隨著城市的快速發(fā)展,噪音作為“看不見(jiàn)的污染”,正持續(xù)地“入侵”著現(xiàn)代城市生活。不過(guò),這一難題,現(xiàn)已在眾多場(chǎng)景中,被思必馳新一代的智能降噪技術(shù)所攻破。
自研算法,兼顧噪音抑制和保真性
語(yǔ)音識(shí)別近年來(lái)有了極大的發(fā)展,但在當(dāng)前,它還沒(méi)有達(dá)到“一套技術(shù)打遍天下”的狀態(tài)。作為一個(gè)強(qiáng)場(chǎng)景化的技術(shù),語(yǔ)音識(shí)別在諸多真實(shí)應(yīng)用場(chǎng)景中,仍然存在著“最后一公里”的問(wèn)題。
這其中,特定場(chǎng)景的噪聲,就是一個(gè)非常大的干擾因素,會(huì)使得通用系統(tǒng)識(shí)別準(zhǔn)確率的急劇下降?？梢哉f(shuō),降噪是對(duì)話式人工智能技術(shù)在實(shí)際應(yīng)用中所要解決的首要問(wèn)題。
傳統(tǒng)的噪音抑制方法,只能作用于某些固定的穩(wěn)態(tài)噪音,如空調(diào)等電器的運(yùn)轉(zhuǎn)聲,通過(guò)尋找連續(xù)的背景音,預(yù)估噪聲的基線,然后將其過(guò)濾掉。
而動(dòng)態(tài)噪音,如開(kāi)關(guān)門(mén)聲、汽車?yán)嚷暋⒓饨新?、寵物叫聲?和人的語(yǔ)音出現(xiàn)頻率重疊時(shí),傳統(tǒng)方法就無(wú)法很好的抑制。深度神經(jīng)網(wǎng)絡(luò)(DNN)則在這一領(lǐng)域表現(xiàn)出了強(qiáng)大的優(yōu)勢(shì)。近幾年來(lái),深度學(xué)習(xí)方法取得飛速發(fā)展,更強(qiáng)大的深度神經(jīng)網(wǎng)絡(luò)被應(yīng)用于語(yǔ)音識(shí)別,包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)等。
傳統(tǒng)降噪結(jié)合AI降噪,兼顧降噪效果與人聲保真度
思必馳的智能降噪技術(shù)采用的是“兩者兼融”的方式——傳統(tǒng)分離結(jié)合深度學(xué)習(xí)方案,可以兼顧傳統(tǒng)信號(hào)處理的保真性和深度學(xué)習(xí)的非穩(wěn)態(tài)噪聲抑制能力,即在很好的去除非穩(wěn)態(tài)噪聲的同時(shí)保證語(yǔ)音的較小失真,聽(tīng)感更自然。
在深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)方面,思必馳也與傳統(tǒng)的語(yǔ)音模型僅使用1至2層卷積層不同。思必馳采用的是自研的極深卷積神經(jīng)網(wǎng)絡(luò)模型(VDCNN),該模型通過(guò)堆疊較小的卷積層和池化層,將語(yǔ)音模型中的卷積層的深度提高到了10層以上。利用小卷積核更加精細(xì)的局部刻畫(huà)能力和頻率不變性描述,能夠更好地在語(yǔ)音模型的內(nèi)部實(shí)現(xiàn)了聲學(xué)自動(dòng)降噪的能力。
原始音頻
降噪音頻
因地“治噪”,清晰悅耳體驗(yàn)即時(shí)賦予
思必馳算法模型的應(yīng)用,使得系統(tǒng)巨大的性能提升。不過(guò)技術(shù)的價(jià)值,仍需要實(shí)際應(yīng)用來(lái)檢驗(yàn)和證明。目前,聲學(xué)模型已覆蓋家居環(huán)境、車載環(huán)境、賣(mài)場(chǎng)商場(chǎng)環(huán)境、公共交通環(huán)境以及辦公環(huán)境等數(shù)十個(gè)典型場(chǎng)景,在諸多智能終端產(chǎn)品中大展拳腳。
會(huì)議場(chǎng)景
