流媒体与实时通信 / 系统课时
爆音通常发生在哪一段
爆音通常发生在哪一段
实时语音里的“啪”“咔”或短促破裂声并不是一种故障,它可能来自采集削波、增益突变、缓冲供数中断,也可能出现在重采样边界。定位爆音时最重要的不是立刻调一个参数,而是先判断不连续究竟在哪一段产生,再针对对应链路修复。
学习目标
- 区分削波、增益跳变、缓冲断裂和重采样不连续的典型特征
- 按音频链路从前到后缩小爆音来源
- 使用浏览器采样脚本检查麦克风信号是否频繁接近满量程
四类爆音来自不同位置
削波通常发生在信号幅度超过当前采集或处理范围时。波形顶部被截平后会产生大量额外高频成分,听感常是粗糙、炸裂,而且往往和大声讲话、麦克风过近或前级增益过高同时出现。
增益变化导致的爆音则不一定达到满量程。如果软件在相邻采样之间突然改变增益,波形会出现幅度台阶;自动增益、静音切换或自定义处理器如果没有做平滑过渡,都可能制造这种不连续。
缓冲断裂发生在实时线程没有按时拿到下一段音频时。系统可能重复旧数据、插入静音或直接丢失一段样本,因此爆音常伴随短暂卡顿,并与 CPU 峰值、线程阻塞或设备回调超时有关。
重采样问题常出现在两个采样率域之间。如果状态被错误重置、相邻数据块边界没有连续处理,或者应用把不同采样率的数据直接拼接,就可能在块边界形成突变。

先用声音特征缩小范围
如果爆音只在用户突然大声说话时出现,先怀疑采集或前级增益削波;如果每次打开、关闭静音或调整增益时出现一次固定的“啪”声,更像参数突变没有平滑处理。
如果爆音随机出现,同时伴随声音短暂停顿,应检查音频回调是否被阻塞、缓冲是否下溢,以及主线程或音频线程是否存在长耗时任务。若问题只在 44.1 kHz 与 48 kHz 等采样率转换后出现,则应重点检查重采样器是否保持跨数据块状态。
排障时最好尽量在多个节点留存短录音:原始采集、处理后以及编码前。若原始采集已经有爆音,继续调整网络抖动缓冲没有意义;反过来,如果本地录音干净而远端才出现异常,就应继续向编码、传输和播放方向检查。
检查麦克风是否接近满量程
下面的浏览器示例在关闭常见自动处理后采集麦克风,持续约 5 秒读取时域波形,并统计有多少帧的峰值达到 0.99 以上。它不能单独证明发生了数字削波,但如果爆音出现时大量帧持续接近满量程,就值得优先降低输入增益并检查采集链路。
const stream = await navigator.mediaDevices.getUserMedia({
audio: {
echoCancellation: false,
noiseSuppression: false,
autoGainControl: false
}
});
const context = new AudioContext();
const source = context.createMediaStreamSource(stream);
const analyser = context.createAnalyser();
analyser.fftSize = 2048;
source.connect(analyser);
const samples = new Float32Array(analyser.fftSize);
let maxPeak = 0;
let nearFullScaleFrames = 0;
let totalFrames = 0;
const endAt = performance.now() + 5000;
function inspect() {
analyser.getFloatTimeDomainData(samples);
let peak = 0;
for (const sample of samples) {
peak = Math.max(peak, Math.abs(sample));
}
maxPeak = Math.max(maxPeak, peak);
if (peak >= 0.99) nearFullScaleFrames++;
totalFrames++;
if (performance.now() < endAt) {
requestAnimationFrame(inspect);
return;
}
console.log(`maxPeak=${maxPeak.toFixed(3)}`);
console.log(`nearFullScaleFrames=${nearFullScaleFrames}/${totalFrames}`);
stream.getTracks().forEach(track => track.stop());
context.close();
}
inspect();预期输出
maxPeak=<VALUE>
nearFullScaleFrames=<COUNT>/<COUNT><VALUE> 和 <COUNT> 会随麦克风、输入音量与运行帧率变化。若最大峰值长期接近 1.000,并且爆音与这些时刻重合,应继续检查硬件输入增益、系统麦克风增益以及应用中是否还有额外放大环节。
缓冲断裂要检查实时性而不是音量
缓冲下溢的本质是下一块音频没有按截止时间到达。即使波形峰值很低,也可能因为线程长时间停顿而产生点击声,因此这种问题不能靠降低音量解决。
常见诱因包括在音频处理回调中执行文件 I/O、同步网络请求、大量日志输出、频繁内存分配,或者让需要稳定供数的处理依赖繁忙的普通任务线程。诊断时应记录处理耗时和缺帧时间点,并与爆音发生时间对齐。
重采样边界为什么会发出啪声
连续音频在相邻数据块之间本应保持连续。重采样器通常需要保存前一块数据产生的滤波状态,如果应用每收到一块音频就重新创建重采样器,下一块的首个样本可能和上一块末尾无法自然衔接,形成瞬时跳变。
因此只要系统存在采样率转换,就要确认转换器是流式持续工作的,而不是把每个数据块当作独立音频。采样率变化还应伴随明确的设备重建或状态切换,不能把两个采样率的数据直接拼进同一条连续 PCM 流。
定位爆音最有效的顺序是从信号最早出现异常的位置向后检查:先看采集是否削波,再看增益是否跳变,然后检查实时缓冲,最后核对重采样和后续链路。找到第一个出现不连续的节点,通常比同时调整多个 WebRTC 参数更快接近真正根因。