隨著手機性能的提高，手游開始向復雜化發(fā)展。不再是以消消樂這種簡單的小游戲為主，RPG、實時對戰(zhàn)類游戲開始變火。

　　這種游戲，由于有玩家間的交互，有團隊作戰(zhàn)、配合，保證玩家能夠進行實時語音通話，成為極大的需求。

　　本文將說明游戲語音通話的難點在哪？

　　現(xiàn)在的游戲語音通話解決方案存在什么問題？

　　這種方案，第三方的APP獨立在后臺運行，比如YY語音手機版。這種方案存在兩個問題：

　　這種方案存在的問題是：

　　由于適配問題，安卓機型上游戲音效會被對方聽到，或者說話會有回聲。

　　高對戰(zhàn)游戲處處要求快，要求低延時。網游中，團隊下副本，最影響團隊成功率的就是加血的角色。一旦這個人加血加慢了，導致一個人犧牲。在激烈的時候，損失一個人的代價基本就宣判團隊的死刑。

　　從技術的角度而言，要求的不是加血快，是加血的流程快。我們之前和強大的競爭對手競爭PC上游戲通信軟件地位的時候，是什么案例讓我們活下來，就是一個加血的案例。我們用對手的軟件，隊友說，加血，加血。結果等了1s~2s才傳到保姆那里。可想而知，血還沒加，就掛了。而用我們的軟件，加血成功的概率提高了幾倍幾十倍。就算跨國玩游戲，我們延時也不過百毫秒。所以當時，玩家像愛惜槍一樣愛惜、使用我們的軟件。

　　游戲廠商如果選擇語音通話SDK集成方案，那么SDK占用系統(tǒng)資源量和耗電量會起到很大的影響因素。SDK編解碼器、前后端處理性能差，造成手機CPU、內存吃緊，會影響游戲體驗，游戲卡，讓手機發(fā)燙，導致手機耗電量增加。這對一個游戲來說，是致命的硬傷。

　　這些恰恰是聲網Agora音視頻引擎通過多年研發(fā)和技術積累能給大家提供的技術特性和產品特性。聲網Agora。io實時云技術團隊，曾經提供10億分鐘每天的運營支撐，最多180w人同時在一個頻道內實時視頻直播服務。并且可以提供多聲道甚至帶有垂直聲道的音頻音效系統(tǒng)。并提供“軍用”級的低延時傳輸系統(tǒng)。通過這些來助力VR游戲實現(xiàn)通信和直播的業(yè)務需求。

　　接下來，就以聲網Agora.io的語音通話SDK為例，說明SDK解決方案如何解決這些問題。

　　通常整套的實時云通信系統(tǒng)概述下來包括后臺技術、客戶端技術和運維技術等等。

　　全高清音頻通信系統(tǒng)，首先要怎么搭建這樣一個系統(tǒng)，通常搭建一個最小音頻子系統(tǒng)分成下面幾個步驟：

　　1、采集播放。如果把采集的數(shù)據存成文件，或是交給播放，就形成一個閉環(huán)，我稱他為第一閉環(huán)，也可以稱為ADM（audio device module）。

　　2、編碼解碼。只有采集播放還不夠，數(shù)據量太大，還要加上編碼解碼，進行數(shù)據壓縮，采集壓縮后的數(shù)據再解壓縮播放，我稱他為第二閉環(huán)，加上的這個編解碼模塊叫作ACM（audio coding module）。

　　3、網絡模塊。實現(xiàn)網絡發(fā)送接收，ANM（audio network module），我叫他第三閉環(huán)。

　　4、前后處理模塊。也就是第四閉環(huán)，Audio Processing module。這個模塊主要實現(xiàn)3A引擎：回聲消除AEC，增益控制AGC，噪聲抑制ANS。

　　AEC是3A引擎的一部分，是很重要的一部分，為什么第一個問題就是它。因為拿起電話，除非你打不通，打通了，不管質量怎么樣，聲音一出來就是回聲，我在音頻行業(yè)做了11年，說長不長說短不短，深知國內公司做音頻通常有個一很好的標準，“出聲就行”。但是沒有回聲消除，你出聲就是噪聲，最基本的底線都滿足不了。