思必馳智能降噪技術(shù)基于上千小時(shí)會(huì)議場(chǎng)景噪聲模型學(xué)習(xí)和研究,能夠有效抑制會(huì)議室多種背景噪音,包括穩(wěn)態(tài)噪聲、動(dòng)態(tài)噪聲,例如空調(diào)聲、電腦運(yùn)轉(zhuǎn)聲、鍵盤(pán)敲擊聲鼠標(biāo)點(diǎn)擊聲、椅子拉動(dòng)聲、腳步聲、開(kāi)關(guān)門(mén)聲、翻書(shū)聲、鼓掌聲等等。
搭載該技術(shù)的思必馳會(huì)議魔方M1,能夠保留還原出干凈的語(yǔ)音原聲,有效避免遠(yuǎn)程會(huì)議時(shí)與會(huì)人員被雜音干擾。針對(duì)在遠(yuǎn)程會(huì)議中經(jīng)常聽(tīng)到的通話回聲,嚴(yán)重時(shí)會(huì)聽(tīng)到刺耳的嘯叫聲等設(shè)備自噪聲,會(huì)議魔方M1采用麥克風(fēng)揚(yáng)聲器分離式設(shè)計(jì),并內(nèi)置業(yè)內(nèi)領(lǐng)先的智能回音消除技術(shù)(AEC),能夠有效地消除通話中產(chǎn)生的回音,線性回聲消除ERL≥35dB,總體回聲抑制能力≥60dB。
城市交通場(chǎng)景
城市交通是噪聲污染的主要來(lái)源。在地鐵、機(jī)場(chǎng)、駕車、騎行等具體環(huán)境中,所面臨的噪聲挑戰(zhàn)各不相同。其中,難度最大的當(dāng)屬騎行過(guò)程中智能穿戴產(chǎn)品的降噪,一方面面臨馬路上的常規(guī)噪聲干擾,另一方面是風(fēng)噪的影響,兩者都會(huì)對(duì)語(yǔ)音的質(zhì)量造成較大影響。
針對(duì)風(fēng)噪問(wèn)題,思必馳耳機(jī)方案結(jié)合入耳麥的物理防風(fēng)特性,配合深度學(xué)習(xí)降噪,有效地抑制了風(fēng)噪帶來(lái)的影響,同時(shí)具備降噪深度高、魯棒性強(qiáng)、穩(wěn)定性佳等優(yōu)勢(shì)。哪怕是在開(kāi)窗行駛的汽車中等噪聲環(huán)境下,通話對(duì)象也能清楚地聽(tīng)到用戶的說(shuō)話內(nèi)容。
商場(chǎng)、餐廳場(chǎng)景
商場(chǎng)、賣(mài)場(chǎng)、餐廳等環(huán)境,是又一個(gè)富有挑戰(zhàn)性的降噪場(chǎng)景,因?yàn)槠湓肼暤膩?lái)源較多,噪聲類型非常豐富,而且噪聲比較大,約70分貝以上。
在上述場(chǎng)景中,服務(wù)人員可通過(guò)佩戴藍(lán)牙耳麥、智能錄音工牌等拾音設(shè)備與客戶交談,將所交流的信息提取以進(jìn)一步提升服務(wù)質(zhì)量、驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新,讓AI輔助服務(wù)行業(yè)數(shù)字化升級(jí)。
醫(yī)療場(chǎng)景
醫(yī)療場(chǎng)景的應(yīng)用,面臨著器械噪聲、候診人群話語(yǔ)聲等背景噪聲,不過(guò)思必馳技術(shù)團(tuán)隊(duì)表示,這其中最為難處理的是核磁共振檢查時(shí)的設(shè)備本身的自噪音,信噪比極低。
做過(guò)核磁共振檢查的人都知道,核磁共振設(shè)備運(yùn)轉(zhuǎn)時(shí)發(fā)出的噪音非常高,這使得醫(yī)療人員與病患在檢查時(shí)存在極大的溝通困難。針對(duì)這一場(chǎng)景的降噪方案,能夠有效幫助醫(yī)療人員指導(dǎo)病患配合檢查,提高檢查效率。
(以上場(chǎng)景降噪效果,可關(guān)注思必馳關(guān)微信公眾號(hào),查閱本篇內(nèi)容聆聽(tīng)對(duì)比)
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
