簡潔に答えると、プロフェッショナルAVにおけるAIは、使い慣れたプラットフォーム内で認識、意思決定、最適化を自動化することで、音声、カメラワーク、モニタリング、アクセシビリティの向上に既に貢献しています。明確な成果、人間による分かりやすいオーバーライド、そして綿密な基準設定に基づいて導入することで、サポート負荷を軽減し、会議の質を向上させます。これらの規律がなければ、「自動化」は気まぐれでリスクの高いものになります。
重要なポイント:
ガードレール: 明確に定義された範囲、フェイルセーフ、およびシンプルなユーザー/オペレーターのオーバーライドを備えた AI 機能を有効にします。
測定: 最初にチケット、稼働時間、通話品質のベースラインを設定し、展開後に改善を確認します。
プライバシー: 顔/音声分析を機密情報として扱い、法的根拠、保持、透明性、オプトアウトを文書化します。
運用: 予測監視とトリアージを使用して、トラック ロールを削減し、根本原因の診断を加速します。
セキュリティ: AV ネットワークをセグメント化し、管理者アクセスを強化し、AI 推論用のクラウド データ フローをマッピングします。
この記事の次に読むとよい記事:
🔗 テキスト読み上げ AI は現在使用する価値があるのでしょうか?
それが何であるか、どのように機能するか、そして主な用途を学びます。.
🔗 実際のアプリケーションにおける AI の精度はどの程度でしょうか?
精度に影響を与えるものと結果の測定方法を確認します。.
🔗 AI はどのようにしてデータ内の異常を検出するのでしょうか?
異常検出の方法、モデル、および異常検出が使用される場所を理解します。.
🔗 AIを段階的に学ぶ方法
基礎から実際のプロジェクトまで実践的な道を歩みます。.
「AI AV」の本当の意味🧠🔊🎥
AI AVと言う場合、通常は次のいずれか (または複数) を意味します。
-
知覚: 音声とビデオを「理解する」 AI - 音声とノイズ、顔と背景、誰が話しているのか、画面に何が表示されているのか。
-
意思決定: カメラの切り替え、レベルの調整、ビームの操縦、信号のルーティング、プリセットのトリガーなどのアクションを選択する AI。
-
世代: コンテンツを作成する AI - キャプション、要約、翻訳、ハイライト リール、さらには合成プレゼンター (そう)。
-
予測: デバイスの故障、帯域幅の急増、部屋の使用パターン、チケットの傾向などの問題を予測する AI。
-
最適化: システムを継続的に調整する AI - 明瞭度の向上、会議の円滑化、オペレーターの介入の削減。
つまり、これは「ラック内のロボット」というよりは、「ラックの動作を変えるソフトウェア（とファームウェア）」と言えるでしょう。繊細で、強力で、時に少し不気味なところもあります。👀
AI が今 AV に急速に浸透している理由 ⚡🖥️
いくつかの力が重なり合っています:
-
AV にはすでにデータが豊富にあります。マイク、カメラ、占有信号、ログ、会議のメタデータ、ネットワーク テレメトリなど、まさにビュッフェです。
-
AV はますます IP およびソフトウェア定義になっています。信号と制御がソフトウェアファーストになると、AI をワークフローに直接組み込むことができます。
-
ユーザーの期待は変化しました。コーヒーグラインダーの横にあるガラスの箱の中にいるときでも、人々は「問題なく機能する」部屋と「問題なく聞こえる」通話を望んでいます。☕🔊
-
AV/会議スタックはAIをデフォルト（「将来のロードマップ」ではない）で出荷しており、要求の有無にかかわらず期待が高まっています。[1][2]
社会的な要因もあります。チームが「自動」機能（自動フレーミング、音声分離、自動字幕）に慣れてしまうと、元に戻るのはまるで石器時代に逆戻りしたような気分になります。「手動カメラカットに戻してもいいですか？」なんて言いたくはないですよね😬
AI AV 導入を成功させる秘訣 ✅🧯
AI AVの優れたバージョンとは、「ただ起動する」ということではありません。「起動し、スコープを設定し、組織をトレーニングし、ガードレールを敷設する」というようなものです。
優れたAI AV セットアップの特徴
-
明確な成果: 「会議の音声に関する苦情を減らす」は、「AI だからといって AI を使う」よりも優れています。
-
人間によるオーバーライドは簡単です。オペレーターが介入し、ユーザーは管理者を召喚せずに機能を無効にできます。
-
予測可能な障害モード: AI が決定できない場合、適切に障害が発生します (デフォルトのワイド ショット、安全なオーディオ プロファイル、保守的なルーティング)。
-
プライバシーとガバナンスは組み込まれています。特に顔、音声、行動分析に関わるものにはそれが当てはまります。（この点について確固たる構造を求めるなら、NIST AI RMFは「リスクについてどう考えるか」という実践的なフレームワークであり、単なるムードではありません。）[3]
-
想定ではなく測定: 最初にベースラインを設定し、その後検証します (チケット、部屋の稼働時間、会議のドロップアウト、認識されるオーディオ品質)。
乱雑なAI AV セットアップの特徴
-
「自動」モードはどこにでもありますが、「自動」が何をしているのか誰も知りません。.
