声网Agora小班课实时互动直播解决方案

漏回声的概率比行业领先水平20%以上，回声路径抖动导致的回声泄露，平均恢复时间短约600ms（5个音素）。支持全频带回声消除的处理，更小的幅度谱的失真和频谱混叠。多设备回声消除场景自适应处理，减小回声及残留。

自适应诊断场景，完成增益控制基础需求（将音量调制人耳听阈舒适的方位）。尽量减小对音乐场景的动态范围的损伤，针对会话中，采集、播放能力差的设备进行2次音量调控。

传统方案解决平稳噪声，以及对音乐噪声的平滑过渡。AI-NS提供实时的、全场景降噪能力（教育场景的键盘、风扇、短时冲击噪声等，会议场景的非目标讲话人噪声等）的同时，更少的人声损伤。

相同码率下，音频采集与有效频率范围是普通语聊房两倍，保证声音的高保真度。高性能的NOVA™ 语音引擎，可以在采样率一定情况下，码率更小，可保证用户在更加恶劣的弱网条件下保持良好的音频体验。

智能适应各类环境，全面消除回声，并提供超一流的双讲表现；在不损伤语音音质的情况下（采样率48kHz，有效频谱20kHz），有效消除各类噪音；音频的自动增益，即使在嘈杂环境下用户也能体验优异，最大程度保证了音频质量，保证互动播客的清晰体验。

声网Agora提供HD音质的音频服务，最高能力MOS*评分为4.7VoIP电话MOS分通常介于 3.5-4.2之间。*MOS（Mean Opinion Score），平均主观意见分。在国际标准中，统一使用。MOS值来评价系统接收到的经过压缩后的话音质量。MOS值越高代表音质越好。

为了实现良好降噪效果，需要解决如何实时人声和噪声分离以及如何保证人声保真度这两个降噪难题。声网Agora AI 降噪解决方案利用深度学习技术通过特征提取、神经网络以及增益调整对实时音频进行处理抑制噪声，从而为实时音视频提供清晰语音环境。

利用人耳对人声与噪声的频率灵敏度不同这样的特点，将音频信号从时间域转化为频谱图，使人声与噪声更具有区分度，有效划分频带，对高低频成分采取不同的处理方式。

独创的deep feature fully convolutional neural network 和differential recurrent neural network高效提取高纬声学特征。并可根据计算能力自由调整算法模型，适配各种算力的机型。

为了降低对人声的损伤，对增益做了进一步进行后处理，并且这一部分加入到了训练过程中去，可以对增益实现自适应的调整。