黄鹂智声攻坚通话灭噪：从企业级走向消费耳机

在真无线立体声（TWS）耳机高度普及的当下，主动降噪（ANC）已成为各家厂商的核心卖点。然而，多数产品更注重佩戴者的听音沉浸感，针对麦克风拾音的环境降噪（ENC）效果往往不尽如人意。在商场、地铁或大风等复杂噪声环境下，通话对方依然难以听清主讲人的声音。

专注于智能声音处理技术的黄鹂智声选择以此为切入点。团队提出“通话灭噪”概念，旨在让佩戴者在极端嘈杂的环境中通话时，对方也只能听见清晰的人声。从早期的呼叫中心、远程教育等商用场景切入，到推出面向大众市场的开放式蓝牙耳机 P200b，黄鹂智声尝试通过底层声学与深度学习算法的结合，在硬件红海中打出差异化壁垒。

突破语音处理三大瓶颈：传统物理模型与深度学习融合

业内常有“语音是科学家的坟墓”这一说法，原因在于语音信号处理在真实环境中的复杂性远超图像。早在二十年前，学术界就开始探索复杂噪声环境下的语音识别，但传统方案受制于算力与算法，长期难以兼顾实时性与音质保真度。

声音前端处理长期面临三重技术挑战：

1. 低失真与降噪的平衡：主流方案在强行切除噪声的同时，极易破坏人声本身的频谱结构，导致声音干瘪、机械甚至严重失真；
2. 复杂噪声场景的鲁棒性：现实中的噪声既有稳态的机械轰鸣，也有突发的非稳态噪声、人声干扰和风噪，单一处理方式很难全面覆盖；
3. 严苛的低延迟要求：通信与人机交互要求毫秒级的端到端响应，无法像影视后期处理那样进行耗时繁复的多轨分析与离线分门别类。

黄鹂智声创始人兼首席执行官刘志指出，在引入深度学习之前，业界主要依靠稳态滤波法和多麦克风波束成形（Beamforming）技术，通过空间指向性衰减干扰。但纯 AI 方案同样存在“黑盒”不可控、模型计算复杂度过高、丢失麦克风阵列物理几何信息等缺陷。

为此，团队确立的技术路线是将传统物理模型与深度学习深度结合。通过声学结构设计建立物理边界条件，再利用深度学习算法精准提取目标人声并剥离背景杂音，同时结合声纹特征锁定说话人，在嵌入式端侧芯片上实现超低延迟的“灭噪”处理。

从商用“大笨丑”到开放式消费硬件

在创业早期，黄鹂智声并未在外观工业设计上过度投入，而是推出了外观厚重但功能聚焦的商用头戴式耳麦。该产品主要面向三大场景：在线教育教师、呼叫中心客服以及企业远程协同办公。

在居家教学场景中，教师常常受到家眷活动、宠物叫声及窗外车流的困扰；呼叫中心坐席密集，背景人声重叠更是常态。黄鹂智声通过严苛环境下的降噪效果，迅速验证了商用需求的技术价值。随后在海外众筹平台上，其音频会议类产品也获得了来自数十个国家和地区用户的认可。

随着混合办公普及，普通用户在通勤、户外运动和移动办公场景下对清晰通话的需求激增。传统头戴式耳麦体积大且长时间佩戴闷热，以缤特力 5200 为代表的单耳商务耳挂虽通话优秀却无法兼顾音乐与运动场景，而主流入耳式 TWS 耳机在续航与长时间佩戴舒适度上又存在取舍难题。

综合数千条用户痛点反馈后，黄鹂智声推出了 P200b 气导开放式蓝牙耳机。该产品采用开放式佩戴形态，保障出行与驾车安全；引入动态自适应调节技术，确保嘈杂环境下用户自身听音清晰；结合算法优势，实现了长效通话续航，并进一步消解了麦克风风噪带来的过饱和冲击。

声音智能化的延伸：人机交互与声音物联网

在刘志看来，硬件载体仅是技术能力的落地形式之一。随着声音计算能力的提升，智能声音处理的演进将经历小型化、智能化与集成化三个阶段，未来的耳机可能与智能眼镜、可穿戴设备深度整合。

从应用维度看，声音技术的纵深发展涵盖三大板块：

• 人与人的通信：保障极端恶劣声学环境下的高保真清晰通话；
• 人机交互：解决语音指令输入端受噪声污染的难题，提升大语言模型（LLM）等交互终端在真实场景的识别率；
• 声音物联网与“声音元宇宙”：在工业产线通过异响检测机械故障，在自动驾驶车辆中利用声音传感器感知外部危险，在智慧家庭中识别玻璃破碎等突发事件。

类似于视觉领域的“智能抠图”，前端声音处理的核心在于“声音分离”。将环境中的环境杂音、风声、动物叫声与不同主体的人声精准解耦，既是生成式 AI 和语音交互落地复杂物理世界的前提，也为音频硬件的持续演进提供了坚实的底层技术支撑。