为什么耳朵没怀孕？10 分钟搞明白直播中杂音、噪音和回声问题

《直播疑难杂症排查》系列已经更新了 7 篇，我们为用户分析了视频直播过程中出现的问题，并一一作出排查。此次我们侧重于直播中的音频，以便给用户带来更好的听觉享受。

继《直播技术详解》系列文章之后，我们推出了这个新的系列《直播疑难杂症排查》，把解决直播问题的经验逐步分享出来，同时也会穿插一些音视频开发的基础知识和优化经验，希望能够帮助到直播领域的开发者们。

---

本系列会涵盖的内容包括但不限于如下一些主题：

• 播放失败
• 直播卡顿
• 首开慢
• 延时高
• 音画不同步
• 马赛克严重
• 播放黑屏、花屏、绿屏
• 播放杂音、噪音、回声
• 点播拖动不准
• 直播发热问题
• 其他问题（待续）

本文为 《直播疑难杂症排查》系列的第八篇文章，我们重点看看直播过程中出现的杂音、噪音和回声等问题。

相比于视频而言，音频要敏感得多，视频画面有噪点、马赛克都还是可以勉强被接受，而声音一旦有任何瑕疵，人耳都会特别容易感觉到，而且难以忍受。

问题现象

常见的音频问题现象描述如下：

• 电流音，爆音，滋滋声或者嘟嘟声
• 声音断断续续，听不清楚
• 回声，能听到自己说话的声音

问题排查

1.参数配置问题

上面也有提到，音频是一个特别敏感的东西，涉及到许多参数配置，一旦配置不太匹配，就会导致声音听起来非常诡异（比如：采样率是 32000Hz 的音频，给播放器配置为 8000Hz 或者 44100Hz，就明显会出现音频慢放或者快放的效果）。

常见的音频参数和基本原理，可以参考文章：《Android音频开发（1）：基础知识》

我们只需要注意的是，无论是采集和播放，都要给系统的 API 以及第三方的库配置正确的参数，如：采样率、位宽、声道数等等。

2.代码层面的原因

常见的代码层面的问题有如下几种：

• 音频 buffer 大小不匹配，一段 1024 bytes 的音频，放到了 2048 bytes 的数组，导致尾部有随机数
• 音频 resample 重采样的算法问题，导致采样出来的数据出了问题
• Android 的 ByteBuffer 取出数组，是不能直接用 .array() 方法的，而需要用 .get() 方法
• iOS 系统，其他 app 通过系统 API 更改了 AudioSession 采样率的配置

3.网络波动

视频是一帧一帧连续的图像构成的，在播放过程中，如果无法按时渲染，则会出现卡顿的效果；如果丢失几帧画面，则会出现快进效果。

而音频是流式的，虽然也被切分为了一个个音频帧，但如果无法按时播放或者连续丢失较多的音频帧，则会明显听到断断续续的声音出现。特别是在弱网、丢包率高等不稳定网络环境下，很容易出现这种情况。

4.回声消除

回声一般出现在同时有音频的采集和播放的场景，比如：连麦互动、混音返听等等，采集到的音频通过扬声器又播放出来了，同时又被采集了进去，从而产生了回声或者啸叫声。

这样的场景下，一般需要通过系统的回声消除 API，或者第三方回声消除库（如：speexdsp，webrtc 等）进行处理。

注意：很多 Android 机型硬件自带的回声消除效果并不是很好。

5.混音越界

音频的 PCM 数据，通常用 short 数组来存放，当我们做一些多路音频的混音功能的时候，如果不注意处理 short 类型的大小越界，则往往带来爆音的问题。下面是一段参考 webrtc 的混音代码，专门针对混音越界做了简单处理，可以参考参考：

---

推荐阅读：视频直播技术详解