СледваСледващо ръководство
DCASE предизвикателство за акустични сцени и събития
Аудио AI
Аудио AI РЪКОВОДСТВО
Предизвикателство за дълбоко потискане на шума
Предизвикателството Deep Noise Suppression (DNS), организирано от Microsoft, предоставя на изследователите общи данни и задачи за оценка за подобряване на речта.
Чуйте това ръководствоAI-разказан · ~2 min
На тази страница2 минути четене
Преглед
Its editions test perceptual quality and intelligibility under noisy conditions; challenge results do not establish which commercial apps use a method.
Дълбоко гмуркане
Microsoft began the DNS Challenge in 2020 and held editions at INTERSPEECH and ICASSP. The challenge released speech and noise data, common test sets, and baselines so researchers could compare suppression systems under standardized conditions. The 2022 ICASSP edition included mobile-device scenarios and a personalized track. It combined subjective ITU-T P.835 ratings of speech quality (SIG), background quality (BAK), and overall quality (OVRL) with word accuracy (WAcc), an objective intelligibility measure based on automatic speech recognition. DNS editions therefore pair listening judgments with other measurements rather than replacing all earlier metrics with one score.
Внедряване в реалния свят
Benchmarking speech-enhancement systems on shared noisy-speech test sets
Testing personalized suppression that retains an enrolled target speaker while attenuating other talkers
Evaluating speech quality and intelligibility for conferencing or assistive-audio research
Using released training data and baselines to compare enhancement methods
Бъдещето на предизвикателството за дълбоко потискане на шума
Shared benchmarks make results easier to compare, but a benchmark score does not guarantee performance in every room, device, language, or meeting application. Future evaluations can test more realistic microphones, movement, and latency budgets while reporting both perceptual quality and intelligibility.
Прилагайки го на практика
Защо има значение
- Достъп и обхват. Той подобрява достъпността чрез интерфейси за транскрипция, дикторски текст и глас.
- Разходи и бюджет. Медийните екипи могат да доставят изпипано аудио по-бързо с по-малки бюджети.
- Скорост и мащаб. Системите, насочени към клиента, могат да обработват устни взаимодействия в по-голям мащаб.
Внимавайте за
- Рисковете от злоупотреба с глас и имитация се увеличават, когато липсва съгласие.
- Точността може да спадне при акценти, диалекти или шумна среда.
- Синтетичното аудио може да бъде сбъркано с автентична реч без ясно етикетиране.
Следващи стъпки
- Получете изрично съгласие за улавяне на глас, клониране и повторно използване.
- Тествайте качеството при различни високоговорители и фонови условия.
- Определете кога човек трябва да прегледа или одобри резултатите.
- Етикетирайте синтетичното аудио и поддържайте записи за произход за отчетност.
Продължете да изследвате
Безплатен бюлетин
Получавайте дневния AI бюлетин
Три проверени AI истории всяка делнична сутрин, написани на достъпен език. Безплатно завинаги, без реклами.
Един имейл всеки делничен ден. Отписване с едно кликване. Никога не продаваме и не споделяме вашия имейл адрес.
Тествайте себе си
Take the Deep Noise Suppression Challenge quiz
Незабавна обратна връзка за всеки отговор и сертификат за споделяне с подлежащ на проверка идентификационен номер, след като преминете курс.
Подкрепете безплатното AI образование. AI Understanding е 501(c)(3) с нестопанска цел — без реклами, без платен достъп, никога. Направете дарение
Често задавани въпроси
What is Deep Noise Suppression Challenge?
The Deep Noise Suppression (DNS) Challenge, organized by Microsoft, gives researchers shared data and evaluation tasks for speech enhancement. Its editions test perceptual quality and intelligibility under noisy conditions; challenge results do not establish which commercial apps use a method.
Who organized the Deep Noise Suppression (DNS) Challenge?
The DNS Challenge was organized by Microsoft and held across editions associated with venues including INTERSPEECH and ICASSP.
Каква е основната цел на системите, изградени за DNS Challenge?
Предизвикателството е насочено към подобряване на речта в реално време, потискайки шума, като същевременно запазва гласа на говорещия.
Why do live speech-enhancement systems constrain algorithmic lookahead?
Lookahead can be useful, but buffering future samples adds delay; real-time systems balance context against their latency budget.
Често срещана техника в DNS записите е да се предвиди „маска“. Какво прави маската?
Времево-честотната маска се умножава със спектъра на шума, за да се потиснат доминираните от шума интервали и да се запази речта.
What data and test conditions did the 2022 DNS Challenge add?
The 2022 edition added mobile-device scenarios to the blind test set and made training and test data fullband at 48 kHz.
Продължавай да учиш
Свързани ръководства
Още ръководства, избрани за тази тема