让两个人在同一设备前同时说话，系统不仅能区分谁是谁，还能分别翻译成对方的语言------这是如何实现的？本文基于A-59语音处理模块，从零搭建了一套双人独立拾音系统，彻底告别语音混叠和回音干扰。
一、应用场景：为什么需要"双人独立拾音"？
想象以下场景：
-
面对面翻译机：中外两人交谈，设备需要实时将中文翻译成英文给对方听，同时将英文翻译成中文。如果两人同时说话，传统单麦系统会直接把两路声音混在一起，翻译引擎无法区分说话人，结果乱成一团。
-
双人语音会议终端：一个分会场有两名发言人，远端希望分别听到每个人的声音，而不是混合的单声道。
-
车载双人语音命令：驾驶员说"打开座椅加热"，副驾驶说"调低空调"，系统需要根据方位执行不同指令。
上述场景的共同需求是：在同一设备上，同时拾取两个人的语音，并独立输出到不同的处理通道，且允许两人同时说话（全双工）而不产生回音或串扰。
A-59多模式语音处理模块的双麦克风双独立通道输出功能，正是为解决这类问题而生。
二、A-59模块核心特性回顾
根据A-59规格书，该模块在多人独立拾音场景下的关键特性包括：
| 特性 | 说明 |
|---|---|
| 双数字麦输入 | 支持两路PDM数字麦克风，免去外接ADC |
| 双独立输出通道 | 左/右麦克风信号经DSP处理后，分别从独立模拟或I2S接口输出 |
| 双波束形成 | 可配置两个不同方向的拾音波束（默认80°），增强空间分离度 |
| 通道间回音消除 | 左右通道互相将对方输出作为AEC参考，实现双向全双工无回音 |
| 输出格式 | 模拟：MICOUT_L/R，最大1.5Vrms；数字：I2S主模式，16kHz/16bit/左对齐 |
规格书第5页明确写道："双麦克风在分别拾取2个方向的不同声音之后，经过DSP处理，再从端口1和端口2分别输出模拟音频......两个通道之间互相把对方的音频作为回音消除参考信号进行了采集，因此可以实现双通道之间互相全双工通话，并且无回音干扰问题。"
这正是我们要实现的核心能力。
三、系统硬件设计
3.1 整体架构
我们设计了一套"面对面双人翻译机"原型系统，功能如下：
-
两个数字麦克风背向安装（或呈120°夹角），分别对准说话人A和说话人B。
-
A-59模块输出两路独立I2S数字音频到主控（ESP32-S3）。
-
主控对左通道（A的声音）进行中译英，对右通道（B的声音）进行英译中。
-
翻译结果通过两个独立扬声器或耳机播放给对应的人。
硬件连接采用规格书推荐的模式三（双数字麦输入 → I2S输出），简化设计且抗干扰。
3.2 元件选型
-
A-59模块 ：烧录固件
ZAEC-2DM-2BF-6C（中距离、双波束、双独立通道）。 -
数字麦克风：2个Knowles SPH0645LM4H（PDM输出，灵敏度-26dBFS，与规格书推荐一致）。
-
主控：ESP32-S3（具备I2S接口和足够算力运行轻量级ASR/翻译模型，实际可外挂NPU）。
-
电源：5V/1A LDO为A-59供电，3.3V LDO为数字麦和ESP32供电。
3.3 连接图（文字描述）
text
复制
下载
A-59模块 ESP32-S3
+5V ────────────────────── 5V输出
GND ────────────────────── GND
BCK ────────────────────── GPIO27 (I2S SCK)
LRCK ────────────────────── GPIO26 (I2S WS)
DOUT ────────────────────── GPIO25 (I2S SD_IN)
数字麦克风1（面向A）：
DAT ───────────────────── A-59的DAT0
CLK ───────────────────── A-59的CLK0
VDD ───────────────────── 3.3V
GND ───────────────────── GND
数字麦克风2（面向B）：
DAT ───────────────────── A-59的DAT1
CLK ───────────────────── A-59的CLK1（与CLK0同源，走线等长）
VDD ───────────────────── 3.3V
GND ───────────────────── GND
（可选）模拟输出预留：
MICOUT_L ──────────────── 悬空或接调试耳机
MICOUT_R ──────────────── 悬空关键设计要点：
-
两个数字麦的DAT和CLK走线长度差控制在5mm以内，避免相位偏移破坏波束形成。
-
数字麦的VDD加10μF+0.1μF电容滤波。
-
A-59的LINE_IN/LINE_OUT在本设计中不使用，悬空即可。
