回声消除是怎么做的？先听自己再听别人

视频开会时你明明没说话，对方却投诉听到自己声音的回响；智能音箱正在放歌，你喊一声「暂停」，它却听懂了。这两件事背后是同一门 AI 技术：回声消除。设备扬声器放出来的声音，会被麦克风原样收回去，混在你要说的话里——不把这层「自己的声音」清出去，通话就嗡嗡作响，语音助手也会被自己的播放声吵聋。这篇只讲一件事：怎么把设备自己发出的声音从收音里清出去。要分清的是，把环境噪声、别人的说话声滤掉是另一门手艺，属于降噪与人声分离的范畴，本文不展开，两门手艺的分工差别下文专门对照。

回声从哪来：自己的声音绕回来了

先弄清回声的来路。设备播放声音时，扬声器把电信号变回声波，这些声波在房间里传播，一部分直接钻进麦克风，一部分经墙壁、桌面反射后再进麦克风——于是「设备正在播的内容」以微弱、延迟、带房间混响色彩的形态混进了收音信号。电话那头听到刺耳啸叫，是回声在麦克风与扬声器之间来回循环放大；语音助手「放歌时听不清指令」，是它自己的歌声把你的话盖住了。回声的特点是来路明确：设备完全知道自己在播什么，这份「自知」正是消除的起点。

先学自己的声音，再从混合里减掉

消除的思路因此直白：既然知道播的是什么，就估计它进到麦克风时变成了什么样子，再从混合信号里减掉。中间那段「变成什么样子」由一条自适应滤波器负责：它根据扬声器信号与麦克风收音，不断调整对声学路径的估计——音量多大、延迟几毫秒、反射怎么叠加——估得越准，减得越干净。减完往往还有残余：估计总有误差，还要靠双讲检测把关，判断此刻是不是双方同时在说话，只在安全时做进一步的非线性压制，避免把对方的话也削掉。整套流程每秒要重复成百上千次，实时跑在通话链路里；链路各段的时间预算，语音延迟一篇拆过账。

与降噪分工不同：各管各的杂音

回声消除常被与降噪混为一谈，其实两者干的活路数不同。回声消除对付的是「自己人」：要消的声音设备自己刚刚播过，参考信号是现成的，所以能对得上号、精确相减。降噪对付的是「外人」：风声、键盘声、马路噪声没有参考信号可查，只能按统计特征去猜、去抑制，那套思路与人声分离同源，见人声分离一篇。分工线一句话：知道自己在播什么、要把它从收音里去掉的，归回声消除；不知道来路、要凭特征辨别的，归降噪。一台设备往往两套都装，顺序也不能乱：先消回声再降噪——回声没消干净，降噪还会把残余当成「有用的声音」留下来。

硬件与场景的配合

算法之外，硬件设计也在为消除铺路。参考信号直连：设备内部把「正在播放什么」直接喂给消除模块，不靠麦克风去猜；麦克风布局与音腔设计则尽量减少播放声的直接漏入。但声学路径是活的：手捂住音箱、把设备挪个位置、窗帘开合改变了反射，路径就变了，滤波器要重新收敛——挪动设备后的头几秒消除效果打折，就是这个原因。设备在放歌时还能听见你喊它，靠的也是边播边听的拾音设计与消除模块的配合，守候那一环的机制见待机唤醒一篇。想直观感受这套系统的存在，可以开一场视频会议，分别关掉回声消除与降噪开关对比差别；也可以把「回声消除和降噪的区别」抛给 DeepSeek，让它列一张对照表，用本文的分工线逐条核对；腾讯元宝对「自适应滤波器」的通俗解释，也值得拿来对读。

回声速查

• 回声来路明确：扬声器播出的声音经房间反射又进了麦克风
• 思路是先估后减：自适应滤波器估计声学路径，从混合信号里减掉
• 双讲检测护住对方的话，只在安全时做进一步压制
• 分工线：消自己的声音归回声消除，凭特征辨噪声归降噪
• 声学路径一变就要重新收敛，挪动设备后头几秒效果打折

回声消除快问快答

• 回声消除和降噪是一回事吗？：两者有本质区别。回声消除有现成的参考信号，做的是精确相减；降噪没有参考信号，凭统计特征抑制。顺序也有讲究：先消回声，再降噪，次序颠倒会把残余回声当宝贝留下。
• 为什么挪动音箱后短时间回声会变明显？：声学路径变了，滤波器需要重新估计新路径，收敛完成前消除效果打折。设备放回原处稳定用一会儿，它就悄悄校准回来了。
• 戴耳机通话为什么几乎感觉不到回声？：耳机扬声器离收音孔近、漏入路径短且稳定，消除负担小；外放场景声音在房间里多次反射、路径复杂多变，才是回声消除的主战场。