一、拾音 8 米這個(gè)指標(biāo)該怎么讀AU-48 的規(guī)格里麥克風(fēng)拾取范圍寫(xiě)的是 10cm-800cm配合 T1/T2 參數(shù)切換可選四檔中距離 0.5-2m、近距離 0.1-0.2m、遠(yuǎn)距離 0.5-5m、超遠(yuǎn)距離 0.5-8m。能拾音 8 米這句話本身沒(méi)錯(cuò)但它容易被理解成8 米外說(shuō)話效果和 1 米一樣。實(shí)際上距離對(duì)語(yǔ)音質(zhì)量的影響是一條陡峭的曲線而降噪算法的行為又會(huì)隨著輸入信噪比變化而變化。這兩者疊加起來(lái)8 米處的實(shí)際體驗(yàn)與 1 米處有本質(zhì)區(qū)別。本文試圖把這條曲線量化并說(shuō)明四檔切換背后到底在調(diào)什么。二、距離帶來(lái)的信噪比衰減一個(gè)可計(jì)算的量自由場(chǎng)條件下點(diǎn)聲源的聲壓隨距離按平方反比衰減距離每增加一倍聲壓級(jí)下降 6dB。以說(shuō)話人在 1m 處產(chǎn)生 60dB SPL 為基準(zhǔn)0.2m近距離檔約 74dB SPL1m60dB SPL2m中距離檔上限約 54dB SPL5m遠(yuǎn)距離檔上限約 46dB SPL8m超遠(yuǎn)距離檔上限約 42dB SPL從 0.2m 到 8m語(yǔ)音聲壓下降了約 32dB。關(guān)鍵在于環(huán)境噪聲不隨距離衰減。房間里的空調(diào)聲、風(fēng)扇聲、走廊回響是彌散的在房間任意位置基本相同。假設(shè)環(huán)境噪聲為 40dB SPL安靜辦公室那么輸入信噪比為0.2m74 - 40 34dB1m60 - 40 20dB2m54 - 40 14dB5m46 - 40 6dB8m42 - 40 2dB也就是說(shuō)在一個(gè)安靜的辦公室里8 米外說(shuō)話的原始信噪比只有 2dB——語(yǔ)音和噪聲幾乎等能量。若環(huán)境噪聲升到 50dB SPL普通辦公室有人交談8 米處信噪比變成 -8dB語(yǔ)音已經(jīng)被噪聲淹沒(méi)。這就是遠(yuǎn)場(chǎng)拾音的本質(zhì)困難不是麥克風(fēng)聽(tīng)不見(jiàn)而是聽(tīng)見(jiàn)的東西里語(yǔ)音占比太低。三、混響比信噪比更難處理的一項(xiàng)上面的計(jì)算用的是自由場(chǎng)模型室內(nèi)還有第二個(gè)衰減機(jī)制在起作用——混響。房間里存在一個(gè)臨界距離critical distance在這個(gè)距離內(nèi)直達(dá)聲占主導(dǎo)超過(guò)之后混響聲占主導(dǎo)。典型會(huì)議室的臨界距離在 1~2m 量級(jí)。超過(guò)臨界距離后直達(dá)聲繼續(xù)按平方反比衰減而混響聲場(chǎng)基本恒定于是直達(dá)聲與混響聲的比值DRR持續(xù)惡化?；祉懙穆闊┰谟谒钦Z(yǔ)音自身的延遲拷貝頻譜特性與語(yǔ)音完全一致?；陬l譜統(tǒng)計(jì)的降噪算法無(wú)法把它和目標(biāo)語(yǔ)音區(qū)分開(kāi)——它不看起來(lái)像噪聲。所以在 5m、8m 這樣的距離上即便把穩(wěn)態(tài)噪聲壓得很干凈聲音仍然會(huì)發(fā)空、發(fā)飄這就是殘余混響。對(duì)語(yǔ)音識(shí)別而言混響的影響往往比噪聲更嚴(yán)重因?yàn)樗淖兞斯舱穹宓臅r(shí)域包絡(luò)破壞了聲學(xué)模型依賴的特征。