-
「ただのAVだから」セキュリティレビューは不要…有名な最後の言葉😬
-
ある部屋では美しく機能するが、異なる音響条件や照明条件では機能しなくなる AI 機能。.
-
曖昧、デフォルト、または偶発的なデータ保持。.
AI がプロフェッショナル AV のオーディオをどう変えるのか 🎚️🎙️
オーディオに関しては、AI が既にその役割を果たしています。なぜなら、この問題は残酷なまでに人間的なものだからです。人は、質の悪いビデオよりも質の悪いサウンドを嫌うのです。（ほんの少し誇張です。ほんの少しです。）
1) まるで味があるかのように動作するノイズ抑制
実際の導入では、「ノイズ抑制」は単なるゲートではなく、多くの場合 AI によって音声と「その他すべて」を分離するため、変化するノイズに対処できます。.
プロAVの影響:
-
「完全な静寂」の部屋への需要が減少
-
会議中の緊急マイク交換が減少
-
柔軟なスペース（オープンなコラボレーションゾーン、分割可能な部屋）に対する寛容性の向上
音声プロファイルとの結びつきがますます強まっています。例えば、Microsoft Teamsの音声分離機能はAI駆動型と明確に説明されており、ローカルデバイスに保存されたユーザーの音声プロファイルを利用し、その使用には管理者ポリシーによる制御が適用されます。これは、AV、IT、プライバシーに関する議論において大きな意味を持ちます。[1]
2) 音声分離と話者重視の処理
音声分離は、意図した音声を維持し、周囲のノイズや競合する話者の音声をフィルタリングすることを目的としています。.
プロAVの影響:
-
マイクの数が少ないほど明瞭度が向上する（場合によっては）
-
ユーザーごとのオーディオプロファイルへの強力な推進（これはアイデンティティ、同意、ガバナンスの問題を引き起こします - 「AVの問題」ではありませんが、いずれにせよそれらは引き継がれます）。[1]
3) よりスマートなAECとビームフォーミングの選択
AIは優れた音響設計に取って代わるものではありません。しかし、日常生活の不安定な状況下でも、システムがより安定した動作をするよう支援することは可能です
-
変化する占有状況へのより迅速な適応
-
早期の「不良ループ」検出（フィードバックリスク、ゲインクリープ、異常なルーティング条件）
-
よりコンテキストに応じたビーム動作（誰が話しているか、どこにいるか、部屋で何が行われているか）
ええ、部屋の反射が強すぎると、混乱した鳩のように「狩り」をしてしまうこともあります。それが今日の比喩です。どういたしまして🐦
4) 相互運用性は依然として重要
AI があらゆる場所に普及したとしても、プロオーディオの基礎は依然として重要です。
-
ゲイン構造は依然として存在する
-
マイクの配置は依然として重要
-
ネットワーク設計は依然として重要
-
人々はまだ趣味のようにノートパソコンに向かってブツブツと話している😭
AIは役立ちますが、物理法則を書き換えるわけではありません。ただ、物理法則とより丁寧に折り合いをつけるだけです。.
