实时音视频
实时音视频
文档指南
请输入
- 文档首页
实时音视频AI 音视频互动方案开发指南语音降噪
复制全文
下载 pdf语音降噪
文档反馈
问问助手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。
"ASRConfig": {
"VolumeGain": 0.3 // 推荐值，默认值为 1.0
}
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。
"AgentConfig": {
"AnsMode": 2 // 根据噪声类型选择模式
}
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）
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。
"FarfieldConfig": {
"Enable": true, // 是否开启远场人声抑制
// 抑制等级：可选 High, Medium, Low。系统将根据环境底噪自适应调整
// 注意：若下方的 Threshold 取值 > 0，则本参数失效
"Level": "Medium",
// 能量阈值：取值 0-127。数值越小，过滤的能量越大（127接近静音）
// 默认 0，表示不启用手动阈值，由上面的 Level 参数控制
"Threshold": 0,
// 音源是否固定：
// - true：音源与麦克风位置固定（如佩戴耳机、听筒模式）
// - false：音源位置不固定（如使用扬声器）
"FixedSource": false
}
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。
// StartVoiceChat 请求体（仅展示语音打断、远场抑制与声纹相关配置）
{
"Config": {
"ASRConfig": {
"InterruptConfig": {
"InterruptSpeechDuration": 1500 // 建议设置 1500ms 以上，避免由于用户口癖或环境噪音导致 AI 误打断
},
"FarfieldConfig": {
"Enable": true, // 开启远场人声抑制
"Level": "Medium"
}
// ...其他 ASR 配置（如 Provider, ProviderParams）
}
// ...其他 Config 交互配置（如 TTSConfig, LLMConfig, SubtitleConfig）
},
"AgentConfig": {
"VoicePrint": {
"Mode": 1, // 开启声纹降噪
"VoiceDuration": 6, // 自动注册声纹所需的有效语音时长，建议 6s 以上以保证学习效果
"EnableSV": false // 是否开启说话人强校验；未开启时 Score 不参与拦截
}
// ...其他 AgentConfig 基础配置（如 TargetUserId, UserId）
}
// ...AppId, RoomId, TaskId 等其他必填参数
}
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。
// StartVoiceChat 请求体（仅展示声纹降噪、远场抑制与首帧打断相关配置）
{
"Config": {
"ASRConfig": {
"FarfieldConfig": {
"Enable": true,
"Level": "Medium" // 强度建议填 Medium 或 Low（注意首字母大写）
},
"VADConfig": {
"ForceBeginThreshold": 200 // 首帧打断阈值，单位 ms（对应您提到的打断灵敏度）
}
// ...其他 ASR 配置
}
// ...其他交互配置（如 TTSConfig, LLMConfig）
},
"AgentConfig": {
"VoicePrint": {
"Mode": 1, // 声纹降噪模式
"EnableSV": true, // 开启强校验：仅当声纹分数达到 Score 阈值时，ASR 结果才送入 LLM
"Score": 50, // 声纹匹配的置信度阈值，推荐值 40～60
"VoiceDuration": 12 // 自动学习声纹所需的有效时长
}
// ...其他 Agent 配置
}
// ...AppId, RoomId, TaskId 等其他必填参数
}
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。
// StartVoiceChat 请求体（仅展示远场人声抑制与 AI 降噪相关配置）
{
"Config": {
"ASRConfig": {
"FarfieldConfig": {
"Enable": true,
"Level": "Medium",
"Threshold": 0, // 设置为 0 表示由 Level 自动动态调整抑制强度；若需固定门槛可设置具体数值 (1-127)
"FixedSource": false // 移动设备（如扬声器模式）设为 false，音源位置固定（如耳机、支架）设为 true
}
// ...其他 ASR 配置
}
// ...其他交互配置（如 TTSConfig, LLMConfig）
},
"AgentConfig": {
"AnsMode": 2 // AI 降噪级别。2 为中度降噪，适用于抑制空调、风扇等平稳噪声；3 适用于嘈杂的动态噪音
// ...其他 AgentConfig 基础配置
}
// ...AppId, RoomId, TaskId 等其他必填参数
}
最近更新时间：2026.09.21 16:24:32
这个页面对您有帮助吗？
有用
有用
无用
无用