隨著城市的快速發(fā)展,噪音作為“看不見的污染”,正持續(xù)地“入侵”著現(xiàn)代城市生活。不過,這一難題,現(xiàn)已在眾多場景中,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

　　語音識別近年來有了極大的發(fā)展,但在當前,它還沒有達到“一套技術(shù)打遍天下”的狀態(tài)。作為一個強場景化的技術(shù),語音識別在諸多真實應(yīng)用場景中,仍然存在著“最后一公里”的問題。

　　這其中,特定場景的噪聲,就是一個非常大的干擾因素,會使得通用系統(tǒng)識別準確率的急劇下降�？梢哉f,降噪是對話式人工智能技術(shù)在實際應(yīng)用中所要解決的首要問題。

　　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)等電器的運轉(zhuǎn)聲,通過尋找連續(xù)的背景音,預(yù)估噪聲的基線,然后將其過濾掉。

　　而動態(tài)噪音,如開關(guān)門聲、汽車喇叭聲、尖叫聲、寵物叫聲等,和人的語音出現(xiàn)頻率重疊時,傳統(tǒng)方法就無法很好的抑制。深度神經(jīng)網(wǎng)絡(luò)(DNN)則在這一領(lǐng)域表現(xiàn)出了強大的優(yōu)勢。近幾年來,深度學(xué)習(xí)方法取得飛速發(fā)展,更強大的深度神經(jīng)網(wǎng)絡(luò)被應(yīng)用于語音識別,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)噪聲的同時保證語音的較小失真,聽感更自然。

　　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),該模型通過堆疊較小的卷積層和池化層,將語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的局部刻畫能力和頻率不變性描述,能夠更好地在語音模型的內(nèi)部實現(xiàn)了聲學(xué)自動降噪的能力。

原始音頻

降噪音頻

　　因地“治噪”,清晰悅耳體驗即時賦予

　　思必馳算法模型的應(yīng)用,使得系統(tǒng)巨大的性能提升。不過技術(shù)的價值,仍需要實際應(yīng)用來檢驗和證明。目前,聲學(xué)模型已覆蓋家居環(huán)境、車載環(huán)境、賣場商場環(huán)境、公共交通環(huán)境以及辦公環(huán)境等數(shù)十個典型場景,在諸多智能終端產(chǎn)品中大展拳腳。

　　會議場景

　　思必馳智能降噪技術(shù)基于上千小時會議場景噪聲模型學(xué)習(xí)和研究,能夠有效抑制會議室多種背景噪音,包括穩(wěn)態(tài)噪聲、動態(tài)噪聲,例如空調(diào)聲、電腦運轉(zhuǎn)聲、鍵盤敲擊聲鼠標點擊聲、椅子拉動聲、腳步聲、開關(guān)門聲、翻書聲、鼓掌聲等等。

　　搭載該技術(shù)的思必馳會議魔方M1,能夠保留還原出干凈的語音原聲,有效避免遠程會議時與會人員被雜音干擾。針對在遠程會議中經(jīng)常聽到的通話回聲,嚴重時會聽到刺耳的嘯叫聲等設(shè)備自噪聲,會議魔方M1采用麥克風(fēng)揚聲器分離式設(shè)計,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。

　　城市交通場景

　　城市交通是噪聲污染的主要來源。在地鐵、機場、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,難度最大的當屬騎行過程中智能穿戴產(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,兩者都會對語音的質(zhì)量造成較大影響。

　　針對風(fēng)噪問題,思必馳耳機方案結(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)噪帶來的影響,同時具備降噪深度高、魯棒性強、穩(wěn)定性佳等優(yōu)勢。哪怕是在開窗行駛的汽車中等噪聲環(huán)境下,通話對象也能清楚地聽到用戶的說話內(nèi)容。

　　商場、餐廳場景

　　商場、賣場、餐廳等環(huán)境,是又一個富有挑戰(zhàn)性的降噪場景,因為其噪聲的來源較多,噪聲類型非常豐富,而且噪聲比較大,約70分貝以上。

　　在上述場景中,服務(wù)人員可通過佩戴藍牙耳麥、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一步提升服務(wù)質(zhì)量、驅(qū)動業(yè)務(wù)創(chuàng)新,讓AI輔助服務(wù)行業(yè)數(shù)字化升級。

　　醫(yī)療場景

　　醫(yī)療場景的應(yīng)用,面臨著器械噪聲、候診人群話語聲等背景噪聲,不過思必馳技術(shù)團隊表示,這其中最為難處理的是核磁共振檢查時的設(shè)備本身的自噪音,信噪比極低。

　　做過核磁共振檢查的人都知道,核磁共振設(shè)備運轉(zhuǎn)時發(fā)出的噪音非常高,這使得醫(yī)療人員與病患在檢查時存在極大的溝通困難。針對這一場景的降噪方案,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。

　　(以上場景降噪效果,可關(guān)注思必馳關(guān)微信公眾號,查閱本篇內(nèi)容聆聽對比)