AI がビデオ、カメラ、ディスプレイをどう変えるのか 📷🧍♂️🖥️
プロ AV におけるビデオ AI は、「素敵な仕掛け」から「デフォルトの期待」へと移行しています。
自動フレーミング、スピーカートラッキング、マルチカメラロジック
AI カメラの機能:
-
オペレーターなしでプレゼンターをフレーム内に収める
-
話している人に切り替える（気まずい遅延が少ない）
-
部屋に合わせたフレーミングルール（境界、ゾーン、プリセット）を適用することで、カメラが会議を「クリエイティブに解釈」するのを防ぎます。
例えば、Zoom Roomsでは、複数のカメラモードとソフトウェアベースのフレーミング動作（境界フレーミングを含む）に加え、認定カメラと機能の互換性に関する実用的な制約について文書化されています。つまり、カメラAIは単なる設定ページではなく、設計変数
プロAVのひねり:
-
カメラの信頼性（照明、コントラスト、座席の形状）を考慮して設計されます
-
カメラの配置は、視線の問題だけでなく、AIのパフォーマンスの問題にもなります。
コンテンツに応じた表示動作
ディスプレイや標識がより適応的になることが期待されます。
-
周囲の状況に応じて明るさとコントラストを調整する
-
「バーンインリスク」パターンをフラグ付けする
-
注意/滞留信号を使用して再生動作を調整します（ガバナンスに応じて、価値のある...そして少し「うーん」）
制作系AVにおけるビジュアル品質管理
放送関連の AV およびイベント制作では、AI によって以下の内容を継続的にチェックできます。
-
音量/レベルの一貫性
-
リップシンクドリフト警告
-
ブラックフレーム検出
-
IPフロー全体にわたる信号整合性の異常
ここで、 AI AV は「機能」ではなく「運用」になります。華やかさは控えめに、価値は高まります。
AIはAVの制御、監視、サポート業務を変革するだろう🧰📡
これは地味な部分ですが、だからこそ重要なのです。プロフェッショナルAVにおける最大のROIは、多くの場合サポートにあります。.
予測メンテナンスと「壊れる前に修理する」
実際の「AIの勝利」は魔法ではなく相関関係です。
-
早期警告信号（熱、ファンの動作、ネットワークの再試行）
-
フリートパターン（同じファームウェア + 同じモデル + 同じ症状）
-
「欠陥は見つかりません」というトラックロールの減少。.
チケットのトリアージと根本原因のヒントの自動化
「部屋3が壊れています」という代わりに、サポートは次の情報を受け取ります。
-
「エンドポイントAからHDMIハンドシェイクが不安定になる可能性がある」
-
「パケットロスの傾向はスイッチポートの飽和と一致する」
-
「DSPプロファイルが承認期間外に変更されました」
指を舐めて天気を推測していた時代から、実際の天気予報を使う時代になったようなものです。完璧ではありませんが、中世的な雰囲気ははるかに薄れています。🌧️
自己修正する部屋
次のような閉ループ動作がさらに多く見られます。
-
エコーに関する苦情が増えた場合、AIがより安全なプロファイルを提案/テストします
-
カメラのトラッキングが不安定な場合は、ワイドショットにフォールバックします
-
占有率が下がると、標識と電源の状態が自動的に切り替わります
ここで、 AI AV は単なるハードウェア統合ではなく、「エクスペリエンス管理」になります。
アクセシビリティと言語機能は追加機能ではなくデフォルトになります🧩🌍
AI は摩擦をなくすため、AV のアクセシビリティを標準化します。
-
多くの部屋で「十分な」ライブキャプション
-
電話に出られなかった人への会議の要約
-
多国籍組織向けのリアルタイム翻訳
-
トピック/講演者/スライドの内容で検索可能なビデオ アーカイブ。.
これにより、プロフェッショナル AV の範囲も変わります。
-
精度、保持ポリシー、コンプライアンスについても質問を受けます
-
イベント AV チームは、基本的な期待として「イベント後のコンテンツ パッケージ」に携わります。.
