Tantangan Peredam Kebisingan Dalam
Tantangan Deep Noise Suppression (DNS) adalah kompetisi yang diselenggarakan oleh Microsoft yang mendorong para peneliti untuk membangun jaringan saraf yang menghilangkan kebisingan latar belakang dari ucapan secara real-time.
Ikhtisar
It set the modern benchmarks that power features like Teams and Zoom noise removal.
Menyelam Lebih Dalam
Diluncurkan oleh Microsoft pada tahun 2020 dan diulangi selama beberapa tahun (seringkali di INTERSPEECH dan ICASSP), Tantangan DNS memberi tim kumpulan data standar yang besar mengenai ucapan bersih, klip kebisingan, dan rekaman suara bising yang dicampur secara sintetis. Yang terpenting, hal ini mengalihkan evaluasi dari matematika sinyal lama seperti PESQ ke arah skor pendengaran manusia dan prediktor terpelajar mengenai kualitas yang dirasakan. Ini juga menambahkan kondisi dunia nyata yang sulit: ruangan bergema, suara non-stasioner (mengetik, anjing, sirene), suara nada, dan skenario yang dipersonalisasi di mana model harus menekan semua orang kecuali pembicara target yang terdaftar. Dengan merilis data, garis dasar, dan rangkaian pengujian umum, laboratorium dapat membandingkan apel dengan apel dan mempercepat peralihan dari trik pemfilteran ke pembelajaran mendalam menyeluruh untuk peningkatan kemampuan bicara.
Wawasan Teknis
Entri biasanya memasukkan transformasi Fourier waktu singkat dari bentuk gelombang berisik menjadi jaringan berulang atau konvolusional yang memprediksi topeng frekuensi waktu. Mengalikan masker dengan spektrum bising akan melemahkan wadah yang didominasi kebisingan sambil mempertahankan wadah yang didominasi ucapan, kemudian STFT terbalik akan membangun kembali bentuk gelombang. Aturan real-time membatasi latensi algoritmik (sekitar 40 ms) dan memerlukan pemrosesan kausal, sehingga model tidak dapat mengintip audio di masa mendatang saat membersihkan frame saat ini.
Dampak Strategis
Access and reach
Ini meningkatkan aksesibilitas melalui transkripsi, narasi, dan antarmuka suara.
Cost and budget
Tim media dapat mengirimkan audio yang bagus lebih cepat dengan anggaran lebih kecil.
Kecepatan dan skala
Sistem yang berhubungan dengan pelanggan dapat memproses interaksi lisan dalam skala yang lebih besar.
Tantangan Peredam Kebisingan Dalam di Masa Depan
Kerangka kerja ini diperkirakan akan diperluas ke arah penekanan yang dipersonalisasi dan multimodal, di mana gerakan bibir atau suara pembicara akan memandu apa yang harus disimpan. Model semakin menyusut untuk dijalankan di perangkat earbud dan alat bantu dengar, dan pemrosesan pita penuh 48 kHz menjadi standar agar musik dan frekuensi tinggi tetap bertahan. Pendekatan generatif yang mensintesis ulang ucapan yang bersih, bukan sekadar menutupi kebisingan, merupakan pendekatan yang aktif dan terkadang kontroversial.
Implementasi Dunia Nyata
Penghapusan kebisingan latar belakang secara real-time di Microsoft Teams dan aplikasi panggilan video lainnya
Perekaman ucapan yang lebih bersih di earbud dan headset selama perjalanan atau kafe yang sibuk
Pra-pemrosesan rekaman lapangan yang bising sebelum transkripsi atau pembuatan teks otomatis
Meningkatkan kejelasan dalam alat bantu dengar dan alat bantu dengar
Risiko & Pagar Pembatas
Risiko penyalahgunaan suara dan peniruan identitas meningkat jika tidak ada persetujuan.
Akurasi dapat menurun pada aksen, dialek, atau lingkungan yang bising.
Audio sintetis dapat disalahartikan sebagai ucapan asli tanpa label yang jelas.
Peta Jalan Implementasi
Dapatkan persetujuan eksplisit untuk pengambilan suara, kloning, dan penggunaan kembali.
Uji kualitas di beragam speaker dan kondisi latar belakang.
Tentukan kapan manusia harus meninjau atau menyetujui keluaran.
Beri label pada audio sintetis dan simpan catatan asalnya untuk akuntabilitas.
Terus Menjelajah
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Deep Noise Suppression Challenge quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Pembelajaran Mendalam
Pertanyaan yang sering diajukan
What is Deep Noise Suppression Challenge?
Tantangan Deep Noise Suppression (DNS) adalah kompetisi yang diselenggarakan oleh Microsoft yang mendorong para peneliti untuk membangun jaringan saraf yang menghilangkan kebisingan latar belakang dari ucapan secara real-time. Ini menetapkan tolok ukur modern yang mendukung fitur-fitur seperti Teams dan penghapusan gangguan Zoom.
Organisasi manakah yang meluncurkan Tantangan Deep Noise Suppression (DNS)?
Microsoft meluncurkan Tantangan DNS pada tahun 2020 dan menjalankannya di tempat-tempat seperti INTERSPEECH dan ICASSP.
Apa tujuan utama sistem yang dibangun untuk Tantangan DNS?
Tantangan ini menargetkan peningkatan kemampuan bicara secara real-time, menekan kebisingan sekaligus menjaga suara pembicara.
Mengapa pemrosesan DNS real-time melarang model menggunakan bingkai audio di masa mendatang?
Percakapan langsung memerlukan pemrosesan kausal dan latensi rendah, sehingga model hanya dapat menggunakan audio lama dan terkini.
Teknik umum dalam entri DNS adalah memprediksi 'topeng'. Apa fungsi topengnya?
Masker frekuensi waktu dikalikan dengan spektrum kebisingan untuk menekan tempat sampah yang didominasi kebisingan dan mempertahankan ucapan.
Bagaimana Tantangan DNS mengubah cara evaluasi peningkatan kemampuan bicara?
Tantangannya beralih ke tes pendengaran manusia dan mempelajari prediktor kualitas persepsi, bukan hanya sekedar matematika sinyal.