四、四檔切換到底在調(diào)什么AU-48 通過(guò) T1/T2 引腳狀態(tài)選擇四檔默認(rèn)低電平為中距離拆高留低近距離留低拆高遠(yuǎn)距離拆高拆高超遠(yuǎn)距離。從上面的分析可以推斷這四檔調(diào)整的主要是三組參數(shù)。1. 前端增益與 AGC 目標(biāo)距離越遠(yuǎn)輸入電平越低需要更高的增益把語(yǔ)音抬到合適的處理電平。但增益是無(wú)差別的——語(yǔ)音被抬高的同時(shí)噪聲也被抬高信噪比不變。增益解決的是夠不夠響不解決干不干凈。近距離檔反而需要限制增益因?yàn)?0.1-0.2m 處聲壓很高74dB SPL 以上若沿用遠(yuǎn)場(chǎng)增益會(huì)直接過(guò)載。AU-48 的 MIC 輸入上限是 1Vrms配合 30KΩ 輸入阻抗這個(gè)余量比 AP0316 的 0.2Vpp 寬裕得多但近場(chǎng)加高增益仍然會(huì)撞上限。2. 噪聲估計(jì)的時(shí)間常數(shù)與門(mén)限這是四檔差異的核心。降噪算法需要區(qū)分這一幀是語(yǔ)音還是噪聲。在高信噪比條件下近距離語(yǔ)音幀和噪聲幀的能量差異明顯判決容易可以用較激進(jìn)的抑制策略。在低信噪比條件下遠(yuǎn)距離二者能量接近判決容易出錯(cuò)門(mén)限設(shè)高把弱語(yǔ)音判成噪聲語(yǔ)音被削掉出現(xiàn)斷字、吞音門(mén)限設(shè)低把噪聲判成語(yǔ)音噪聲漏過(guò)出現(xiàn)音樂(lè)噪聲r(shí)esidual musical noise遠(yuǎn)距離檔必須把門(mén)限往保守方向調(diào)容忍更多殘余噪聲以換取語(yǔ)音完整。這就是為什么同一個(gè)模塊標(biāo)稱降噪 45-90dB在遠(yuǎn)場(chǎng)實(shí)際拿到的抑制量總是靠近區(qū)間下沿——不是算法退化而是激進(jìn)抑制在低信噪比下的副作用無(wú)法接受。3. AEC 的自適應(yīng)策略距離變化也影響 AEC。近場(chǎng)時(shí)語(yǔ)音強(qiáng)、回聲相對(duì)弱雙講檢測(cè)容易遠(yuǎn)場(chǎng)時(shí)語(yǔ)音弱、回聲來(lái)自本機(jī)揚(yáng)聲器相對(duì)強(qiáng)回聲-信號(hào)比惡化雙講檢測(cè)更容易誤判導(dǎo)致自適應(yīng)濾波器在說(shuō)話期間錯(cuò)誤更新回音抑制變差甚至發(fā)散。遠(yuǎn)距離檔通常需要更保守的更新步長(zhǎng)。五、45-90dB 降噪?yún)^(qū)間的實(shí)際分布把上面的機(jī)制串起來(lái)可以給出一個(gè)更有操作性的解讀45-90dB 不是一個(gè)可調(diào)范圍而是不同工況下的實(shí)測(cè)分布區(qū)間。近距離 穩(wěn)態(tài)噪聲風(fēng)扇、空調(diào)接近區(qū)間上沿。語(yǔ)音強(qiáng)、噪聲統(tǒng)計(jì)平穩(wěn)估計(jì)準(zhǔn)確可以深度抑制。近距離 非穩(wěn)態(tài)噪聲敲擊、碰撞中段。神經(jīng)網(wǎng)絡(luò)方法對(duì)突發(fā)噪聲有效但瞬態(tài)邊界處仍有殘留。遠(yuǎn)距離 穩(wěn)態(tài)噪聲中下段。信噪比低門(mén)限保守。遠(yuǎn)距離 非穩(wěn)態(tài)噪聲 混響接近區(qū)間下沿甚至更低。