前面的高赞回答已经把问题解释的比较清晰了，对于“小白”来说可能有点晦涩难懂，就以我所了解的信息，来尝试用大白话的方式解答一下。
主动降噪耳机在理想状态下，麦克风收集到的声音，噪声处理器能够完美的发出与之反相的声波进行抵消，也就达到了完全降噪的效果。但实际中，噪声源复杂程度、反相信号存在的延迟等问题，都会造成噪声处理的不彻底，而仍能听到噪声的残余。
就拿这延迟问题举例：比如低频噪声，理想状态下是这样的，麦克风接收到噪声（青色），处理器制造反相的信号（红色）便能与之完美抵消。
而实际中，反相信号的输出是存在延迟的，所以会有一定的“偏移”。
不过低频的频率比较慢，即使存在一定的误差，相位叠加也能消除掉大部分的噪声，残余量非常之少，从而基本无感。
而频率一高或复杂声音环境，结果就不太一样了，理想状态下，如下图，噪声信号和反相信号能完美“匹配”。
但考虑到实际中会有一定的延迟的，仍旧会产生一定的“偏移”。
由于这类信号频率非常快或复杂，所以但凡制造的反相信号出现了一点偏移，就很难和原来的噪声信号叠加，从而不能达到较好的降噪效果，甚至适得其反，也就是前面很多知友说的“增噪”。
这不仅是处理器制造反相信号的延迟，也有振膜发出信号时的延迟，都是可能存在的问题。然而现实中可能存在的问题远比上方举的例子复杂的多，降噪处理是一个大的整体。就如那最基础的被动降噪对于最终的降噪效果也有非常大影响，这也是为什么那几款非入耳式降噪耳机的实际降噪效果远不如同定位的入耳式降噪耳机。
最后，就如本题的人声，就是比较复杂的中频声音，对于很多主动降噪耳机效果为何达不到心理预期效果，想必你也有答案了。当然，对于这一大类的中高频噪声，被动降噪的“参与度”会更高一点，那就是另一个比较大的问题了。
