回声、噪声与拾音：一次关于 AU‑60 的系统级思考

在做嵌入式语音系统时，我长期持有一个假设：
“语音前处理必须由主控 + 算法完成，这样才能真正可控。”
直到最近的项目，这个假设被现实推翻。
而让我重新思考这个问题的，正是 AU‑60 这款 DSP 语音处理模组。
这不是一篇测评，也不是一篇推广，而是一次偏系统层面的工程复盘。
一、真正难的不在算法，而在系统
在真实产品里，语音系统至少有三类变量，是你很难完全控制的：
结构变量：喇叭与麦克风的位置、壳体共振、密封性
环境变量：噪声类型、用户说话距离、音量设置
硬件变量：麦克风灵敏度离散、PCB 噪声、电源纹波
你会发现，无论算法写得多好，这些变量都会不断冲击系统的稳定性。
而量产环境，会把这些波动放大到不可忽视的程度。
这也是为什么很多“实验室效果很好”的语音方案，一到产线就问题频发。
二、AU‑60 做了什么不同的事？
从工程角度看，AU‑60 并没有“发明新东西”，而是做了一件非常务实的事：
把不可控的语音链路，封装成一个可预期的模块。
它把 AI 降噪、回声消除、双麦波束成形、ADC/DAC、USB Audio 全部集成在一个 37.5 × 16 mm 的模组里，对外只暴露有限的接口：
麦克风输入（模拟或数字）
回声参考输入
模拟音频输出
I2S 数字音频
USB 音频
SPI 控制接口
对系统设计师来说，这意味着：
你不再需要为每一台设备重新校准 AEC，也不再需要为不同噪声环境反复调参。
你只需要保证供电、参考信号和接口正确，行为就是可预测的。
在工程和交付语境下，可预测性远比极限性能重要。
三、实战中让我印象最深的三点

1. 回声消除的稳定性
   在喇叭与麦克风距离不到 10 厘米、音量偏高的情况下，AU‑60 依然能把回声压到一个可用水平。
   更关键的是，它对参考信号幅值的容忍度较高，不需要我为每一款功放单独精细校准。
2. 降噪的“克制感”
   很多降噪方案会让人声听起来像“电话音”，长时间使用非常疲劳。
   AU‑60 的 AI 降噪更偏向保留人声谐波结构，压制风扇声、空调声、敲击声等非人声成分。听感自然，是我最终接受它的关键原因之一。
3. 双麦波束的实用性
   在需要定向拾音的场景中，双波束独立输出非常实用。
   左右声道互不串音，后期处理成本低，也不需要我重新训练或调整算法模型。
   四、几个容易被忽略的工程细节
   虽然 AU‑60 极大简化了软件工作，但硬件设计仍有几个细节值得注意：
   AEC 参考信号必须接，且幅值要合适，否则回声残留会明显增加
   数字麦克风供电建议使用系统主电源，而非模组自带的 3.3V 输出（限流 30mA）
   模拟输出幅度约 1 Vrms，后端如果是小信号输入，需要做好分压
   SPI 控制需在模组上电稳定后再操作，否则配置可能不生效
   这些都不是复杂问题，但一旦忽略，会直接影响系统稳定性。
   五、我仍然会选择自研的情况
   客观地说，AU‑60 并不适合所有场景：
   成本极度敏感、语音只是边缘功能的产品
   已有成熟声学团队，且产品形态长期不变
   封装尺寸受限、无法容纳 37.5 mm 长度的设备
   除此之外，在绝大多数需要稳定交付、可维护、可量产的语音项目中，我都会认真考虑模组化方案。
   六、小结
   这次复盘让我重新思考了一个问题：
   工程选择的本质，不是在“自研 vs 采购”之间站队，而是在性能、成本、风险和交付周期之间做权衡。
   AU‑60 给我的启发在于：
   它把一个复杂、脆弱、难量产的语音系统，变成了一个简单、可预期、可复用的模块。
   如果你也在做语音类产品，我的建议是：
   先花一周时间，用 AU‑60 跑通 USB、模拟和 I2S 三种模式，再决定要不要自研。
   很多时候，少踩一个坑，就已经值回模组成本。