　　那么，是什么問題困擾我們這么久，它就是回聲，準確說是聲學回聲。自己的聲音傳到遠端再通過遠端的麥克風錄音傳回來，就是回聲。回聲從信號特性上看，有線性部分和非線性部分。回聲消除就是要通過信號處理算法消除這些回聲，消除回聲的線性部分和非線性部分。有電話的年頭就有回聲，早期是線路回聲，都是線性的，很好處理，一個自適應濾波器，搞定了。

　　回聲消除的算法算算也有幾十年了，為什么今天還要研究？不是搞定了嗎，一個自適應濾波就搞定了。不是的，回聲問題和設備緊密相關。一個回聲消除算法的設計實現(xiàn)和其他算法設計實現(xiàn)有很大的區(qū)別，因為它和設備緊密相關，和系統(tǒng)狀態(tài)緊密相關。早期，GIPS和某些AEC算法提供公司，通常設計AEC模塊的時候，都是給固定電話和移動電話設備設計，是給定的一款設備，也就是說，芯片廠商設計公版硬件，找合作伙伴或是自己設計AEC模塊，然后針對該款設備調試AEC參數(shù)，調好之后就不變了，以后所有該款設備的出貨都用這組參數(shù)，一旦換了設備，軟件要重新調。當初GIPS，SpritDSP就是做這些事情的公司。如果有人參與過手機出廠的回聲消除設計，你就知道每款手機的回聲消除參數(shù)都不同。

　　那么為什么回聲消除為什么和手機設備關系這么大呢？是信號特性決定的，回聲是聲音經過揚聲器傳導到mic，經過了多少路徑就被處理多少次。通常手機由于聲腔的原因，沒辦法設計的音量很大所以當你放大音量的時候，如果是10格調整的音量放大器，前5格還是線性放大，5格以上就是非線性放大，這是揚聲器第一級處理。

　　聲音從外部傳給mic，經過空氣和手機殼，設備殼的特性的傳導作用產生第二級的非線性影響。不同的手機殼，鐵殼，塑料殼，甚至手機殼發(fā)熱導致聲傳導特性不一樣，都會影響聲音傳導的處理，導致回聲消除算法不一樣。我曾經遇到過，一套收回聲消除算法，換不換殼，就能決定算法工不工作。這是手機。

　　還有pc，如果pc外接音箱，音箱一般多少都會自帶功放，又是非線性放大。設備mic的位置也緊密相關，早期有一款thinkpad，mic和speaker離的非常近，極其難處理。談來談去，好像都是非線性放大的問題嘛，是的，線性的東西是科學，非線性的東西是藝術。可以說，設備的差異性導致非線性問題，非線性信號的處理是回聲消除技術的第一個攔路虎。

　　非線性回聲問題是不是全部呢？不是的。回聲消除除了和設備有關，還和系統(tǒng)有關和系統(tǒng)有什么關系，回聲消除兩大模塊，自適應濾波和非線性處理，一個是線性處理，一個是非線性處理。上一段說了非線性處理，線性處理部分還有問題，自適應濾波前置第一個模塊就是延時搜索，其實WebRtc本身的延時搜索技術是非常先進的，是由這個領域的大牛Keilgn大師設計的專利技術。但是大師東西雖好，但是有個依賴，延時估計要在一定范圍內估計，就是要有一個預先設計的值，如果在一個很大的范圍內搜索，會極大消耗CPU資源。而這個預設的delay值通常不準，為什么不準呢？因為安卓系統(tǒng)線程調度設計不是很實時導致。一旦資源搶占，會在安卓底層buffer產生莫名的延時導致delay不準。還是那個問題，每款手機甚至每個手機都不一樣。我遇到過一種情況，某國內手機品牌，不同款手機delay不準，同款手機不同子款比如（帶不帶s）。同款手機不同批次，delay不同，同款手機同一批次不同時間測試delay都不同。如何拿到穩(wěn)定的低延時的聲音信號，為此，谷歌專門有個一視頻教程。無奈，安卓手機的碎片化和私人裁剪導致這個問題無法一致性解決。