ええ、要約にジョークが抜けていると文句を言う人もいるでしょう。それは避けられないことです。😅
比較表: 実際に導入できる実用的な AI AV オプション 🧾🤝
一般的なAI駆動型AV機能とその位置づけについて、現実的な視点から考察します。価格は大きく異なるため、ここでは明確な数字を提示するのではなく、「現実的な」価格帯を想定しています。.
| オプション（ツール/アプローチ） | （対象者）に最適 | 価格の雰囲気 | なぜそれが機能するのか | 注釈（奇妙だが真実） |
|---|---|---|---|---|
| 会議プラットフォームにおけるAIノイズ抑制/音声分離 | 会議室、ハドルスペース | 多くの場合「含まれている」かポリシーで制御されている | 音声を優先することで明瞭度を安定させます | 誰かが音楽を流そうとするまでは素晴らしいが…その後は不機嫌になる[1] |
| AIカメラ自動フレーミング+ゾーン/境界フレーミング | 研修室、会議室、講義録画 | ハードウェア + プラットフォームに依存 | 被写体をフレーム内に収め、オペレーターの必要性を軽減 | 照明は人々が認める以上に重要です。影は敵です😬 [2] |
| AIベースの室内監視+分析 | キャンパス フリート、エンタープライズ AV 運用 | サブスクリプションっぽい | 障害を相関させ、トラックロールを削減し、一貫性を向上 | データの品質がすべてです - 乱雑なログ = 乱雑な洞察 |
| 自動字幕作成 + 文字起こし | 公共部門、教育、国際組織 | ユーザーあたり / 部屋あたり / 分あたり | アクセシビリティ + 検索性で簡単に勝利 | 精度はオーディオ品質に依存する - ゴミを入力すると詩的なゴミが出力される |
| コンテンツのタグ付け + ビデオライブラリのスマート検索 | 社内コミュニケーション、トレーニング、メディアチーム | ミッド | 瞬間を素早く見つけ、ハイライトを作成 | 最初は過信し、後になって過小評価してしまう…バランスが必要 |
| AI支援設計および構成ツール | インテグレーター、コンサルタント | 様々 | 回路図、部品表ドラフト、構成テンプレートの作成を高速化 | 役に立ちますが、部屋には大人（あなた）が必要です |
あまり楽しくない部分: プライバシー、生体認証、そして信頼 🛡️👁️
AVが「理解」できるようになると、敏感になります。.
顔認識と生体認証リスク
AV システムが人物を識別できる場合（または、身元を推測できる場合）、それは生体認証の領域です。.
プロAVへの実際的な影響:
-
誤って識別機能を導入しないでください（デフォルトは…熱狂的になる可能性があります）
-
文書の法的根拠、保管、アクセス、透明性
-
可能な限り「存在検出」と「身元検出」を分離する
英国で活動している場合、ICOの生体認証ガイダンスは、合法的な処理、透明性、セキュリティ、そしてエラーや差別などのリスクについて徹底的に検討する必要があることを非常に明確に示しています。これは、突然プライバシーに関する議論になったときに関係者に渡すことができるような文書です。[4]
バイアスと不均一なパフォーマンス（「無害な」機能であっても）
たとえユースケースが「単なるオートフレーミング」であっても、システムが顔や音声に基づいて判断を開始すると、実際のユーザーと実際の状況でテストを行う必要があり、正確性と公平性を前提ではなく要件として扱う必要があります。規制当局は、生体認証におけるエラーや差別のリスクを明確に指摘しており、これは機能、標識、オプトアウト、評価の範囲を決定する際にも影響を与えるはずです。[4]
信頼のフレームワークは役に立つ（退屈に聞こえるかもしれないが）
実際には、AV における「信頼できる AI」とは通常、次のような意味を持ちます。
-
リスクマッピング、
-
測定可能なコントロール、
-
監査証跡、
-
予測可能なオーバーライド。.
実用的な構造をお求めなら、NIST AI RMFが便利です。ガバナンスとライフサイクル思考（単に「電源を入れて期待する」だけではない）に基づいて構築されているからです。[3]
セキュリティは「あればよい」ものではなく、AV の必須要件になります🔐📶
AVシステムはネットワーク化され、クラウドに接続され、場合によってはリモート管理されます。そのため、攻撃対象領域は広大です。.
プロの AV 言語でこれが意味するものは次のとおりです。
-
適切に設計されたネットワークセグメントに AV を導入する (はい、引き続き)
-
管理インターフェースを実際の IT 資産のように扱う (MFA、最小権限、ログ記録)
-
クラウド統合とサードパーティアプリを検証する
-
ファームウェア管理を退屈で日常的なものにする（退屈なのは良いことだ）
ここで有効なメンタルモデルとなるのはゼロトラスト。「ネットワーク内にあるからといって安全だと決めつけず、アクセスを必要最小限に制限する」という考え方です。この原則は、NISTのゼロトラスト・アーキテクチャ・ガイダンスに明確に示されています。[5]
AI 機能がクラウド推論に依存している場合は、以下を追加します。
-
データフローマッピング（何がいつ、なぜ部屋から出るか）
-
保持と削除の制御、
-
モデルの動作と更新に関するベンダーの透明性。.
