音视频通话：音频处理与压缩技术初探

在视频或者音频通话过程中，一方面为了减小原始声音数据的传输码率，需要进行音频压缩，另一方面为了得到更高质量的音质，需要进行音频处理。那么，如何处理好这两方面，保证声音传播的高真性？本篇文章将会结合网易云信在音视频技术方面的实战和经验，小议音频处理与压缩技术。

推荐阅读：
《视频私有云实战：基于 Docker 构建点播私有云平台》

音频处理的方法主要包括：音频降噪、自动增益控制、回声抑制、静音检测和生成舒适噪声，主要的应用场景是视频或者音频通话领域。音频压缩包括各种音频编码标准，涵盖 ITU 制定的电信领域音频压缩标准（G.7xx 系列）和微软、Google、苹果、杜比等公司制定的互联网领域的音频压缩标准。（iLBC、SILK、OPUS、AAC、AC3 等）。

音频基础概念

在进一步了解音频处理和压缩之前需要知道这些：

1. 音调：泛指声音的频率信息，人耳的主观感受为声音的低沉（低音）或者尖锐（高音）。
2. 响度：声音的强弱。
3. 采样率：声音信息在由模拟信号转化为数字信号过程中的精确程度，采样率越高，声音信息保留的越多。
4. 采样精度：声音信息在由模拟信号转化为数字信号过程中，表示每一个采样点所需要的字节数，一般为 16bit（双字节）表示一个采样点。
5. 声道数：相关的几路声音数量，常见的如单声道、双声道、5.1 声道。
6. 音频帧长：音频处理或者压缩所操作的一段音频信息，常见的是 10ms，20ms，30ms。

音频处理基础

1、噪声抑制（Noise Suppression）
手机等设备采集的原始声音往往包含了背景噪声，影响听众的主观体验，降低音频压缩效率。以 Google 著名的开源框架 WebRTC 为例，我们对其中的噪声抑制算法进行严谨的测试，发现该算法可以对白噪声和有色噪声进行良好的抑制。满足视频或者语音通话的要求。
其他常见的噪声抑制算法如开源项目Speex包含的噪声抑制算法，也有较好的效果，该算法适用范围较 WebRTC 的噪声抑制算法更加广泛，可以在任意采样率下使用。

2、回声消除（Acoustic EchoCanceller）
在视频或者音频通话过程中，本地的声音传输到对端播放之后，声音会被对端的麦克风采集，混合着对端人声一起传输到本地播放，这样本地播放的声音包含了本地原来采集的声音，造成主观感觉听到了自己的回声。
回声产生的原理如下图所示：

以 WebRTC 为例，其中的回声抑制模块建议移动设备采用运算量较小的AECM算法，该算法的处理步骤如下图所示。有兴趣的读者可以参考 AECM 的源代码进行研究，这里不展开介绍了。

3、自动增益控制（Auto Gain Control）
手机等设备采集的音频数据往往有时候响度偏高，有时候响度偏低，造成声音忽大忽小，影响听众的主观感受。自动增益控制算法根据预先配置的参数对输入声音进行正向/负向调节，使得输出的声音适宜人耳的主观感受。
以WebRTC为例，它的自动增益控制算法的基本流程图如下所示。

4、静音检测（Voice ActivityDetection）
静音检测的基本原理：计算音频的功率谱密度，如果功率谱密度小于阈值则认为是静音，否则认为是声音。静音检测广泛应用于音频编码、AGC、AECM 等。

5、舒适噪声产生（ComfortableNoiseGeneration）
舒适噪声产生的基本原理：根据噪声的功率谱密度，人为构造噪声。广泛适用于音频编解码器。在编码端计算静音时的白噪声功率谱密度，将静音时段和功率谱密度信息编码。在解码端，根据时间信息和功率谱密度信息，重建随机白噪声。
它的应用场景：完全静音时，为了创造舒适的通话体验，在音频后处理阶段添加随机白噪声。

音频编码基础

音频的另一个广泛应用的领域：音频编码。
首先看一下当前应用最广泛的一些音频编码标准，如下图所示。

图中横轴是音频编码码率，纵轴是音频频带信息。从图中我们可以获得如下几方面信息。
（1）对于固定码率的编码标准，如 G.711 或者 G.722，图中采用单点表示，说明这两个编码标准是固定码率编码标准。其他如 Opus、Speex，它们的曲线是连续的，说明这类编码标准是可变码率的编码标准。
（2）从频带方面看，G.711、G.722、AMR 和 iLBC 等标准适用于 narrowband（8khz 采样率）和wideband（16khz 采样率）范围，针对普通的语音通话场景。AAC 和 MP3 适用于 fullband（48khz 采样率）范围，针对特殊的音乐场景。而 Opus 适用于整个频带，可以进行最大范围的动态调节，适用范围最广。
（3）从标准的收费情况看，适用于互联网传输的 iLBC、Speex 和 Opus 都是免费且开源的；适用于音乐场景的 MP3 和 AAC，需要 license 授权，而且不开源。

随着音频处理和压缩技术的不断发展，效果更好、适用范围更广、性能更高的算法和新的技术必将不断涌现，如果你有好的技术或者分享，欢迎留言，我们一起探讨。
想要获取更多产品干货、技术干货，欢迎关注网易云信博客。

---

随着即时通讯以及音频处理和压缩技术的不断发展，效果更好、适用范围更广、性能更高的算法和新的技术必将不断涌现，如果你有好的技术或者分享，欢迎关注网易云信官方博客和 GitHub：

关注更多技术干货内容： 网易云信博客
欢迎关注 网易云信 GitHub
欢迎关注 网易云信官网