提到全高清音頻通信系統(tǒng)，首先要怎么搭建這樣一個(gè)系統(tǒng)，通常搭建一個(gè)最小音頻子系統(tǒng)分成下面幾個(gè)步驟：

　　第一步，采集播放。如果把采集的數(shù)據(jù)存成文件，或是交給播放，就形成一個(gè)閉環(huán)，我稱他為第一閉環(huán)，也可以稱為ADM（audio device module）。
　　第二步，編碼解碼。只有采集播放還不夠，數(shù)據(jù)量太大，還要加上編碼解碼，進(jìn)行數(shù)據(jù)壓縮，采集壓縮后的數(shù)據(jù)再解壓縮播放，我稱他為第二閉環(huán)，加上的這個(gè)編解碼模塊叫作ACM（audio coding module）。
　　第三步，網(wǎng)絡(luò)模塊。實(shí)現(xiàn)網(wǎng)絡(luò)發(fā)送接收，ANM（audio network module），我叫他第三閉環(huán)。
　　第四步，前后處理模塊。也就是第四閉環(huán)，Audio Processing module。這個(gè)模塊主要實(shí)現(xiàn)3A引擎：回聲消除AEC，增益控制AGC，噪聲抑制ANS。

　　在ANM，APM，ACM，ADM四個(gè)模塊中，每個(gè)模塊都有很多要考慮的細(xì)節(jié)。雖然現(xiàn)在有了WebRtc，好像WebRtc把這一切都解決了。但是事實(shí)真的是這樣的嗎？不是的。我從2008年開始接觸WebRtc，過去的幾年內(nèi)。幾乎每個(gè)月都有人問我這樣一個(gè)問題：大牛，怎么做回聲消除，你的回聲消除模塊賣嗎？2014年我去一家公司拜訪，他就私下找我買AEC模塊，今年我再去，他們還找我買。就在上周，我的QQ群里還有一個(gè)上海的游戲公司找我買AEC模塊。為什么回聲消除就這么難解決，今天我在這里，稍微分享一下我的理解，希望大家以后不要在軟件回聲消除的層面嘗試購買什么回聲消除模塊。

　　AEC只是3A引擎的一部分，是很重要的一部分，為什么第一個(gè)問題就是它。因?yàn)槟闷痣娫�，除非你打不通，打通了，不管質(zhì)量怎么樣，聲音一出來就是回聲，我在音頻行業(yè)做了11年，說長不長說短不短，深知國內(nèi)公司做音頻通常有個(gè)一很好的標(biāo)準(zhǔn)，“出聲就行”。但是沒有回聲消除，你出聲就是噪聲，最基本的底線都滿足不了。

　　那么，是什么問題困擾我們這么久，它就是回聲，準(zhǔn)確說是聲學(xué)回聲。自己的聲音傳到遠(yuǎn)端再通過遠(yuǎn)端的麥克風(fēng)錄音傳回來，就是回聲�；芈晱男盘�(hào)特性上看，有線性部分和非線性部分。回聲消除就是要通過信號(hào)處理算法消除這些回聲，消除回聲的線性部分和非線性部分。有電話的年頭就有回聲，早期是線路回聲，都是線性的，很好處理，一個(gè)自適應(yīng)濾波器，搞定了。

　　回聲消除的算法算算也有幾十年了，為什么今天還要研究？不是搞定了嗎，一個(gè)自適應(yīng)濾波就搞定了。不是的，回聲問題和設(shè)備緊密相關(guān)。一個(gè)回聲消除算法的設(shè)計(jì)實(shí)現(xiàn)和其他算法設(shè)計(jì)實(shí)現(xiàn)有很大的區(qū)別，因?yàn)樗�和設(shè)備緊密相關(guān)，和系統(tǒng)狀態(tài)緊密相關(guān)。早期，GIPS和某些AEC算法提供公司，通常設(shè)計(jì)AEC模塊的時(shí)候，都是給固定電話和移動(dòng)電話設(shè)備設(shè)計(jì)，是給定的一款設(shè)備，也就是說，芯片廠商設(shè)計(jì)公版硬件，找合作伙伴或是自己設(shè)計(jì)AEC模塊，然后針對(duì)該款設(shè)備調(diào)試AEC參數(shù)，調(diào)好之后就不變了，以后所有該款設(shè)備的出貨都用這組參數(shù)，一旦換了設(shè)備，軟件要重新調(diào)。當(dāng)初GIPS，SpritDSP就是做這些事情的公司。如果有人參與過手機(jī)出廠的回聲消除設(shè)計(jì)，你就知道每款手機(jī)的回聲消除參數(shù)都不同。

