采集与播放链路

采集链路把空气中的声音变成数字音频，播放链路把数字音频变回声音。语音算法依赖这两条链路提供稳定、同步、低延迟的数据。

采集链路

典型麦克风采集可以理解成“把空气振动翻译成一串数字”：

阶段	形象理解	关键风险
声波进入声孔	声音先经过外壳、网布和导声腔	堵孔、漏音、频响改变
麦克风转换	把声压变化变成电信号	灵敏度差异、底噪、饱和
模拟或数字前端	放大、滤波或输出 PDM/I2S	增益不当、时钟错误
Codec/SoC 接收	把信号放进系统音频通道	声道顺序、采样率、同步
音频缓冲	按一帧一帧交给算法	丢帧、延迟、抖动

麦克风类型

类型	特点	使用场景
ECM	驻极体麦克风，成本低，模拟输出	老设备、低成本采集
MEMS 模拟麦	体积小、一致性较好，模拟输出	手机、耳机、IoT
MEMS 数字麦	PDM 或 I2S 输出，抗模拟噪声能力更好	阵列、紧凑型设备

数字麦减少了模拟走线受干扰的问题，但对时钟、布线、PDM 解码和多麦同步要求更高。

增益设计

采集增益要同时满足两件事：远距离说话不能太小，近距离大声说话不能削顶。

检查方法：

1. 在目标距离播放或说出标准音量语音。
2. 观察 PCM 峰值和 RMS。
3. 用最大声压场景测试是否削顶。
4. 用静音场景测试底噪。
5. 记录模拟增益、数字增益和 AGC 开关状态。

录音峰值长期低于 -30 dBFS，可能导致有效位数不足；峰值经常接近 0 dBFS，可能存在饱和或削顶。

播放链路

播放链路是采集链路的反方向：系统先准备数字音频，经过混音、数模转换、功放和扬声器，最后重新变成空气里的声波。

播放链路的关键不是“有声音”，而是音量、失真、延迟和回声路径是否可控。

环节	关注点
Mixer	多路音频混音、音量策略、提示音优先级
DAC	采样率、动态范围、底噪
功放	输出功率、削顶、保护策略
扬声器	频响、失真、腔体匹配
系统音量	用户音量、媒体音量、通话音量是否统一管理

接口与数据格式

接口	用途	注意点
I2S	Codec 与 SoC 之间传 PCM	主从时钟、左右声道顺序、位宽
PDM	数字麦常用输出	时钟频率、抽取滤波、多麦同步
TDM	多声道音频传输	Slot 配置、通道映射
USB Audio	外接声卡、会议设备	采样率协商、延迟、系统兼容
Bluetooth Audio	耳机和无线音频	编码延迟、码率、双向通话限制

多麦阵列最容易出错的是声道顺序。算法配置中的 mic0/mic1/mic2 必须和实际空间位置一致，否则方向估计会整体偏移。

Buffer 与延迟

音频系统通常按帧处理。Buffer 太小，实时性好但容易 underrun 或 overrun；Buffer 太大，稳定但延迟上升。

延迟来源：

• ADC/DAC 和 Codec 内部滤波。
• DMA Buffer。
• 操作系统音频栈。
• 算法帧长和 look-ahead。
• 网络传输和云端推理。
• TTS 合成首包时间。

语音交互里，唤醒和 ASR 越靠前越需要低延迟；播放和 TTS 可以做缓存，但不能让首句反馈明显滞后。

采集播放同步

AEC 依赖播放参考信号和麦克风采集信号对齐。如果播放参考信号延迟不准，回声消除会明显下降。

需要确认：

• 参考信号取自系统播放链路的哪个位置。
• 参考信号是否包含实际播放的所有音频。
• 播放参考与麦克风信号采样率是否一致。
• 两条链路是否存在时钟漂移。
• 蓝牙、网络播放或系统混音是否引入额外延迟。

检查思路

采集播放问题先不要直接调算法，先把链路拆开确认：

检查点	判断目标
设备是否选对	录音和播放是否来自目标麦克风、目标扬声器
格式是否一致	采样率、位深、声道数是否和算法配置一致
音量是否合理	近处大声不削顶，远处小声仍有足够幅度
声道是否正确	多麦顺序是否和空间位置一致
参考是否完整	AEC 能否拿到所有实际播放的声音
延迟是否稳定	采集和播放之间是否存在漂移或突发抖动

常见故障

现象	可能原因	处理
录音全 0	设备节点错、Codec 未上电、通道未打开	查声卡、mixer、驱动日志
录音只有噪声	时钟错误、PDM 配置错误、模拟地噪	查采样率、时钟、布线
左右声道反了	I2S/TDM slot 配置或声道映射错误	用分路测试音确认
播放卡顿	Buffer 太小、CPU 抢占、驱动 underrun	增加 Buffer、查调度
AEC 效果差	参考信号缺失或延迟漂移	对齐参考和麦克风录音
大音量回声重	扬声器非线性、功放削顶、结构漏音强	限制音量、优化结构和 AEC

总结

采集与播放链路是语音系统的地基。先保证设备节点、格式、声道、增益、同步和延迟正确，再进入算法调参。任何声学算法上线前，都应保留原始多路录音和播放参考，方便复现和回放。