本文介绍了如何单独编译和使用WebRTC的音频降噪模块（NS），适用于Java开发者。内容涵盖降噪模块的功能、适用场景、编译注意事项，以及不同采样率的处理方法。提供的测试DEMO包含了32K和8K采样率的实现，有助于理解降噪效果。
webrtc的音频处理模块分为降噪ns，回音消除aec，回声控制acem，音频增益agc，静音检测部分。另外webrtc已经封装好了一套音频处理模块APM，如果不是有特殊必要，使用者如果要用到回声消除等较为复杂的模块时，最好使用全部的音频处理模块二不要单独编译其中一部分以免浪费宝贵的时间。
但是音频降噪部分较为简单，用起来也就几个函数，除了需要传入的音频数据以外，需要调整的参数也就是音频采样率和降噪等级。另外这部分代码采用纯C语言语法编写，可以跨平台编译。整个算法也不算特别复杂，运行起来占CPU也不是很多，可以上至i7 8核CPU的高配电脑，下至380Mhz的小嵌入式系统以及一切版本的移动端产品中编译运行。另外效果也十分不错，通过本文附带的测试demo大家就可以感受一下。
降噪有两部分代码，一套是定点算法(noise_suppression_x.h)，一套是浮点算法(noise_suppression.h)。相对来说浮点算法精度更高，但是耗系统资源更多，特别是浮点计算能力较弱的低端ARM CPU上。但是一般来说浮点和定点算法在实际效果上听不出区别出来，估计是我没遇到过必须必须要用浮点的情况。在使用上，浮点和定点也仅仅只是变量名和函数没中多出了一个x。
音频处理的时候webrtc一次仅能处理10ms数据,小于10ms的数据不要传入，因为即时是传入小于10ms的数据最后传入也是按照10ms的数据传出，此时会出现问题。另外支持采样率也只有8K，16K,32K三种，不论是降噪模块，或者是回声消除增益等等均是如此。对于8000采样率，16bit的音频数据，10ms的时间采样点就是80个，一个采样点16bit也就是两个字节，那么需要传入WebR
最低0.47元/天 解锁文章
扫一扫
418
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
