先自我介紹一下，我是一個(gè)做了五年消費(fèi)電子硬件的工程師。

這五年里，我踩過最大的坑，就是“語音處理”這個(gè)看似簡單、實(shí)則深不見底的大坑。

今天想跟大家掏心窩子聊聊，我是怎么從一個(gè)“通話效果隨緣”的工程師，慢慢搞清楚這里面的門道，以及最后找到解決方案的心路歷程。

曾經(jīng)的我：以為“降噪”就是把噪音調(diào)小聲

說實(shí)話，剛?cè)胄心菚海覍φZ音處理的理解特別粗暴。

客戶說要“降噪”，我就加個(gè)高通濾波器，把低頻噪音切掉一點(diǎn)。
客戶說要“回聲消除”，我就把揚(yáng)聲器的信號反向疊加到麥克風(fēng)信號上。

結(jié)果呢？產(chǎn)品在安靜的辦公室測試，效果還行。一到真實(shí)場景——地鐵、馬路、甚至家里開著抽油煙機(jī)的廚房——全露餡了。

遠(yuǎn)端的人說：“你說話怎么斷斷續(xù)續(xù)的？”
近端的人說：“我怎么聽到自己的回聲？”

那段時(shí)間，我一度懷疑自己是不是選錯(cuò)了行。一個(gè)小小的通話功能，怎么就這么難搞定？

轉(zhuǎn)折點(diǎn)：我開始真正理解“語音處理”到底在做什么

后來我花了很多時(shí)間，去啃數(shù)據(jù)手冊、去請教資深的聲學(xué)工程師，才慢慢明白一件事：

語音處理不是簡單的信號加減，而是一整套“動靜分離”的算法。

就拿我后來選用的NR2048-P這顆芯片來說，它里面其實(shí)是有一顆雙核DSP（數(shù)字信號處理器） 的。你可以理解成，它有一個(gè)“大腦”在專門處理聲音，不依賴主芯片。

這個(gè)“大腦”做了三件我之前覺得“不可能實(shí)現(xiàn)”的事：

1. 它不是“切噪音”，而是“找說話的人”

我以前用的方案，都是把所有聲音收進(jìn)來，然后嘗試把“聽起來像噪音”的部分壓小。

這導(dǎo)致一個(gè)問題：如果用戶說話的聲音跟噪音頻率接近，那人的聲音也會被壓小，對方聽起來就是斷斷續(xù)續(xù)的。

NR2048的做法完全不一樣。它用的是波束成形技術(shù)。

你可以想象，它在麥克風(fēng)陣列上畫出了一個(gè)“錐形區(qū)域”。它只關(guān)注這個(gè)錐形里的人聲，區(qū)域外的所有聲音——不管是旁邊人聊天、馬路上的車流、還是辦公室的空調(diào)——通通被視為“不必傳送的信息”。

我專門做過一個(gè)測試：把設(shè)備放在一個(gè)很吵的咖啡館，播放一段人聲錄音。NR2048處理后的輸出，背景噪音至少降低了十幾分貝，但人聲幾乎沒有損失。

這是我第一次感受到，“降噪”和“噪聲抑制”是兩件完全不同的事情。

2. 回聲消除不是“消掉”，而是“互相抵消”

回聲消除（AEC）這個(gè)東西，我之前一直理解錯(cuò)了。

我以為回聲消除就是把揚(yáng)聲器發(fā)出的聲音“識別”出來，然后從麥克風(fēng)信號里“剪掉”。

這就好比你在白紙上寫了一個(gè)黑字，想把字擦掉，但紙本身也變薄了。

真正好的AEC，其實(shí)是在“聲學(xué)路徑”上做文章。它會去學(xué)習(xí)：揚(yáng)聲器發(fā)出的聲音，經(jīng)過空氣、經(jīng)過外殼、經(jīng)過反射，最后到達(dá)麥克風(fēng)的時(shí)候，變成了什么樣子？然后生成一個(gè)一模一樣但相位相反的信號，讓它們互相抵消。

NR2048的AEC能做到85dB的回聲消除。85dB是什么概念？

簡單說，就算你的揚(yáng)聲器音量開得比較大，遠(yuǎn)端的人也幾乎聽不到任何回聲。我之前用過的方案，能到60dB已經(jīng)很不錯(cuò)了。這25dB的差距，就是“能聽出來有回聲”和“完全感覺不到回聲”的區(qū)別。

