像头或者是专业的摄像设备来实现。

而NVIDIABroadcast对相机源的兼容性也是真足够的高，我们拿一个全新的还未上市的也能很好的识别出来。

NVIDIABroadcast，相机——背景删除

NVIDIABroadcast，相机——背景更换

NVIDIABroadcast，相机——自动聚焦

人像追踪是让直播画面锁定到主播本人人脸，让主播UP主始终保持在直播画面中心。此功能是利用AI跟踪主播人脸运动，裁切并放大主播本人所在区域的图像。所以相机设备分辨率越高，光学质量越高，此时获得的画面也越好。注意：此功能追踪人脸，请把三级头放下。

NVIDIABroadcast，摄像头调节选项

最新的版本中，其实还能对相机源不同的摄像设备属性进行调整，调整选项还是比较多的，在已经固定灯光效果的情况下，可以进行不同摄像设备参数的调整。同时还有防闪烁功能也是比较实用的，毕竟一般的LED灯频闪效果越明显，设定不同的频率可以大幅度减轻频闪负面效果。

NVIDIABroadcast的设置就到这里吧，下面我们拿直播软件来试试效果。在各大直播软件中，NVIDIABroadcast兼容性还是比较高的，基本覆盖了大部分的直播平台。

我们拿哔哩哔哩直播姬来试试。

在麦克风列表中，选择“Microphone（NVIDIABroadcast）”。如果需要对音频输出实现降噪功能，请将系统声音选择为“Speakers（NVIDIABroadcast）”。

在添加摄像头时，在”设备”中选择“Camera（NVIDIABroadcast）”。注意，如果你要修改摄像头的分辨率，那么也需要在NVIDIABroadcast软件设置里同步修改

设备选择后，我们就直接对画面进行设定，直播姬的使用就不多说了，反正比较简单的。不太懂的也可以自行下载一个来试着使用即可，记得同步使用NVIDIABroadcast应用程序。

测试出来的直播画面效果就是这样子的了，即使后面有再多的路人甲也绝不会影响到你分享游戏画面。而且可看到，NVIDIABroadcast应用程序处理的画面更有质感，系统占用资源也变得更小。

总结：轻松当直播UP主

尽管你并非一个专业的直播UP主，没有牛逼的吹13技术，没有浮夸的节目效果。只需要一个主机，一个麦克风，一个摄像头，配合上NVIDIABroadcast的多项功能，从背景更换到人像追踪，或者是噪音消除，这些都会让你轻松当上一个直播UP主。

题外话：在GeForceRTX20系列GPU的首发之时，TensorCore的加入很多玩家只认为是为了加强光线追踪时GPU运算能力；但来到GeForceRTX30系列发布之后，我们发现，TensorCore的应用在多个技术中显得成为重要，包括DLSS，NVIDIABroadcast等。TensorCore的加入，不仅是为了丰富自家技术或者是算力优势，更多的是为用户带为更为高效便携的实用程序加持，同时也分担CPU工作负载，从而提升