概述
Noise2Noise 是一种训练技巧，可以让模型通过从同一信号的成对不同噪声版本中学习，在没有看到干净参考的情况下学习消除噪声。对于语音增强来说，这一点很重要，因为干净的录音价格昂贵或不可能获得，而嘈杂的录音却无处不在。
Noise2Noise 语音增强位于音频 AI 工作流程中，可转换语音、音乐和声音以实现通信、可访问性和媒体制作。
深入探讨
Noise2Noise 由 NVIDIA 研究人员于 2018 年推出，提出了一个令人惊讶的主张：您可以仅使用损坏的示例来训练降噪器。洞察力是统计性的。如果您为网络提供同一基础信号的两个噪声版本，并要求它使用均方误差等损失将一个版本映射到另一个版本，则网络无法预测目标中的随机噪声，因此它最多只能输出期望值，即干净的信号。噪音趋于平均。应用于语音时，您可以发出干净的话语，添加两个独立的噪声样本，然后训练模型来预测一个噪声片段与另一个片段。在推理时，模型会消除真实录音中的噪音。这回避了监督去噪的核心瓶颈：需要完美干净的真实音频。
技术洞察
数学依赖于 L2（均方误差）损失在条件平均值下最小化的属性。如果添加到目标的噪声是零均值并且与输入噪声无关，则不可预测的噪声仅对损失贡献恒定方差，因此梯度下降将网络驱动到底层的干净信号。同样的想法也适用于其他估计器：L1 损失恢复中值，这对脉冲噪声很有用。
掌握Noise2Noise语音增强
Noise2Noise 是一种训练技巧，可以让模型通过从同一信号的成对不同噪声版本中学习，在没有看到干净参考的情况下学习消除噪声。对于语音增强来说，这一点很重要，因为干净的录音价格昂贵或不可能获得，而嘈杂的录音却无处不在。 Noise2Noise 语音增强位于音频 AI 工作流程中，可转换语音、音乐和声音以实现通信、可访问性和媒体制作。为了建立深入的理解，请将 Noise2Noise 语音增强视为一种操作模型，而不是单一功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，使用 Noise2Noise 语音增强的强大团队将质量、延迟和同意视为部署策略中同等重要的部分。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
它通过转录、旁白和语音界面提高了可访问性。与此同时，如果未征得同意，语音滥用和冒充风险就会增加。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
它通过转录、旁白和语音界面提高了可访问性。
它通过转录、旁白和语音界面提高了可访问性。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
媒体团队可以用更少的预算更快地交付精美的音频。
媒体团队可以用更少的预算更快地交付精美的音频。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
面向客户的系统可以处理更大规模的语音交互。
面向客户的系统可以处理更大规模的语音交互。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
清理没有原始语音干净参考的现场或档案录音
通过在现实世界的噪声捕获上训练降噪器来提高手机和笔记本电脑上的语音通话清晰度
使用配对的噪声录音而不是无法获得的干净音频来增强助听器的语音
恢复嘈杂的旧播客或采访磁带，其中只有降级版本幸存
实施模式
Noise2Noise 语音增强实践
清理不存在原始语音的清晰参考的现场或档案录音。
清理没有原始演讲的清晰参考的现场或档案录音当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力提高和错误成本时，通常会得到更好的结果。
Noise2Noise 语音增强实践
通过在现实世界的噪声捕获上训练降噪器，提高手机和笔记本电脑上的语音通话清晰度。
通过在现实世界的噪声捕获上训练降噪器来提高手机和笔记本电脑上的语音通话清晰度当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
Noise2Noise 语音增强实践
使用配对的噪声录音而不是无法获得的干净音频来增强助听器的语音。
使用配对的噪声录音而不是无法获得的干净音频来增强助听器的语音当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
Noise2Noise 语音增强实践
恢复嘈杂的旧播客或采访磁带，其中只有降级版本幸存。
恢复只有降级版本才能幸存的嘈杂的旧播客或采访磁带当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
风险与防护栏
如果未征得同意，语音滥用和冒充风险就会增加。
由于口音、方言或嘈杂的环境，准确性可能会下降。
如果没有明确的标签，合成音频可能会被误认为是真实的语音。
实施路线图
获得语音捕获、克隆和重用的明确同意。
获得语音捕获、克隆和重用的明确同意。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
测试不同扬声器和背景条件下的质量。
测试不同扬声器和背景条件下的质量。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
定义人员必须审查或批准输出的时间。
定义人员必须审查或批准输出的时间。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
标记合成音频并保留来源记录以供问责。
标记合成音频并保留来源记录以供问责。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。