最初のインシデントが発生するまでは誰もセキュリティを気にしませんが、その後は全員が同時に気にするようになります。😬
プロフェッショナル AV ワークフローは日々どのように変化するのか 🧑💻🧑🔧
ここではギアだけでなくジョブも変わります。.
販売と発見
クライアントは成果を求めます:
-
「音声の明瞭さを保証できますか？」
-
「部屋側で問題を自己報告できますか？」
-
「トレーニング クリップを自動生成できますか?」
したがって、提案はデバイス リストからエクスペリエンスの結果に移行します (誰かが結果を約束できる限り)。.
設計とエンジニアリング
デザイナーは以下を組み込む:
-
カメラAIパフォーマンスの照明とコントラストのターゲット、
-
転写/字幕の正確さのための音響目標、
-
ネットワークQoSは帯域幅だけでなく、信頼性の監視にも役立ちます。
-
プライバシーゾーンと「分析なし」のスペース。.
試運転と調整
コミッショニングは次のようになります。
-
ベースライン測定 + AI機能検証、
-
シナリオテスト（騒がしい部屋、静かな部屋、複数のスピーカー、バックライト…大騒ぎ🎪）、
-
文書化された「AI 動作ポリシー」 （自動的に実行できること、フェイルセーフを実行しなければならない場合、オーバーライドできるユーザー）
運用とマネージドサービス
マネージド サービス チームは次の業務を行います。
-
「差し込まれているか」に費やす時間を減らし、パターン分析にもっと時間を費やしましょう。
-
エクスペリエンス（稼働時間、通話品質の傾向、平均解決時間）に結びついたSLAを提供する
-
部分的にデータアナリストになる…真夜中にログを見つめるまでは魅力的に聞こえます。.
実際の組織における AI AV の実践的な展開計画 🗺️✅
混乱なくメリットを得たいなら、階層的に実行しましょう。
-
低リスクの勝利から始める
-
音声/ノイズ機能
-
シンプルなフォールバックによる自動フレーミング
-
社内用字幕
-
機器とベースライン
-
チケット数、ユーザーからの苦情、会議室の稼働時間、会議の欠席率を追跡する
-
フリート監視を追加する
-
インシデントの相関関係を把握し、出張を減らし、構成を標準化する
-
プライバシーとガバナンスを定義する
-
生体認証、分析、保持、アクセスに関する明確なポリシー（NIST AI RMFのようなフレームワークを使用して、これが雰囲気ベースのガバナンスにならないようにする）[3]
-
トレーニングでスケール
-
「自動」が何をしているかをユーザーに教える
-
AIによるアラートの解釈方法をサポートスタッフに教える
-
定期的に確認する
-
AIの行動はアップデートによって変化する可能性があるので、設置された家具ではなく生きたシステムとして扱う必要がある。
AI AV の未来は、主に信頼にかかっています😌✨
AI AVについて考える最良の方法は、AI AVがプロのAV技術に取って代わるのではなく、むしろ変革をもたらすということです。
-
手動でレベルを調整したりカメラを切り替えるのにかかる時間が短縮されます
-
人間の複雑な状況下で確実に動作するシステムの設計に多くの時間を費やす
-
プライバシー、セキュリティ、ガバナンスに関する責任の増大
-
部屋は単発のプロジェクトではなく「管理された製品」であるという期待が高まる
AIは、正しく導入されればAVをより魔法のように感じられるでしょう。しかし、導入を間違えると、HDMIケーブルだらけのお化け屋敷のような気分になってしまいます。そんな状況は誰も望んでいません。👻🔌
よくある質問
プロフェッショナルAVにおける「AI AV」とは
プロフェッショナルAVにおいて「AI AV」とは、システムの認識、判断、生成、予測、最適化の方法を向上させるソフトウェアやファームウェアを指すことがほとんどです。これには、音声とノイズの分離、カメラの自動切り替え、キャプションや要約の作成、デバイスの問題の予測、パフォーマンスの継続的な調整などが含まれます。この変化は、新しいハードウェアというよりも、使い慣れた会議・制御プラットフォーム内でのよりスマートな動作に大きく依存しています。.
