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。 :::tip 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。 ```json "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。 :::warning Warning * 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`。 ```json "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](/docs/6348/1178327)。 * Web 端：[Web 端音频降噪](/docs/6348/148647)。 ## 方式 3：声纹降噪（公测中）基于声纹信息，从混合人声中保留目标说话者的语音，并抑制他人声音，让 AI “听得更清”。具体操作，请参见[声纹配置（多人识别或降噪）](/docs/6348/2122016)。 :::warning 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。 :::warning * 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。 ```JSON "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。 ```JSON // 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 // 是否开启身份验证 } // ...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。 ```JSON // 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, // 开启强效验证：仅当声纹比对成功才触发 AI 回复 "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。 ```JSON // 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 } ```

实时音视频