日常音視頻開會中我們或多或少會遭遇這些場景：“喂喂喂，可以聽到我說話嗎？我聽你的聲音斷斷續(xù)續(xù)的”，“咦，我怎么可以聽到回聲？”，“太吵啦，我聽不清楚你在說啥” 等等。這些語音質(zhì)量問題影響音視頻開會體驗，如若是重要的會議，那足夠讓人 “惱羞成怒”。那么如何有效的減少這些問題發(fā)生呢？本系列文章就將為大家分享阿里云視頻云在保障 RTC 語音質(zhì)量方面的測試經(jīng)驗。

作者｜柯淮

審校｜泰一

背景介紹

音頻質(zhì)量是指正常網(wǎng)絡(luò)下的聽覺質(zhì)量和音頻 3A 算法質(zhì)量。聽覺質(zhì)量，是在無損網(wǎng)絡(luò)情況下人耳對語音優(yōu)劣的主觀感受。但在實際生活中，不同人對同一聲音可能會有不同的優(yōu)劣判斷，另外還會受到收聽環(huán)境和收聽心理影響。在測試時，我們可以從聲音三要素：響度、音高、音色緯度出發(fā)，對一些指標(biāo)進行量化評估。另外業(yè)內(nèi)標(biāo)準(zhǔn)還會將這些量化指標(biāo)通過一定的加權(quán)處理以期望擬合主觀感受，比如 POLQA、PESQ 等。

音頻 3A 算法是指：

AGC: Automatic gain control（自動增益控制）

ANS: Adaptive noise suppression（噪聲抑制）

AEC: Acoustic echo cancellation（回聲消除）

這部分內(nèi)容公眾號中已有較多文章較詳細(xì)介紹原理及實現(xiàn)，這里不再贅述。

往期文章

詳解 WebRTC 高音質(zhì)低延時的背后 — AGC（自動增益控制）

硬貨專欄｜深入淺出 WebRTC AEC（聲學(xué)回聲消除）

本系列文章將從音頻質(zhì)量、適配測試、Qos 質(zhì)量、自動化方案四個緯度去介紹阿里云視頻云如何保障 RTC 語音質(zhì)量，本文先介紹音頻質(zhì)量部分（正常網(wǎng)絡(luò)下的聽覺質(zhì)量和音頻 3A 算法質(zhì)量）。

RTC 語音測試鏈路拆解

在正式測試前，我們先了解 RTC 語音傳輸?shù)恼麄€鏈路框架圖，聲音通過麥克風(fēng)采集，而后上行音頻算法進行前處理，編解碼傳輸后通過揚聲器播放出來。若想測試上行音頻算法可在（1）處輸入聲音，而后在（2）處拉取輸出音頻進行分析。系統(tǒng)測試時，我們往往從端到端角度評估，即從（1）處輸入聲音而后在（4）拉取聲音進行分析，本文后續(xù)測試方法均基于端到端。

音頻質(zhì)量測試方案

阿里云視頻云采用業(yè)內(nèi)常用的客觀指標(biāo)+主觀評價相結(jié)合的方法來保障音頻質(zhì)量，具體指標(biāo)請參考下圖：

客觀測試方法

有效頻寬

Line in 輸入掃頻文件 +48K 采樣率的人聲音頻（音頻素材參考如下），Line out 錄制輸出音頻，通過頻率分析讀取有效頻寬；

端到端延遲

方法一：使用 VQT 測試，測試結(jié)果中輸出延遲時間。

方法二：自研。Line in 測試素材，Line out 錄制未經(jīng)過傳輸及輸出音頻，計算音頻延遲時間。

測試素材：一段連續(xù)的單音。

指標(biāo)計算：錄制文件中讀取未經(jīng)過傳輸?shù)囊纛l起始時間記為 t1，讀取經(jīng)過會議傳輸?shù)囊纛l起始時間記為 t2，則 Delay=t2-t1。

ANS

考察 ANS 算法在純噪聲和語噪混合場景下的表現(xiàn)，分析指標(biāo)包含：降噪一致性、信噪比提升、收斂時間、消噪后人聲音質(zhì)。

測試拓?fù)?/span>

通過音量 Line in 或者外放輸入背景素材及語音素材，在拉流端 Line out 錄制輸出音頻進行指標(biāo)分析。

測試素材

分類	音頻素材	音頻素材
聲學(xué)噪聲	白噪聲	如下是粉紅噪聲示意圖：
聲學(xué)噪聲	粉紅噪聲	如下是粉紅噪聲示意圖：
真實環(huán)境噪聲	咖啡館噪聲	如下是辦公環(huán)境噪聲示意圖：
	汽車空間內(nèi)噪聲
	會議室空間內(nèi)噪聲
	辦公環(huán)境噪聲
	餐館環(huán)境噪聲
	地鐵站/高鐵站環(huán)境噪聲
	街道環(huán)境噪聲
帶噪人聲	信噪比10dB	如下是信噪比為10dB的帶噪人聲：
	信噪比15dB
	信噪比25dB

指標(biāo)計算

1. 信噪比提升：求取經(jīng)過消噪后音頻的信噪比為 A，則信噪比提升值 =A- 輸入信噪比。

2. 降噪一致性：計算各種噪聲輸入后噪聲的殘留值，并統(tǒng)計各種噪聲下噪聲殘留是否一致。

3. 收斂時間：記錄噪聲能量開始下降的時間為 t1，記錄噪聲已收斂至平穩(wěn)的初始時間 t2，收斂時間 =t2-t1。

4. 音質(zhì)：改造 VQT POLQA 測試腳本，計算不同信噪比輸入下輸出音頻 MOS 分。下表展示輸入信噪比為 10dB 帶噪人聲，輸出音頻音質(zhì) MOS 分：

AGC

考察AGC算法在不同音量下表現(xiàn)，分析指標(biāo)包括：聲音平穩(wěn)性、輸出響度。

測試拓?fù)?/strong>

參考 ANS 測試拓?fù)鋱D，通過音量 Line in 或者外放輸入語音素材，在拉流端 Line out 錄制輸出音頻進行指標(biāo)分析。

測試素材

分類	音頻素材	音頻素材
階梯音量人聲	“大-小-大”平穩(wěn)性聲音素材（以3dB步長音量增減）	如下是“大-小-大”平穩(wěn)性聲音素材示意圖：
不同音量男聲&女聲（打分）	小音量（打分）	如下是用于打分中音量人聲：
	中音量（打分）
	大音量（打分）