混乱を招かずにプロフェッショナルAVにAIを導入
明確な成果と厳密に定義されたスコープから始め、ガードレールとシンプルなオーバーライドを追加します。AIが自信を持てないときには、予測可能なフェイルセーフ（デフォルトでワイドショットや安全な音声プロファイルを使用するなど）を使用します。ユーザーとオペレーターに「自動」の動作についてトレーニングを行い、システムによる変更が許可されている部分と手動で変更しなければならない部分を文書化します。.
AI AVが会議を改善していることを証明するために何を測定すべきか
まずベースラインを設定し、導入後に比較検討しましょう。AI機能を有効にする前に、サポートチケット、会議室の稼働時間、会議の中断、そして通話品質の認識状況を追跡しましょう。導入後は、数値が改善されたか、そして異なる会議室間でエクスペリエンスがより一貫しているかを確認してください。ベースラインがなければ、「体感が良くなった」という主張は正当化しにくく、議論も起こりやすくなります。.
AIが今日の会議室の音声を改善する方法
AIオーディオは一般的に、ノイズ抑制、音声分離、よりスマートなエコー制御、そしてより優れたビームフォーミングの選択に重点を置いています。その実用的成果は、困難な日常環境における音声の明瞭度向上、通話中の緊急介入の減少、そして柔軟な空間への適応性向上などです。しかし、ゲイン構成やマイク配置といった基本的な要素を置き換えるものではありません。AIは劣悪な環境への対応を支援するものであり、物理法則を書き換えるものではありません。.
AIが会議室のカメラとビデオをどう変えるのか
オートフレーミング、発言者トラッキング、ゾーンまたは境界フレーミングといったAIカメラ機能は、もはや当たり前の期待値になりつつあります。これらの機能はオペレーターの必要性を軽減し、会議をより洗練されたものにしますが、同時に照明、コントラスト、座席配置といった要素もパフォーマンスの変数にしてしまうのです。つまり、カメラの配置や部屋のデザインが、AIの自信度にますます影響を与えているのです。.
AI AV機能における最大のプライバシーリスク
顔、音声、行動分析に関わるものはすべて機密情報として扱う必要があります。実践的なガバナンスには、法的根拠の文書化、保持ルールの設定、ユーザーへの透明性の確保、そして可能な場合はオプトアウトの提供などが含まれます。また、単純なプレゼンス検出とID検出を分離することも賢明です。そうすることで、過剰なデフォルト設定によって「うっかり」生体認証の領域に迷い込んでしまう事態を防ぐことができます。.
AIがAVサポートの負荷とトラックロールを削減する方法
運用上のROI（投資収益率）の最大の要因は、予測監視とよりスマートなトリアージにある場合が多いです。デバイスのテレメトリ、ネットワークの傾向、ファームウェアのパターン、そして繰り返し発生する症状を相関させることで、AIは問題を早期に発見し、考えられる根本原因を提案します。サポートチームは「部屋3が故障している」といった状況から、ハンドシェイクの不安定さやパケットロスの傾向といった実用的な手がかりへと移行することで、診断を迅速化し、問題のない訪問を削減します。.
AI機能がクラウドサービスに依存する場合に最も重要なセキュリティ対策
AVを真のIT資産として扱いましょう。ネットワークをセグメント化し、最小権限と強力な認証で管理者アクセスを強化し、変更をログに記録します。AIがクラウド推論を使用する場合は、データフローをマッピングして、何がいつ、なぜ部屋から出ていくのかを把握します。さらに、モデルの動作や機能は時間の経過とともに変化する可能性があるため、更新と保持管理に関するベンダーの透明性も考慮する必要があります。.
AI AV の一般的な障害モードとその対策
AIは、照明、音響、レイアウトの違いにより、部屋ごとに動作が不安定になることがあります。また、反射や騒音が多い状況では「ハンティング」することもあります。適切なフォールバック動作を計画し、オペレーターとユーザーが簡単にオーバーライドできるようにしてください。また、アップデートによってパフォーマンスが変化する可能性もあるため、AI AVは設置された家具ではなく、定期的な点検が必要な生きたシステムとして扱う必要があります。.