3. 自動校準(zhǔn)：拯救了我的產(chǎn)線良率

這點(diǎn)我必須重點(diǎn)說一下，因?yàn)槲冶贿@個(gè)問題害慘過。

麥克風(fēng)是有個(gè)體差異的。同一盤料，有的靈敏度高一些，有的低一些，差個(gè)正負(fù)3dB很正常。

之前我們做的一個(gè)產(chǎn)品，用了雙麥克風(fēng)陣列。結(jié)果有的機(jī)器波束成形效果特別好，有的就很一般。查來查去，就是麥克風(fēng)靈敏度不一致導(dǎo)致的。

NR2048有一個(gè)我特別喜歡的的功能：自動麥克風(fēng)校準(zhǔn)。

它會自動檢測每個(gè)麥克風(fēng)的實(shí)際靈敏度，然后在內(nèi)部做數(shù)字補(bǔ)償，讓它們“看起來”完全一樣。

這意味著什么？意味著我可以買到更便宜的麥克風(fēng)（放寬靈敏度篩選標(biāo)準(zhǔn)），同時(shí)還能保證產(chǎn)品的一致性。 這直接降低了我們的BOM成本和產(chǎn)線測試時(shí)間。

還有一個(gè)讓我意外的驚喜：靈活性

以前用語音處理芯片，最怕什么？最怕算法是寫死的。

你想改個(gè)參數(shù)？重新燒固件。
你想適配不同的外殼？重新調(diào)，重新燒。

但NR2048是通過I2C接口實(shí)時(shí)下發(fā)命令的。

也就是說，我們可以根據(jù)不同的產(chǎn)品狀態(tài)，動態(tài)調(diào)整算法參數(shù)。比如：

音樂播放模式下，走“高保真”路徑，不做過多的語音處理

通話模式下，開啟全部的降噪和AEC

語音搜索模式下，專門優(yōu)化人聲的清晰度和信噪比

這一切都是在產(chǎn)品運(yùn)行時(shí)實(shí)時(shí)切換的，不需要重啟，不需要重新燒錄。

對于我們這種做多功能產(chǎn)品的團(tuán)隊(duì)來說，這個(gè)特性真的太重要了。

聊聊硬指標(biāo)：低功耗、小封裝、多接口

可能有人會說，你上面說的那些，是不是都要犧牲功耗和體積？

我以前也是這么擔(dān)心的。

但NR2048用的是0.11μm的低功耗工藝。雙麥克風(fēng)模式下，典型工作電流只有15mA左右。掉電模式更低，只有0.5mA。

封裝是2.966×2.966mm2的WLCSP，跟我小拇指指甲蓋的一小半差不多大。

接口方面，支持3路PDM輸入（最多6個(gè)數(shù)字麥克風(fēng)）和4路PDM輸出，還有3組可編程的PCM/I2S/TDM串行端口。

我之前擔(dān)心的一些接口匹配問題，拿到數(shù)據(jù)手冊一看，基本上都覆蓋到了。

最后想說的一些心里話

這幾年做硬件，我最大的感觸是：

很多產(chǎn)品體驗(yàn)不好，不是產(chǎn)品經(jīng)理沒想清楚，而是硬件底層的能力沒到位。

語音處理就是這個(gè)道理。大家都在卷麥克風(fēng)的數(shù)量、卷外形設(shè)計(jì)、卷價(jià)格，但真正決定通話質(zhì)量的，是這顆不起眼的語音處理器。

NR2048幫我們解決的問題，不僅僅是“通話清晰”這么表面。它解決的是：

在嘈雜環(huán)境下，語音識別率的提升（它的VR增強(qiáng)模式真的有用）

在免提場景下，全雙工通話的自然度（不會出現(xiàn)“你說一句我等你一句”的尷尬）

在不同產(chǎn)品形態(tài)下，聲學(xué)設(shè)計(jì)的一致性（自動校準(zhǔn)真的省心）

如果你也和我一樣，正在被語音通話的質(zhì)量問題困擾，或者想讓產(chǎn)品的語音交互體驗(yàn)上一個(gè)臺階，我真心建議你認(rèn)真看看這顆芯片。

它不是那種“參數(shù)看起來很漂亮，一用就翻車”的方案。至少對我來說，它確實(shí)幫我把“雞肋”的通話體驗(yàn)，變成了讓客戶點(diǎn)贊的“真香”現(xiàn)場。

以上是我個(gè)人的真實(shí)項(xiàng)目經(jīng)驗(yàn)分享。技術(shù)這條路上，踩坑是常態(tài)，找到對的方案是運(yùn)氣。希望我的這份“運(yùn)氣”，也能傳遞給你。

審核編輯 黃宇