개요
심층 소음 억제(DNS) 챌린지는 음성에서 배경 소음을 실시간으로 제거하는 신경망을 구축하도록 연구자들을 독려하는 Microsoft 실행 대회입니다. Teams 및 Zoom 소음 제거와 같은 기능을 강화하는 최신 벤치마크를 설정했습니다.
Deep Noise Suppression Challenge는 커뮤니케이션, 접근성 및 미디어 제작을 위해 음성, 음악, 사운드를 변환하는 오디오-AI 워크플로에 관한 것입니다.
심층 분석
2020년 Microsoft에 의해 시작되어 몇 년 동안 반복된(종종 INTERSPEECH 및 ICASSP에서) DNS 챌린지는 팀에 깨끗한 음성, 잡음 클립 및 합성적으로 혼합된 잡음 녹음으로 구성된 대규모 표준화된 데이터 세트를 제공했습니다. 결정적으로, 평가를 PESQ와 같은 오래된 신호 수학에서 인간의 청취 점수로 전환하고 인지된 품질에 대한 예측 변수를 학습했습니다. 또한 잔향이 있는 방, 고정되지 않은 소음(타이핑, 개, 사이렌), 음조 소음, 모델이 등록된 대상 화자를 제외한 모든 사람을 억제해야 하는 개인화된 시나리오 등 어려운 실제 조건도 추가했습니다. 데이터, 기준선 및 공통 테스트 세트를 공개함으로써 실험실에서는 사과와 사과를 비교할 수 있게 되었으며 음성 향상을 위한 필터링 트릭에서 엔드투엔드 딥 러닝으로의 전환을 가속화했습니다.
기술적 통찰력
항목은 일반적으로 잡음이 있는 파형의 단시간 푸리에 변환을 시간-주파수 마스크를 예측하는 순환 또는 컨벌루션 네트워크에 공급합니다. 잡음이 많은 스펙트럼을 마스크에 곱하면 음성이 지배적인 빈을 보존하면서 잡음이 많은 빈을 감쇠시킨 다음 역 STFT가 파형을 재구성합니다. 실시간 규칙은 알고리즘 대기 시간(약 40ms)을 제한하고 인과적 처리가 필요하므로 모델은 현재 프레임을 정리할 때 향후 오디오를 엿볼 수 없습니다.
심층 소음 억제 과제 마스터하기
심층 소음 억제(DNS) 챌린지는 음성에서 배경 소음을 실시간으로 제거하는 신경망을 구축하도록 연구자들을 독려하는 Microsoft 실행 대회입니다. Teams 및 Zoom 소음 제거와 같은 기능을 강화하는 최신 벤치마크를 설정했습니다. Deep Noise Suppression Challenge는 커뮤니케이션, 접근성 및 미디어 제작을 위해 음성, 음악, 사운드를 변환하는 오디오-AI 워크플로에 관한 것입니다. 깊은 이해를 구축하려면 Deep Noise Suppression Challenge를 단일 기능이 아닌 운영 모델로 다루십시오. 즉, 원하는 결과를 정의하고, 가정을 명확히 하고, 시스템이 안정적으로 수행할 수 있는 작업과 여전히 전문가 판단이 필요한 작업을 분리하세요.
실제로 Deep Noise Suppression Challenge를 사용하는 강력한 팀은 품질, 대기 시간 및 동의를 배포 전략의 중요한 부분으로 간주합니다. 명시적인 성공 기준을 문서화하고, 현실적인 데이터 및 워크플로를 기준으로 테스트하며, 일회성 벤치마크 승리보다는 관찰된 실패 패턴을 기반으로 반복합니다. 이론적 이해가 제품, 정책, 운영 전반에 걸쳐 지속 가능한 역량으로 바뀌는 곳입니다.
전사, 내레이션, 음성 인터페이스를 통해 접근성을 향상시킵니다. 동시에 동의가 없으면 음성 오용 및 명의 도용 위험이 높아집니다. 가장 탄력적인 접근 방식은 실험 속도와 거버넌스 규율을 결합하는 것입니다. 즉, 파일럿 실행, 증거 캡처, 결정 로그 게시, 모델 동작, 사용자 기대 및 규제 요구 사항이 발전함에 따라 보호 장치를 지속적으로 업데이트합니다.
전략적 영향
전사, 내레이션, 음성 인터페이스를 통해 접근성을 향상시킵니다.
전사, 내레이션, 음성 인터페이스를 통해 접근성을 향상시킵니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
미디어 팀은 더 적은 예산으로 세련된 오디오를 더 빠르게 출시할 수 있습니다.
미디어 팀은 더 적은 예산으로 세련된 오디오를 더 빠르게 출시할 수 있습니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
고객 대면 시스템은 음성 상호 작용을 더 큰 규모로 처리할 수 있습니다.
고객 대면 시스템은 음성 상호 작용을 더 큰 규모로 처리할 수 있습니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
실제 구현
Microsoft Teams 및 기타 화상 통화 앱에서 실시간 배경 소음 제거
출퇴근길이나 바쁜 카페에서 이어버드와 헤드셋으로 더 깨끗한 음성 캡처
자동 전사 또는 캡션 이전에 시끄러운 현장 녹음 전처리
보청기 및 보조 청취 장치의 명료도 향상
구현 패턴
실제로 심층 소음 억제 챌린지
Microsoft Teams 및 기타 화상 통화 앱에서 실시간 배경 소음 제거.
Microsoft Teams 및 기타 화상 통화 앱에서 실시간 배경 소음 제거 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
실제로 심층 소음 억제 챌린지
출퇴근길이나 바쁜 카페에서 이어버드와 헤드셋으로 더욱 깔끔한 음성 캡처가 가능합니다.
출퇴근길이나 바쁜 카페에서 이어버드와 헤드셋으로 더욱 깔끔한 음성 캡처 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
실제로 심층 소음 억제 챌린지
자동 전사 또는 캡션 작성 전에 시끄러운 현장 녹음을 사전 처리합니다.
자동 전사 또는 캡션 작성 전에 시끄러운 현장 녹음 전처리 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
실제로 심층 소음 억제 챌린지
보청기 및 보조 청취 장치의 명료도 향상.
보청기 및 보조 청취 장치의 명료도 향상 일반적으로 팀은 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
위험 및 가드레일
동의가 없으면 음성 오용 및 명의 도용 위험이 높아집니다.
악센트, 방언 또는 시끄러운 환경에서는 정확도가 떨어질 수 있습니다.
합성 오디오는 명확한 라벨링이 없으면 실제 음성으로 오인될 수 있습니다.
구현 로드맵
음성 캡처, 복제 및 재사용에 대한 명시적인 동의를 얻습니다.
음성 캡처, 복제 및 재사용에 대한 명시적인 동의를 얻습니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
다양한 화자와 배경 조건에서 품질을 테스트합니다.
다양한 화자와 배경 조건에서 품질을 테스트합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
사람이 출력을 검토하거나 승인해야 하는 시기를 정의합니다.
사람이 출력을 검토하거나 승인해야 하는 시기를 정의합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
합성 오디오에 라벨을 붙이고 책임을 묻기 위해 출처 기록을 보관하세요.
합성 오디오에 라벨을 붙이고 책임을 묻기 위해 출처 기록을 보관하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.