　　那么Agora怎么做的呢，Agora的回聲消除技術，發(fā)展到今天，已經是第四代回聲消除技術。

　　聲網Agora的第三代回聲消除技術，通過逐個機型的適配。累計適配了幾百款機型，而我們的第四代“免”適配技術保證我們實現(xiàn)4000款機型的適配。

　　聲網Agora的“免”適配，免帶一個小引號。聲網Agora的免適配和適配相互配合，適配的機型，效果更好。不適配的機型是公版算法，基本也沒有大問題，一般不會出現(xiàn)整句回聲。只會間或的出現(xiàn)小回聲，比如2分鐘1次，或是10分鐘1次的殘留回聲。很小的回聲也會有，不想適配過的手機，你完全聽不到回聲。適配的機型，聲網Agora有整套測試方法驗證；免適配的機型，聲網Agora依靠線上數(shù)據的反饋，判斷“免”的效果。也正是依賴聲網Agora線上數(shù)據的反饋，才能做到“免”適配。

　　如果線上數(shù)據反映效果不好，聲網Agora會嘗試聯(lián)系用戶和采購機型進行適配。正是因為聲網Agora充分適配了足夠多的機型，接觸過各式各樣的回聲消除技術和歷史才有這個把握掌握開發(fā)進階技術。如果“免”適配技術無法滿足，立刻有適配技術補上。結合聲網Agora網絡傳輸?shù)膬?yōu)勢，“免”適配和適配互相配合，助力聲網Agora實現(xiàn)很好的回聲消除效果。當然回聲消除只是我們APM引擎的一部分。在APM里，還有降噪技術，單麥克降噪雙麥克降噪，聲網Agora在個別機型上開啟了雙mic降噪功能。

　　聲網Agora的評估體系有三個層次：

　　第一層次，客觀測試。我們把手機出廠測試和VOIP測試相結合，提出了我們的測試方法、這個測試方法是ITU、3GPP、ETSI或是電信運營商要求測試的標準通信測試的交集。按照這套方法，我們經常會去泰爾實驗室做客觀測試。國內我們是第一個互聯(lián)網廠家把這套測試用在云服務標準上的。

　　第二個層次，主觀測試。因為客觀測試只是一個基本測試，很多手機出廠都做，但是出廠之后還是有很多很多問題，尤其對我們這樣的全平臺多機型通信引擎，只做客觀測試是不夠的，所以我們定義出很多細的標準，比如，聲音質量、卡、失真、回聲情況、雙講情況、是否有切音、延時等等。安排測試人員，對海量機型，逐個機器逐個機型的去聽，去感受我們音頻的效果。

　　第三個層次，線上測試。也就是線上用戶的使用反饋，我們兩個DemoAPP，一個就是我們的Beckon，可以在AppStore搜索到，這個APP是我們用來做實驗和演示的。用戶可以體驗Beckon的效果，我們收集用戶的反饋，判斷我們音頻系統(tǒng)的質量。

　　通過這三個層次的測試，我們能保證提供最好的音頻通信引擎。高清音頻通信引擎，整個通信系統(tǒng)都是32khz音頻采樣頻率，對系統(tǒng)的ADM，APM，ACM，ANM要求的處理算法都針對32Khz。我們比通信標準更早的把32Khz代入實際應用，今天VoLTE還沒有普及全高清音頻傳輸系統(tǒng)，而我們做到了。

　　高澤華，11年音樂語音編解碼學習經驗。理解幾十種音頻編解碼標準。先后在中磊電子、士蘭微電子、虹軟科技主導音頻項目。任職YY期間負責語音音頻技術工作。對音頻算法在芯片設計、嵌入式系統(tǒng)、桌面軟件。在互聯(lián)網應用和專利分析方面有多年研發(fā)經驗和積累。目前負責聲網Agora。io的音頻開發(fā)工作。