浅谈 WebRTC 的 Audio 在进入 Encoder 之前的处理流程
在 WebRTC 中，Audio 数据在被送入编码器之前，有 2 大部分需要特别关注，一是数据采集，二是 Audio Processing。
作者：方来，技术专家，从事 voip 应用开发。
数据采集
数据采集主要由 Audio Device 模块进行处理，而且是平台和配置相关。例如：
- Mac 电脑，使用的是 CoreAudio API，一般情况下使用默认内置的声卡参数 fs=48kHz，stero。
- Windows 电脑，WebRTC 中用的是 WASAPI。根据声卡参数不同，采样率等参数可选的比较多，例如有的电脑 builtInAEC 打开后，fs=16kHz，Mono，如果把声卡的 Audio Enhancement 关闭，则输出 fs=48kHz，stero。
- Android 一般使用 java 层的 AudioRecord 框架。
- iOS 一般使用 AudioUnit 框架。
另外，数据采集部分，还涉及到 USB 耳机，3.5mm 耳机，蓝牙耳机等外设，这些设备对音频链路上后续的 Audio Processing 也是有影响的，比如增加了 Audio 采集的delay，有 Speech Enhancement 处理的耳机会修改音频频谱，有的耳机外设使用不当可能会导致音频链路没有声音。
Audio Processing
Audio Processing 主要包括 AEC，AGC，NS 等等：
- AEC----Acoustic Echo Cancellation，即回音消除。
- AGC----Automatic Gain Control，即自动增益，用来调整输入信号的音量大小。
- NS----Noise Suppression，即噪音抑制。
从 Audio Devices 输出的数据依次经过 AEC，NS，AGC 等音频处理模块。
1.AEC
AEC 算法选择
在 WebRTC 中，AEC 有 4 个可选的算法：
- builtInAEC，一般情况下 Windows，Android 系统，builtInAEC 默认会开启。
- AECM，移动端的回音消除算法，适用于 Android和 iOS。
- AEC 算法，适用于 Windows/Mac Desktop 的回音消除算法。当然 AEC 也可以用在移动端，某些情况下，回声泄露的性能比 AECM 好。不过最新的 WebRTC 已经把老的 AEC 的 code 移除了。
- AEC3 算法，Google 对老的 AEC 算法的改版，目前 AEC3 已经全面替代老的 AEC 算法。
一般情况下这 4 种 AEC 算法只能选择一种，否则会做多次 AEC，对声音的损伤也会增加。在不得已的情况下，可能会用到 2 个 AEC，例如 Windows 电脑，buildInAEC 关不掉且效果差的情况下，就必须打开 AEC3，这时是用到 2 个 AEC。
aec_dump
在一次通话中，使用 StartAecDump 开启 aec_dump 功能，aec_dump 将录制 3 个文件，一个是未进入 Audio Processing 模块的 input.wav，一个是 Speaker Render 的输出文件 reverse.wav，一个是经过 Audio Processing 处理过的 ref_out.wav。
正常情况下，input.wav - reverse.wav = ref_out.wav。
通过这 3 个文件可以分析回音消除算法是否有问题。
2.AGC
WebRTC 的 AGC 有 2 种算法：
- Legacy AGC
- AGC2
下面简单展示一下 Legacy AGC 的性能。
原始语音
AGC 后的语音，Legacy AGC 本身没有降噪功能，噪音和语音同时放大的。
3.NS
目前 WebRTC 的 Noise Suppression 模块，能够过滤掉比较平稳的背景噪音，例如 white nosise，空调声等。但是 NS 模块对音量非常大的背景噪音，还有 babble noise 都是失效的，这也是我们客户端在 Microphone 功放的情况下的“嘈杂不清”的因素之一（当然导致嘈杂还有其他的原因，例如 AEC 的性能等等)。
夹杂 white noise 的录音
white noise 被过滤掉
4.其他增强算法
- High Pass Filter，用来过滤低频噪音，比如我们可以把 100Hz 甚至 200Hz 以下的低频噪音过滤掉。
- Typing Detector，可以过滤掉键盘打字的声音。
- Residual Echo Detector，残留回音探测。
优化点
-
采集（当然也包括播放）容易出现没有声音问题，所以必须对采集（声卡驱动）端进行声卡适配优化。
-
AEC 区分平台：
A. Windows 平台，一般 Windows 的声卡面板里面有一个“Audio Enhancement”，这个里面有的含有 builtInAEC，默认是打开的，通过 Windows API 关闭这个 Audio Enhancement 的几乎不可行。有的 builtInAEC 效果比较差，这时 AEC3 必须打开。通常情况下，builtInAEC 和 AEC3 同时打开，以便最大程度减少回声。
B. Mac 电脑，默认没有 buildInAEC，通常就直接使用 AEC3。 -
在 AEC 算法中增加“near talk”，“far talk”，“double talk”， “no talk”状态，结合这几种状态，采取不同的操作，例如在只有 far talk 的时候，不做 AGC，能够起到减少近端噪音的作用。
「视频云技术」你最值得关注的音视频技术公众号，每周推送来自阿里云一线的实践技术文章，在这里与音视频领域一流工程师交流切磋。
