回声问题 · 为什么你会听到自己

不戴耳机、开着免提时：你的扬声器播出对方的声音 → 这声音在房间里传播 → 被你的麦克风又采了回去** → 混进你要发出的音频 → 传回对方 → 对方听到了自己的声音，延迟了一段——这就是回声。** 整个链条：对方说话 → 你的扬声器播 → 房间声学传播 → 你的麦克风采集（连你的话 + 漏进来的对方声） → 编码发回 → 对方听到自己延迟的回声。延迟来自“网络往返 + 两端的缓冲处理”，通常几百毫秒——足够让人清楚地听到“自己说的话过一会儿又回来了”，极其烦人，严重时还会啸叫。

戴耳机就没这问题——因为扬声器（耳机）的声音不会被麦克风采到，链条断了。所以回声是免提 / 外放场景特有的。而移动时代大家越来越多用外放，回声消除就越发重要。

扬声器到麦克风的声学路径，看不见、极复杂、还时刻在变——这是回声消除最根本的难点。 这条路径取决于：扬声器和麦克风的距离、音量、房间大小和形状、墙壁的反射（混响）、以及你有没有动（手机拿起放下、人走动，路径立刻变）。它不是一条简单的“延迟 + 衰减”，而是一个复杂的声学冲激响应（包含直达声 + 无数次反射的叠加），可能长达几百毫秒。

更糟的是它动态变化：你说话时手机凑近嘴边、说完放到桌上，声学路径就完全变了。所以回声消除不能预先测好路径一劳永逸，必须实时地、持续地估计这条不断变化的路径——这是一个自适应滤波问题，也是 AEC3 复杂的根源。

当两个人同时说话时，麦克风采的音里，你的话和对方的回声混在一起——既要消掉对方的回声，又不能削掉你的话，这个“同时”让回声消除难上加难。 单讲（只有一方说）时好办：麦克风采的几乎全是回声（对方在说、你在听），放心消；但双讲时，麦克风采的是“你的话 + 对方的回声”的叠加，消回声的算法一不小心就会把你的话也当回声消掉（对方听你声音发闷、断续），或者漏消回声（对方还是听到自己）。

所以 AEC3 必须有双讲检测：识别出“现在是不是双讲”，双讲时谨慎行事（别激进地消，以免误伤近端语音），单讲时放心消。在“消干净回声”和“不伤害近端语音”之间的这个动态平衡，是回声消除算法水平的试金石。一个好的 AEC，双讲时你和对方能自然地“抢话”，而不会互相把对方消没了。