在iOS应用中同时实现后台音频播放与语音隔离功能时，开发者经常会遇到一个棘手的现象：一旦进入语音隔离模式，后台正在播放的音乐或播客音量会被自动增益控制模块不断压低或抬升，听感忽大忽小，甚至出现明显的回声。这个问题的核心在于语音隔离模式会启用一条独立的音频处理链路，该链路内置了回声消除、噪声抑制以及自动增益控制算法，而AVAudioSessionCategoryOptionMixWithOthers又允许其他应用的音频与本应用混音输出，两者叠加后容易造成信号处理冲突。要稳定解决这一问题，需要同时理解音频会话配置和AGC算法的底层行为。
一、音频会话与语音隔离模式的冲突根源
iOS的音频系统通过AVAudioSession统一管理所有应用的音频行为。当应用只需要后台播放音乐时，通常会设置category为AVAudioSessionCategoryPlayback，并且开启UIBackgroundModes中的audio能力，这样即使锁屏或退到后台，音频仍然可以继续输出。但如果应用还需要同时进行语音通话或语音采集，就必须把category切换为AVAudioSessionCategoryPlayAndRecord，否则无法访问麦克风。语音隔离模式则是在这个基础上进一步设置mode为AVAudioSessionModeVoiceChat或AVAudioSessionModeVideoChat，此时系统会激活语音处理单元VoiceProcessingIO。
VoiceProcessingIO并不是一个普通的音频输入输出单元，它在信号进入和输出前会插入一系列DSP处理模块，包括回声消除、噪声抑制和自动增益控制。自动增益控制的作用是自动调整麦克风增益，使得采集到的语音电平保持在一个相对稳定的范围内。这个特性对于通话场景非常有用，可以避免用户离麦克风忽远忽近时声音忽大忽小。但当应用同时使用AVAudioSessionCategoryOptionMixWithOthers允许其他应用混音输出时，VoiceProcessingIO的输出端也会受到AGC模块的影响。因为AGC不只作用于输入信号，系统在语音处理链路中会把参考信号与输出信号进行比较，如果检测到后台播放的音量较高，就可能降低本应用输出增益或调整输入增益，导致后台音乐音量出现波动。
此外，语音隔离模式本身会强化对非人声信号的抑制，一些系统实现会把连续的音乐当作背景噪声来压制，即使开启了MixWithOthers选项，系统仍然可能对后台输出的音乐进行一定程度的衰减，以保证语音清晰度优先。这个矛盾不能只靠一个选项完全消除，必须在音频会话和算法参数两个层面协同处理。
要调试这个问题，首先需要检查音频会话的设置顺序。在iOS中，category、mode以及options的先后设置会直接影响最终激活的音频路径。通常建议先设置category和options，再设置mode，最后激活session。如果先设置mode为语音隔离，再修改category options，系统可能不会重新协商音频单元的参数，导致MixWithOthers没有真正生效。
二、AVAudioSessionCategoryOptionMixWithOthers的配置与后台播放实现
AVAudioSessionCategoryOptionMixWithOthers是AVAudioSessionCategoryPlayAndRecord、AVAudioSessionCategoryPlayback等category下可用的一个选项。它的作用是告诉系统本应用的音频可以与其他应用的音频同时播放，而不是打断其他应用。这个选项在纯播放场景中通常没问题，但在使用PlayAndRecord加语音隔离时，就需要额外注意它与VoiceProcessingIO的配合逻辑。
配置音频会话的推荐代码如下：
NSError *error = nil;
AVAudioSession *session = [AVAudioSession sharedInstance];
[session setCategory:AVAudioSessionCategoryPlayAndRecord
withOptions:AVAudioSessionCategoryOptionMixWithOthers | AVAudioSessionCategoryOptionAllowBluetooth
error:&error];
[session setMode:AVAudioSessionModeVoiceChat error:&error];
[session setActive:YES error:&error];
上述代码中，AllowBluetooth选项表示允许蓝牙设备作为输入输出路径，这在语音通话场景中非常常见。Mode设置为VoiceChat后，系统会启用针对语音优化的处理链。需要注意的是，MixWithOthers选项在启用语音处理后，并不能完全阻止AGC对输出端的影响，它只是允许多个应用的音频进入混合器，但混合后的信号仍然会经过语音处理单元的部分模块。
后台播放还需要在Info.plist中添加UIBackgroundModes的audio键。这个键允许应用在进入后台后继续播放音频，但前提是音频会话的category必须配置正确。对于PlayAndRecord类别，只要session处于激活状态并且mixWithOthers选项生效，后台播放通常可以正常工作。不过在实际测试中，如果语音隔离模式的优先级较高，后台音乐可能会在启动语音处理时出现短暂的中断或音量下降，这是因为系统在重新分配音频资源时会短暂挂起非语音的输出链。
一个实用的做法是在启动语音处理前，先把后台播放的音量适当降低，比如降低到原始音量的70%左右，等语音隔离链路稳定后再恢复。这样可以在一定程度上减少AGC对音量突变的干预，给用户一个更平滑的听感过渡。
三、AGC算法原理与参数配置