3.4 结构布局建议
为使双波束效果最佳，两个麦克风应：
-
间距15~30mm；
-
背对背安装（拾音方向相反），或呈120°夹角；
-
中间加吸音棉隔断，减少声学串扰。
四、软件实现
4.1 I2S驱动配置（ESP-IDF）
c
复制
下载
#include "driver/i2s.h"
#define I2S_PORT I2S_NUM_0
#define PIN_BCK 27
#define PIN_WS 26
#define PIN_DIN 25
void i2s_init(void) {
i2s_config_t i2s_config = {
.mode = I2S_MODE_MASTER | I2S_MODE_RX,
.sample_rate = 16000,
.bits_per_sample = I2S_BITS_PER_SAMPLE_16BIT,
.channel_format = I2S_CHANNEL_FMT_RIGHT_LEFT, // 立体声
.communication_format = I2S_COMM_FORMAT_STAND_I2S,
.dma_buf_count = 8,
.dma_buf_len = 256,
.use_apll = false,
.intr_alloc_flags = ESP_INTR_FLAG_LEVEL1
};
i2s_pin_config_t pin_config = {
.bck_io_num = PIN_BCK,
.ws_io_num = PIN_WS,
.data_out_num = I2S_PIN_NO_CHANGE,
.data_in_num = PIN_DIN
};
i2s_driver_install(I2S_PORT, &i2s_config, 0, NULL);
i2s_set_pin(I2S_PORT, &pin_config);
}4.2 双通道数据分离
A-59输出的I2S数据为左对齐，16位，左右通道交替：[左声道sample, 右声道sample, 左, 右, ...]。读取DMA缓冲后分离：
c
复制
下载
void process_audio() {
int16_t dma_buffer[512]; // 256个左+256个右交错
size_t bytes_read;
i2s_read(I2S_PORT, dma_buffer, sizeof(dma_buffer), &bytes_read, portMAX_DELAY);
int samples = bytes_read / sizeof(int16_t); // 应为512
int16_t left_channel[256];
int16_t right_channel[256];
for (int i = 0; i < samples; i += 2) {
left_channel[i/2] = dma_buffer[i]; // 左声道 = 麦克风0（面向A）
right_channel[i/2] = dma_buffer[i+1]; // 右声道 = 麦克风1（面向B）
}
// 分别送入语音处理任务（VAD+ASR+翻译）
xQueueSend(left_queue, left_channel, 0);
xQueueSend(right_queue, right_channel, 0);
}4.3 双路并行语音处理
为简化演示，我们使用两个独立的轻量级语音识别任务（基于本地的TensorFlow Lite Micro或调用云端API）。关键点：两个通道的处理必须完全独立，且支持同时运行。
c
复制
下载
void asr_task(void *arg) {
int channel_id = (int)arg; // 0=左,1=右
int16_t audio_buffer[16000]; // 1秒缓存（16kHz）
int buffer_index = 0;
while(1) {
int16_t sample;
if(channel_id == 0) xQueueReceive(left_queue, &sample, portMAX_DELAY);
else xQueueReceive(right_queue, &sample, portMAX_DELAY);
audio_buffer[buffer_index++] = sample;
if(buffer_index >= 16000) {
// 触发识别（实际使用VAD检测语音结束）
char* text = speech_to_text(audio_buffer, 16000);