　　那么為什么回聲消除為什么和手機(jī)設(shè)備關(guān)系這么大呢？是信號(hào)特性決定的，回聲是聲音經(jīng)過揚(yáng)聲器傳導(dǎo)到mic，經(jīng)過了多少路徑就被處理多少次。通常手機(jī)由于聲腔的原因，沒辦法設(shè)計(jì)的音量很大所以當(dāng)你放大音量的時(shí)候，如果是10格調(diào)整的音量放大器，前5格還是線性放大，5格以上就是非線性放大，這是揚(yáng)聲器第一級(jí)處理。聲音從外部傳給mic，經(jīng)過空氣和手機(jī)殼，設(shè)備殼的特性的傳導(dǎo)作用產(chǎn)生第二級(jí)的非線性影響。不同的手機(jī)殼，鐵殼，塑料殼，甚至手機(jī)殼發(fā)熱導(dǎo)致聲傳導(dǎo)特性不一樣，都會(huì)影響聲音傳導(dǎo)的處理，導(dǎo)致回聲消除算法不一樣。我們就遇到過，一套收回聲消除算法，換不換殼，就能決定工不工作。這是手機(jī)。還有pc，如果pc外接音箱，音箱一般多少都會(huì)自帶功放，又是非線性放大。設(shè)備mic的位置也緊密相關(guān)，早期有一款thinkpad，mic和speaker離的非常近，極其難處理。談來談去，好像都是非線性放大的問題嘛，是的，線性的東西是科學(xué)，非線性的東西是藝術(shù)。可以說，設(shè)備的差異性導(dǎo)致非線性問題，非線性信號(hào)的處理是回聲消除技術(shù)的第一個(gè)攔路虎。

　　非線性回聲問題是不是全部呢？不是的。我前面說了，回聲消除除了和設(shè)備有關(guān)，還和系統(tǒng)有關(guān)和系統(tǒng)有什么關(guān)系，回聲消除兩大模塊，自適應(yīng)濾波和非線性處理，一個(gè)是線性處理，一個(gè)是非線性處理。前面說了非線性處理，線性處理部分還有問題，自適應(yīng)濾波前置第一個(gè)模塊就是延時(shí)搜索，其實(shí)WebRtc本身的延時(shí)搜索技術(shù)是非常先進(jìn)的，是由這個(gè)領(lǐng)域的大牛Keilgn大師設(shè)計(jì)的專利技術(shù)。但是大師東西雖好，但是有個(gè)依賴，延時(shí)估計(jì)要在一定范圍內(nèi)估計(jì)，就是要有一個(gè)預(yù)先設(shè)計(jì)的值，如果在一個(gè)很大的范圍內(nèi)搜索，會(huì)極大消耗CPU資源。而這個(gè)預(yù)設(shè)的delay值通常不準(zhǔn)，為什么不準(zhǔn)呢？因?yàn)榘沧肯到y(tǒng)線程調(diào)度設(shè)計(jì)不是很實(shí)時(shí)導(dǎo)致。一旦資源搶占，會(huì)在安卓底層buffer產(chǎn)生莫名的延時(shí)導(dǎo)致delay不準(zhǔn)。還是那個(gè)問題，每款手機(jī)甚至每個(gè)手機(jī)都不一樣。我們遇到過那種狀況，某國內(nèi)手機(jī)品牌，不同款手機(jī)delay不準(zhǔn)，同款手機(jī)不同子款比如（帶不帶s）。同款手機(jī)不同批次，delay不同，同款手機(jī)同一批次不同時(shí)間測(cè)試delay都不同。如何拿到穩(wěn)定的低延時(shí)的聲音信號(hào)，為此，谷歌專門有個(gè)一視頻教程。無奈，安卓手機(jī)的碎片化和私人裁剪導(dǎo)致這個(gè)問題無法一致性解決。