所以看到降噪 90dB和拾音 8 米兩個(gè)指標(biāo)同時(shí)出現(xiàn)在規(guī)格表上時(shí)需要理解它們不是同時(shí)成立的——它們分別對(duì)應(yīng)各自的最優(yōu)工況。六、AU-48 的取舍為什么是雙模擬麥AU-48 只支持模擬麥克風(fēng)輸入MIC0/MIC1 雙路不支持?jǐn)?shù)字麥克風(fēng)。這在同家族里是一個(gè)明確的差異化選擇——A59P、AU-60 都支持 PDM 數(shù)字麥。模擬麥克風(fēng)在遠(yuǎn)場(chǎng)應(yīng)用中有一個(gè)實(shí)際優(yōu)勢(shì)可以用長(zhǎng)線遠(yuǎn)置。數(shù)字麥克風(fēng)輸出的是 PDM 高頻碼流走線長(zhǎng)度受限通常幾十 cm 以內(nèi)超過(guò)后時(shí)鐘完整性和 EMI 都成問(wèn)題。模擬麥克風(fēng)雖然對(duì)噪聲更敏感但配合屏蔽線可以拉到數(shù)米之外。對(duì)于8 米拾音這個(gè)訴求一個(gè)常被忽略的現(xiàn)實(shí)是與其讓模塊在 8 米外硬扛信噪比不如把麥克風(fēng)移到說(shuō)話人附近。模擬麥克風(fēng)的可遠(yuǎn)置特性使這種結(jié)構(gòu)方案成為可能。從系統(tǒng)角度看把麥克風(fēng)從 8m 移到 2m直接換來(lái)約 12dB 的信噪比改善這比任何算法優(yōu)化都有效。此外AU-48 提供兩個(gè)輸出端口端口 5MICOUT2大信號(hào)低阻抗可直驅(qū)耳機(jī)和端口 6MICOUT1與 A-47 中距離幅度兼容。后者的存在說(shuō)明 AU-48 被設(shè)計(jì)為 A-47 的可替代型號(hào)保留了電平兼容路徑便于老板子遷移。MICOUT2 的 SNR 105dB、最大幅度 1.07Vrms低阻抗輸出便于驅(qū)動(dòng)較長(zhǎng)走線或較低阻抗負(fù)載。七、選型與結(jié)構(gòu)建議基于上面的分析幾條實(shí)踐性建議按實(shí)際最遠(yuǎn)說(shuō)話距離選檔而不是按最大能力選檔。超遠(yuǎn)距離檔在近距離使用會(huì)因?yàn)樵鲆孢^(guò)高和門(mén)限保守而表現(xiàn)更差。優(yōu)先改結(jié)構(gòu)而不是改參數(shù)。縮短麥克風(fēng)到說(shuō)話人的距離收益遠(yuǎn)大于調(diào)整算法檔位?？刂苹祉?。在會(huì)議室場(chǎng)景中加吸音材料降低混響時(shí)間對(duì)遠(yuǎn)場(chǎng)語(yǔ)音質(zhì)量的改善是立竿見(jiàn)影的而且它改善的是算法無(wú)法處理的那部分。為遠(yuǎn)場(chǎng)應(yīng)用預(yù)留信噪比測(cè)量。在目標(biāo)距離上實(shí)測(cè)語(yǔ)音和背景的電平差若低于 10dB應(yīng)重新考慮結(jié)構(gòu)方案而不是指望算法。后端接 ASR 時(shí)單獨(dú)評(píng)估。遠(yuǎn)場(chǎng) 深度降噪的組合對(duì)識(shí)別率的影響需要實(shí)測(cè)不能沿用近場(chǎng)的結(jié)論。拾音距離這個(gè)指標(biāo)的價(jià)值在于它劃定了物理邊界但邊界之內(nèi)的體驗(yàn)并不均勻。理解距離-信噪比-降噪門(mén)限這條鏈條能避免把標(biāo)稱 8 米當(dāng)成8 米可用的誤判。