自动增益控制的核心思想是动态调整信号的增益系数，使输出信号的电平保持在一个预设的目标范围内。在数字信号处理中，AGC通常由包络检测器、增益计算器和增益应用模块组成。包络检测器跟踪输入信号的短期能量，增益计算器根据目标电平和当前电平的差值计算出需要的增益值，然后增益应用模块将该增益作用于信号。为了减少突变，增益变化通常会经过平滑处理，比如使用一阶低通滤波器控制增益的变化速度。
在iOS的VoiceProcessingIO音频单元中，AGC是默认开启的，并且可以通过音频单元属性进行控制。属性kAUVoiceIOProperty_VoiceProcessingEnableAGC可以用来开启或关闭AGC。当这个属性设置为0时，系统语音处理单元会跳过自动增益控制模块，输入信号将不再被动态压缩。这样后台播放的音乐就不会因为输入电平的变化而受到输出端的连带调整，从根源上消除了音量波动。
关闭AGC的代码示例如下：
AVAudioEngine *engine = [[AVAudioEngine alloc] init];
AVAudioInputNode *inputNode = engine.inputNode;
AudioUnit audioUnit = inputNode.audioUnit;
UInt32 enableAGC = 0;
OSStatus status = AudioUnitSetProperty(audioUnit,
kAUVoiceIOProperty_VoiceProcessingEnableAGC,
kAudioUnitScope_Global,
0,
&enableAGC,
sizeof(enableAGC));
if (status != noErr) {
NSLog(@"关闭AGC失败，错误码：%d", (int)status);
}
需要特别说明的是，关闭AGC后语音通话的响度稳定性会下降，用户说话时距离麦克风远近变化会导致音量明显变化。因此更推荐的做法不是完全关闭AGC，而是通过手动增益控制来替代系统的AGC，或者只在发现后台播放音量受干扰时才临时关闭AGC，并在语音通话结束后重新开启。
手动增益控制可以通过AVAudioInputNode的installTapOnBus接口实现。这个接口允许应用在音频输入缓冲区被送到处理链之前获取原始PCM数据，然后对样本进行线性增益运算。线性增益不会改变信号的动态范围，因此不会像AGC那样造成明显的音量压缩。以下代码展示了如何对输入信号应用固定增益：
AVAudioFormat *format = [inputNode outputFormatForBus:0];
[inputNode installTapOnBus:0 bufferSize:1024 format:format block:^(AVAudioPCMBuffer * _Nonnull buffer, AVAudioTime * _Nonnull when) {
float gain = 1.5f;
AVAudioFrameCount frames = buffer.frameLength;
for (AVAudioFrameCount i = 0; i < frames; i++) {
for (AVAudioChannelCount channel = 0; channel < buffer.format.channelCount; channel++) {
float *samples = buffer.floatChannelData[channel];
samples[i] *= gain;
}
}
}];
固定增益虽然简单，但无法根据输入电平自动调整，长时间使用可能需要配合一个简单的软件AGC算法。可以在tap回调中计算当前buffer的RMS值，再根据目标RMS计算增益系数，最后应用一个平滑后的增益。这样既能保持音量稳定，又不会影响后台混音路径。软件AGC的增益调整只作用于自己采集的语音，不会反向影响语音处理单元的输出参考信号，因此是替代系统AGC的可行方案。
四、稳定方案与真机测试建议
综合上面的分析，稳定实现后台音频播放与语音隔离共存的推荐方案是：先正确设置category、mode和options，然后关闭系统AGC，改用手动增益控制，并在语音处理链路上尽量减少不必要的输出处理。如果产品对语音质量要求不高，也可以直接关闭AGC而不做额外补偿，但需要接受音量稳定性下降的代价。
实现时还需要注意AVAudioEngine的生命周期。语音处理单元VoiceProcessingIO在engine启动后才会真正初始化，因此在调用AudioUnitSetProperty之前需要先启动engine，或者至少让engine完成内部的音频单元连接。某些iOS版本上，过早设置AGC属性会被系统覆盖，导致设置不生效。稳妥的做法是在engine start之后延迟几百毫秒再设置AGC属性，或者监听AVAudioEngineConfigurationChange通知，在配置完成回调中设置。
真机测试是必不可少的环节，因为模拟器无法模拟语音隔离模式和完整的DSP处理链。测试时建议覆盖以下场景：锁屏状态下后台播放音乐并进入语音通话；使用AirPods和内置扬声器分别测试；后台播放第三方音乐应用与本应用同时输出；反复切换语音隔离模式开关，观察音量是否有突变。这些场景能帮助确认MixWithOthers与AGC参数调整的实际效果。
如果测试中发现关闭AGC后仍然存在后台音乐音量波动，可能是回声消除模块在起作用。此时可以通过AVAudioSession的属性或者音频单元属性调整回声消除强度，比如设置kAUVoiceIOProperty_VoiceProcessingEnableAGC为0后，再检查kAUVoiceIOProperty_VoiceProcessingEnableNS和kAUVoiceIOProperty_VoiceProcessingEnableAE等属性。这些属性分别控制噪声抑制和回声消除，根据测试结果可以进一步微调，最终达到后台播放与语音隔离兼容的稳定状态。
AVAudioSessionCategoryOptionMixWithOthers自动增益控制语音隔离模式修改时间：2026-08-24 09:29:46