　　那么Agora怎么做的呢，Agora的回聲消除技術(shù)，發(fā)展到今天，已經(jīng)是第四代回聲消除技術(shù)。

　　我們的第三代回聲消除技術(shù)，通過逐個(gè)機(jī)型的適配。累計(jì)適配了幾百款機(jī)型，而我們的第四代“免”適配技術(shù)保證我們實(shí)現(xiàn)4000款機(jī)型的適配。有人問，你前面說了那么多設(shè)備特性問題，要適配要適配，怎么到這里又不用適配了呢。這不是矛盾嗎。我告訴大家，不矛盾。第一，我們的“免”適配，免帶一個(gè)小引號(hào)。為什么，我們的免適配和適配相互配合的，適配的機(jī)型，效果更好。不適配的機(jī)型是公版算法，基本也沒有大問題，一般不會(huì)出現(xiàn)整句回聲。只會(huì)間或的出現(xiàn)小回聲，比如2分鐘1次，或是10分鐘1次的殘留回聲。很小的回聲也會(huì)有，不想適配過的手機(jī)，你完全聽不到回聲。適配的機(jī)型，我們有整套測(cè)試方法驗(yàn)證，免適配的機(jī)型，我們依靠線上數(shù)據(jù)的反饋，判斷“免”的效果。也正是依賴我們線上數(shù)據(jù)的反饋，我們才能做到“免”適配。如果線上數(shù)據(jù)反映效果不好，我們會(huì)嘗試聯(lián)系用戶和采購機(jī)型進(jìn)行適配。正是因?yàn)槲覀兂浞诌m配了足夠多的機(jī)型，接觸過各式各樣的回聲消除技術(shù)和歷史才有這個(gè)把握掌握開發(fā)進(jìn)階技術(shù)。如果“免”適配技術(shù)無法滿足，立刻有適配技術(shù)補(bǔ)上。結(jié)合我們網(wǎng)絡(luò)傳輸?shù)膬?yōu)勢(shì)，“免”適配和適配互相配合，助力我們實(shí)現(xiàn)很好的回聲消除效果。當(dāng)然回聲消除只是我們APM引擎的一部分。在APM里，還有降噪技術(shù)，單麥克降噪雙麥克降噪，我們?cè)趥�(gè)別機(jī)型上開啟了雙mic降噪功能。還有增益控制技術(shù)，如何控制音量不會(huì)忽高忽低。還有噪聲環(huán)境下的音質(zhì)增強(qiáng)等等。時(shí)間原因，APM這塊，我沒法一一展開。

　　第二個(gè)問題，我分享下我們高清音頻通信系統(tǒng)的測(cè)試評(píng)估方法，我們的評(píng)估體系有三個(gè)層次：

　　第一層次，客觀測(cè)試。我們把手機(jī)出廠測(cè)試和VOIP測(cè)試相結(jié)合，提出了我們的測(cè)試方法、這個(gè)測(cè)試方法是ITU、3GPP、ETSI或是電信運(yùn)營商要求測(cè)試的標(biāo)準(zhǔn)通信測(cè)試的交集�？梢哉f，按照這套方法，我們經(jīng)常會(huì)去泰爾實(shí)驗(yàn)室做客觀測(cè)試�？梢哉f，國內(nèi)我們是第一個(gè)互聯(lián)網(wǎng)廠家把這套測(cè)試用在云服務(wù)標(biāo)準(zhǔn)上的。

　　第二個(gè)層次，主觀測(cè)試。因?yàn)榭陀^測(cè)試只是一個(gè)基本測(cè)試，很多手機(jī)出廠都做，但是出廠之后還是有很多很多問題，尤其對(duì)我們這樣的全平臺(tái)多機(jī)型通信引擎，只做客觀測(cè)試是不夠的，所以我們定義出很多細(xì)的標(biāo)準(zhǔn)，比如，聲音質(zhì)量、卡、失真、回聲情況、雙講情況、是否有切音、延時(shí)等等。安排測(cè)試人員，對(duì)海量機(jī)型，逐個(gè)機(jī)器逐個(gè)機(jī)型的去聽，去感受我們音頻的效果。

　　第三個(gè)層次，線上測(cè)試。也就是線上用戶的使用反饋，我們兩個(gè)Demo APP，一個(gè)就是我們的Beckon，可以在AppStore搜索到，這個(gè)APP是我們用來做實(shí)驗(yàn)和演示的。用戶可以體驗(yàn)Beckon的效果，我們收集用戶的反饋，判斷我們音頻系統(tǒng)的質(zhì)量。

　　通過這三個(gè)層次的測(cè)試，我們能保證提供最好的音頻通信引擎。高清音頻通信引擎，整個(gè)通信系統(tǒng)都是32khz音頻采樣頻率，對(duì)系統(tǒng)的ADM，APM，ACM，ANM要求的處理算法都針對(duì)32Khz。可以說，我們比通信標(biāo)準(zhǔn)更早的把32Khz代入實(shí)際應(yīng)用，今天VoLTE還沒有普及全高清音頻傳輸系統(tǒng)，而我們做到了。