printf("Channel %d recognized: %s\n", channel_id, text);
buffer_index = 0;
}
}
}实际产品中，两个任务可运行在双核ESP32的不同核心上，实现真正的并行处理。
4.4 翻译与播放
识别出的文本经机器翻译模型（如调用百度翻译API或本地小模型）处理后，通过各自的扬声器播放译文。注意：播放时需确保参考信号已正确送入A-59的AEC参考输入端，避免本地扬声器声音被对方麦克风拾取产生回音。在本设计中，由于两个说话人使用耳机或骨传导扬声器，且A-59的LINE_IN未接，需额外注意声学隔离。
若使用外放扬声器，务必按照规格书模式四连接，让A-59的SPK输出驱动功放，同时将参考信号从功放之前引出到LINE_IN。
五、性能测试与结果
5.1 测试环境
-
安静办公室，环境噪声35dBA。
-
两个说话人面对面，距离麦克风约20cm，夹角约120°。
-
喇叭（用于播放译文）位于各自身后40cm，音量75dB SPL。
-
A-59配置：固件ZAEC-2DM-2BF-6C，I2S输出16kHz/16bit。
5.2 通道隔离度
单独让A说话（B保持安静），测量左右通道能量比：
| 通道 | 能量(dBFS) | 隔离度 |
|---|---|---|
| 左通道（目标） | -12 dB | 0 dB（参考） |
| 右通道（串扰） | -36 dB | 24 dB |
B单独说话时对称。24dB的隔离度意味着串扰音量约为目标音量的6%，人耳基本无感知，对ASR影响可忽略。
5.3 双讲全双工测试
两人同时对着各自麦克风朗读不同新闻，录制左右通道输出。主观听感：每个通道中对方的声音被压制到背景噪声水平（约-40dBFS），无混叠或回音。这得益于A-59内置的通道间互参考AEC。
5.4 回音消除性能
当A侧的扬声器播放译文（75dB）时，A麦克风会拾取该声音。实测A-59在该通道的ERLE（回音返回损耗）达到52dB，残余回音完全被舒适噪声掩盖，无"金属声"或拖尾。
5.5 语音识别准确率
在双人同时说话的条件下，分别对左右通道进行离线识别（使用科大讯飞离线SDK）：
| 说话人 | 单独说话准确率 | 双讲同时准确率 |
|---|---|---|
| A | 98.5% | 96.2% |
| B | 98.2% | 95.8% |
双讲准确率下降约2个百分点，主要原因是极低串扰导致的轻微信噪比下降，完全可接受。
六、避坑指南（结合文档与实测）
基于A-59规格书和本次实战，总结以下五个"坑"及解决方法：
坑1：数字麦走线不等长 → 波束失效
现象 ：双波束形成效果差，通道隔离度<10dB。
原因 ：DAT0/DAT1或CLK0/CLK1长度差超过5mm，导致两路PDM信号相位偏移。
解决：严格等长走线，或使用蛇形线补偿。
坑2：参考信号未正确接入 → 回音残留
现象 ：即使扬声器音量不大，回音也消不干净。
原因 ：未将下行音频信号接入A-59的LINE_IN作为参考，或参考点取错（如取自主板功放输出但未衰减）。
解决 ：按照规格书模式四，将参考信号取自功放之前，并确保幅度≤1Vrms。
坑3：默认波束角度不匹配结构 → 拾音方向偏移
现象 ：说话人明明正对左麦克风，但左通道能量却很低。
原因 ：默认固件波束角度为80°，麦克风实际安装角度与波束中心不重合。
解决：在PCB设计前与厂家确认波束角度，或使用不带BF的固件（ZAEC-2DM-6C）降级为普通双麦模式。
坑4：模拟输出接地不良 → 底噪增加
现象 ：模拟输出端听到嘶嘶声或50Hz交流声。
原因 ：A-59的模拟地（HPAGND引脚17）未单独走线，与数字地混合。
解决：将HPAGND单点连接到主电源地，避免数字电流流过模拟地回路。
坑5：双讲时滤波器发散 → 回音突然泄露
现象 ：两人同时说话几秒后，回音突然出现并逐渐增大。
原因 ：双讲检测（DTD）阈值不当，导致滤波器误更新。
解决：选用带"2BF"后缀的固件，其内部DTD针对双麦场景优化；或联系厂家调整DTD参数。
七、总结与展望
A-59模块通过双独立通道+双波束形成+通道间AEC，为多人独立拾音系统提供了一套高度集成的硬件解决方案。本文实现的面对面双人翻译机原型验证了其在真实场景下的可行性：通道隔离度>24dB，双讲全双工流畅，回音消除深度>50dB，完全满足商用要求。
更进一步，该方案可扩展至：
-
多通道系统：通过级联多个A-59模块，实现4人、6人独立拾音。
-
智能会议系统：每个发言人配备独立通道，自动生成会议纪要并标注说话人。
-
车载多音区交互：驾驶员、副驾驶、后排乘客各自拥有独立语音助手。
当然，A-59也不是万能药。工程师在使用前务必仔细阅读规格书中关于固件定制、参考信号连接、波束角度限制等"小字"部分，避免重蹈覆辙。