LegközelebbKövetkező útmutató
Akusztikus jelenetek osztályozása
Hangalapú AI
Audio AI ÚTMUTATÓ
Az akusztikus visszhang kioltás (AEC) az a technológia, amely megakadályozza, hogy hívás közben hallja saját hangját.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Ez az oka annak, hogy a kihangosított hívások, az intelligens hangszórók és a videomegbeszélések fájdalmas visszacsatolás nélkül működnek.
Kihangosító vagy videohívás közben a hangszóróból kijövő hangot a saját mikrofonja veszi fel, és visszaküldi a másik személynek, aki késéssel hallja önmagát. Az AEC ezt úgy javítja ki, hogy a távoli jelet (amit a hangszóró játszik le) ismert referenciaként kezeli. Egy adaptív szűrő modellezi, hogyan jut el ez a hang a szobán keresztül a mikrofonig, majd kivonja az előre jelzett visszhangot a rögzített hangból. Mivel a helyiségek változnak, ahogy az emberek mozognak vagy az ajtók nyílnak, a szűrő folyamatosan, valós időben újrabecsli ezt a visszhangot. A modern rendszerek a klasszikus szűrőket neurális hálózatokkal párosítják, amelyek kezelik az olcsó hangszórókból származó nemlineáris torzítást és a maradék visszhangot, amit a lineáris szűrő hiányzik.
Az intelligens hangszórók, mint például az Amazon Echo, leállítják saját zenelejátszásukat, így továbbra is hallhatják az „Alexa” szót a dal felett.
A videokonferencia-alkalmazások (Zoom, Microsoft Teams, Google Meet) eltávolítják a hangszórók visszhangját, így a laptophasználók fejhallgató nélkül is kihangosíthatják.
Az autós kihangosító rendszerek kioltják a visszhangot az utastér hangszóróiból, amelyeket a műszerfali mikrofon érzékel.
A kihangosítótelefonok és a konferenciatermi eszközök AEC-t használnak, így a távoli hívó nem hallja saját késleltetett hangját.
Az AEC a kézzel hangolt jelfeldolgozásról a végpontokig terjedő neurális modellek felé mozdul el, amelyek együttesen kezelik a visszhangot, a zajt és a visszhangot egyetlen hálózatban. Az eszközön történő mély tanulás lehetővé teszi, hogy a fülhallgatók és laptopok nagyon alacsony késleltetéssel és teljesítménnyel töröljék a visszhangot. Az Microsoft ICASSP AEC Challenge felgyorsította ezt, és olyan modelleket terjesztett elő, amelyek nem illeszkednek a mintavételi frekvenciákhoz és a hibás hardverhez. Személyre szabott, szobatudatos lemondásra számíthat, amely azonnal alkalmazkodik a téren való mozgás során.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Az akusztikus visszhang kioltás (AEC) az a technológia, amely megakadályozza, hogy hívás közben hallja saját hangját. Ez az oka annak, hogy a kihangosított hívások, az intelligens hangszórók és a videomegbeszélések fájdalmas visszacsatolás nélkül működnek.
Az AEC eltávolítja azt a visszhangot, amely akkor keletkezik, amikor a hangszóró hangját a mikrofon rögzíti, és visszaadja annak a személynek, akivel beszél.
Az AEC pontosan tudja, hogy milyen hangot küldött a hangszórónak (a távoli jelet), ezért ezt használja referenciaként a kapott visszhang modellezéséhez és kivonásához.
Dupla beszéd közben a közeli beszéd összetéveszthető visszhanggal, ami megronthatja a szűrő becslését, ezért detektorokat használnak az adaptáció lefagyasztására.
A szűrő modellezi, hogyan jut el a hang a hangszóróból a szobán keresztül a mikrofonba, így képes szintetizálni és kivonni a megfelelő visszhangot.
Az olcsó hangszórók nemlineárisan torzítják a hangot, a lineáris szűrők pedig maradék visszhangot hagynak maguk után; A neurális utószűrők arra vannak kiképezve, hogy elnyomják azt, ami megmaradt, miközben megtartják a közeli beszédet.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Akusztikus jelenetek osztályozása
Hangalapú AI