语音降噪--实时音视频-火山引擎

文档中心

导航

语音降噪

最近更新时间：2025.11.18 19:15:17首次发布时间：2025.09.15 15:22:42

在实时对话式 AI 场景中背景噪音（例如空调声、突发的旁人说话声）可能会影响语音识别的准确率，导致错误的打断或识别结果。你可以通过调整音量增益、开启 AI 降噪或声纹降噪，在嘈杂环境下提升语音交互体验。

选择降噪方式

降噪方式	适用场景
调整音量增益	基础音量控制，抑制轻微噪声，适用于相对安静环境下的基础优化。
AI 降噪	滤除环境噪声，如空调、风扇、键盘声。
声纹降噪	精准分离目标人声，抑制旁人说话声，适用于多人交谈的嘈杂环境，如办公室、公共场所。

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。

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。

"ASRConfig": {
     "VolumeGain": 0.3 // 推荐值，默认值为 1.0
}

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。

注意

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。

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。

"AgentConfig": {
    "AnsMode": 2 // 根据噪声类型选择模式
}

模式选择

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：

通过声纹降噪，可识别特定用户的声纹，只保留该用户的声音，从而有效过滤掉环境中的其他人声（旁人噪音），从而提升在多人环境下（比如办公室、咖啡馆等）的语音识别准确率。支持离线声纹和实时注册声纹两种模式。

注意

使用预先为用户注册好的声纹 ID 进行降噪。适用于用户身份固定，且对降噪精度和身份识别要求极高的场景。

实现方法：

调用接口 RegisterVoicePrint 为目标用户注册声纹（对应字段 VoicePrintId）。
注意：注册声纹使用的音频，其采集设备需要和客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。
调用 StartVoiceChat 接口时，配置 AgentConfig.VoicePrint。将 Mode 设置为 1，并传入 IdList 字段，并可选择开启说话人验证 EnableSV，以进一步防止非目标用户误触发。
```
"VoicePrint": {
	"Mode": 1, // 开启声纹降噪
	"IdList":  ["vp_id_123"], // 传入已注册的声纹 ID
	"EnableSV": true // 开启说话人验证
}
```

无需用户提前注册。系统会在通话中动态学习用户的声音特征。适用于用户不固定或首次体验的场景，方便快捷。

实现方法：

调用 StartVoiceChat 接口时，配置 AgentConfig.VoicePrint。将 Mode 设置为 1，不传入 IdList 字段。
```
"VoicePrint": {
   "Mode": 1 // 开启声纹降噪
   // "IdList" 无需传入
}
```
等待声纹生成。
用户在通话过程中的累计说话时长需要达到 30 秒，声纹才能成功生成并开始生效。在此之前，声纹降噪功能不会起作用。请确保在安静的环境中完成声纹的初始学习。