文档中心

实时音视频

开发指南

语音降噪

在背景嘈杂的环境中（如办公室、咖啡馆、多人车内），环境噪声或背景人声等会导致 AI 误响应或被误打断。您可以通过调整音量增益、开启 AI 降噪或声纹降噪等方式抑制噪音，以提升语音识别的准确率。

降噪方式对比

降噪方式	解决的问题	适用场景
调整音量增益	基础音量控制，抑制轻微噪声。	相对安静的环境，仅有轻微底噪，如书房。
AI 降噪	滤除环境噪声。如空调、风扇、键盘声等非人声噪声。	存在持续性物理噪声的环境，如办公室。
声纹降噪	滤除背景人声。只保留主讲人声音。	多人交谈的嘈杂环境，如奶茶店、办公室。
远场人声抑制	滤除背景中的远场人声干扰。	家庭客厅、展厅、车载场景。

方式 1：调整音量增益

通过调整发送到服务端的音频音量大小来影响信噪比。增益值越低，采集音量越低，有助于滤除部分环境噪音。适用于用户环境相对安静，只有轻微、不明显的背景噪音。

说明

该功能可能影响低能量人声的字准率，谨慎使用。

配置方法：

调用 StartVoiceChat 接口时，设置 ASRConfig.VolumeGain。

注意：过度降低 VolumeGain 可能会导致用户的正常语音音量过小，反而影响识别。

方式 2：AI 降噪（滤除环境噪声）

当环境噪声较为明显时（如空调、风扇、键盘声），推荐使用 AI 降噪。支持通过服务端或客户端实现。

注意

服务端和客户端不建议同时开启 AI 降噪，以避免过度处理可能带来的音质损伤。

声纹降噪和 AI 降噪不能同时使用。

服务端 AI 降噪

在服务端对音频进行智能降噪处理，适用于不具备或不便开启端上 AI 降噪能力的终端（例如：物联网、智能硬件设备）。

在调用 StartVoiceChat 接口时，设置 AgentConfig.AnsMode。

模式选择

1：轻度降噪。适用于有微弱、平稳噪声的环境。

2：中度降噪。适用于最常见的持续性噪声，如空调、风扇声。

3：重度降噪。适用于有嘈杂、非平稳噪声的环境，如键盘敲击声、物体碰撞声。

客户端 AI 降噪

直接使用 ByteRTC SDK 的客户端降噪 API。降噪算法受调用 joinRoom 时设置的房间模式影响。详细说明参见：

Native 端：美声和音频降噪。

Web 端：Web 端音频降噪。

方式 3：声纹降噪（公测中）

基于声纹信息，从混合人声中保留目标说话者的语音，并抑制他人声音，让 AI “听得更清”。具体操作，请参见声纹配置（多人识别或降噪）。

注意

声纹降噪不建议和 AI 降噪等组合使用；注册声纹使用的音频，其采集设备需要和用户真实通话时使用的音频采集设备保持一致，以保证最佳效果。

方式 4：抑制远场人声

通过识别音频能量差异，精准过滤背景中（通常 3-5 米外）的低能量干扰人声，同时保留近场目标语音。该功能有效解决了多人环境下 AI 误识别、被误打断或因背景音干扰导致的判停延迟问题。适用于手机、耳机及车载等近距离收音场景。

注意

该功能仅在使用火山语音识别大模型时生效。

由于不同硬件设备的收音特性差异较大，必须根据实际设备类型和应用场景选择合适的 Level 或 Threshold。若参数设置不当（如抑制过强），可能会导致正常用户的声音也被抑制，影响收音质量。建议根据实际业务场景进行细致调试。

调用 StartVoiceChat 时，通过 ASRConfig.FarfieldConfig 字段配置。建议优先使用 Level 进行自适应调节。

场景推荐策略

在真实业务场景中，将多种降噪策略组合使用，通常能达到最佳效果。以下提供两种典型的配置组合，您可以根据实际需求进行参考和调整。

场景一：多人办公/社交环境（抗多人背景声干扰）

场景特点：在办公室、咖啡馆、多人车内等背景人声杂乱的场所。背景人声杂乱且随机，AI 容易被旁人交谈误打断。

建议组合策略：声纹降噪 + 人声持续时长 + 远场人声抑制

效果：通过声纹锁定和打断保护，防止 AI 被旁人的交谈声意外触发或误打断，确保对话连续性。

场景二：只响应特定人指令（防他人介入）

适用场景：在私人助理、核心指令下达、1 对 1 教学等对身份识别要求极高的场景。要求 AI 只响应特定人指令，不能执行旁人的指令。

核心方案：声纹降噪 + 说话人验证 + 高强度远场抑制

效果：除了匹配目标声纹的语音外，AI 将过滤掉所有其他人的声音，实现真正的“只听主讲人”。即使旁边有人大声说话，只要声纹特征不符，AI 就不会响应。开启 EnableSV 时，建议同时配置 Score 作为声纹匹配的置信度阈值，取值范围 [1, 100]，推荐值为 40～60。

场景三：家庭或开放式空间（过滤远距离杂音）

适用场景：在家庭客厅、开放式展厅、车载环境等空间。电视声、厨房杂音或远处的人声会导致 AI 采集到大量无关文字，或者因持续探测到背景音而产生判停延迟（迟迟不回话）。

核心方案：远场人声抑制+ AI 降噪

效果：系统通过识别声音能量的强弱差异，自动剔除远处的背景杂音，只保留近处（设备周边）的有效语音。

最近更新时间：2026.09.21 16:24:32

这个页面对您有帮助吗？

有用

无用