4、音频引擎在嵌入式平台的适配：音频采集与播放、编解码器选择与轻量化3A配置

音频引擎的适配，说白了就是让WebRTC的音频链路能在你的嵌入式板子上跑通。我这些年调过的板子，从全志到瑞芯微，从树莓派到自研的ARM Cortex-M4方案，音频这块永远是坑最多的地方。今天咱们就把采集、播放、编解码、回声消除和降噪这几个硬骨头啃下来。

4.1 音频采集与播放：ALSA vs PulseAudio

嵌入式Linux下，音频底层接口基本就两个选择：ALSA和PulseAudio。我个人习惯，资源紧张的板子直接用ALSA，跑桌面系统的才考虑PulseAudio。

4.1.1 ALSA：轻量级首选

ALSA是内核层的音频驱动框架，延迟低、资源少。我曾在只有64MB内存的板子上用ALSA跑通了WebRTC通话，CPU占用不到5%。

核心配置就三步：

1. 打开PCM设备
2. 设置采样率、通道数、格式
3. 启动读写循环

// ALSA采集示例
snd_pcm_t *capture_handle;
snd_pcm_open(&capture_handle, "hw:0,0", SND_PCM_STREAM_CAPTURE, 0);
snd_pcm_set_params(capture_handle,
                   SND_PCM_FORMAT_S16_LE,  // 16位小端
                   SND_PCM_ACCESS_RW_INTERLEAVED,
                   1,                      // 单声道
                   16000,                  // 16kHz采样率
                   1,                      // 软重采样关闭
                   50000);                 // 50ms延迟

4.1.2 PulseAudio：功能丰富但吃资源

PulseAudio在桌面Linux上很常见，提供了音量控制、音频路由、多流混音等高级功能。但说实话，在嵌入式板子上我尽量不用它。为什么？

如果你必须用PulseAudio，记得把默认延迟调低：

# /etc/pulse/daemon.conf
default-fragments = 4
default-fragment-size-msec = 10

4.2 音频编解码器选择：Opus vs G.711

WebRTC默认用Opus，但嵌入式场景下G.711也有它的位置。我建议你根据带宽和算力来选。

4.2.1 Opus：现代语音编码的王者

Opus支持6kbps到510kbps的码率范围，采样率从8kHz到48kHz。它最大的优势是自适应码率——网络差的时候自动降码率，网络好了自动升回去。

嵌入式配置要点：

// Opus编码器初始化
OpusEncoder *enc = opus_encoder_create(16000, 1, OPUS_APPLICATION_VOIP, &err);
opus_encoder_ctl(enc, OPUS_SET_BITRATE(20000));   // 20kbps
opus_encoder_ctl(enc, OPUS_SET_COMPLEXITY(5));     // 复杂度0-10，嵌入式建议5以下
opus_encoder_ctl(enc, OPUS_SET_SIGNAL(OPUS_SIGNAL_VOICE)); // 语音优化

4.2.2 G.711：极简主义的选择

G.711是PCM的压缩版本，A-law或μ-law，码率固定64kbps。它不需要任何编码计算，说白了就是查表映射。如果你的板子CPU主频低于500MHz，或者你同时跑着视频编码、人脸检测等任务，G.711可能是更稳妥的选择。

4.3 回声消除与降噪的轻量化配置

3A算法（AEC、ANS、AGC）是WebRTC音频引擎的核心。但在嵌入式平台上，默认配置太吃资源了。我踩过不少坑，下面直接给结论。

4.3.1 AEC：回声消除的调优

WebRTC的AEC基于延迟估计和自适应滤波。默认配置下，它假设音频延迟在100ms以内。但嵌入式系统的音频链路往往有额外延迟——ALSA缓冲、DMA传输、编解码处理等。

轻量化配置要点：

// AEC配置
webrtc::AudioProcessing *apm = webrtc::AudioProcessingBuilder().Create();
apm->echo_canceller()->Enable(true);

// 关键：设置延迟
apm->set_stream_delay_ms(estimated_delay);  // 根据实际测量设置

// 降低滤波器长度（默认250ms，嵌入式可降到150ms）
apm->echo_canceller()->set_stream_drift_samples(0);

4.3.2 NS：降噪的轻量化

WebRTC的降噪模块有4个等级：kLow、kModerate、kHigh、kVeryHigh。嵌入式场景下，我建议用kModerate。为什么？

• kLow：几乎不降噪，环境噪声明显
• kModerate：降噪约10-15dB，CPU占用约2%
• kHigh：降噪约20-25dB，CPU占用约5%
• kVeryHigh：降噪约30dB+，但语音会有明显失真

// 降噪配置
apm->noise_suppression()->set_level(webrtc::NoiseSuppression::kModerate);
apm->noise_suppression()->Enable(true);

4.3.3 AGC：自动增益控制

AGC在嵌入式场景下容易被忽略。其实它很重要——麦克风灵敏度差异、用户说话距离不同，都会导致音量忽大忽小。

// AGC配置
apm->gain_control()->set_mode(webrtc::GainControl::kAdaptiveDigital);
apm->gain_control()->set_target_level_dbfs(3);   // 目标电平-3dBFS
apm->gain_control()->set_compression_gain_db(9); // 压缩增益9dB
apm->gain_control()->Enable(true);

4.4 整体音频链路架构

下面这张图是我在项目中常用的嵌入式音频链路架构，你可以参考：

4.5 实战配置清单

最后，给你一份我在项目中实际使用的配置清单。照着这个配，基本不会出大问题：