概述
Noise2Noise is a training trick that lets a model learn to remove noise without ever seeing a clean reference, by learning from pairs of differently-noisy versions of the same signal.對於語音增強來說，這一點無處不在錄音的價格很重要，因為錄音而不可能獲得昂貴的錄音，不可能帶來昂貴的。
Noise2Noise 語音增強位於音訊 AI 工作流程中，可轉換語音、音樂和聲音以實現通訊、可存取性和媒體製作。
深入探討
Noise2Noise 由 NVIDIA 研究人員於 2018 年推出，提出了一個令人驚訝的主張：您可以只使用損壞的範例來訓練降噪器。洞察力是統計性的。如果您為網路提供相同基礎訊號的兩個雜訊版本，並要求它使用均方誤差等損失將一個版本對應到另一個版本，則網路無法預測目標中的隨機雜訊，因此它最多只能輸出期望值，即乾淨的訊號。噪音趨於平均。應用於語音時，您可以發出乾淨的話語，添加兩個獨立的噪音樣本，然後訓練模型預測一個噪音片段與另一個片段。在推理時，模型會消除真實錄音中的雜訊。這迴避了監督去噪的核心瓶頸：需要完美乾淨的真實音訊。
技術洞察
數學依賴 L2（均方誤差）損失在條件平均值下最小化的屬性。如果添加到目標的雜訊是零均值且與輸入雜訊無關，則不可預測的雜訊僅對損失貢獻恆定方差，因此梯度下降將網路驅動到底層的乾淨訊號。同樣的想法也適用於其他估計器：L1 損失恢復中位數，這對脈衝雜訊很有用。
掌握Noise2Noise語音增強
Noise2Noise 是一種訓練技巧，可以讓模型透過從相同訊號的成對不同雜訊版本中學習，在沒有看到乾淨參考的情況下學習消除雜訊。對於語音增強來說，這一點很重要，因為乾淨的錄音價格昂貴或不可能獲得，而嘈雜的錄音卻無處不在。 Noise2Noise 語音增強位於音訊 AI 工作流程中，可轉換語音、音樂和聲音以實現通訊、可存取性和媒體製作。為了建立深入的理解，請將 Noise2Noise 語音增強視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，使用 Noise2Noise 語音增強的強大團隊將品質、延遲和同意視為部署策略中同等重要的部分。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
它透過轉錄、旁白和語音介面提高了可訪問性。同時，如果未徵得同意，語音濫用和冒充風險就會增加。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
它透過轉錄、旁白和語音介面提高了可訪問性。
它透過轉錄、旁白和語音介面提高了可訪問性。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
媒體團隊可以用更少的預算更快地交付精美的音訊。
媒體團隊可以用更少的預算更快地交付精美的音訊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
面向客戶的系統可以處理更大規模的語音互動。
面向客戶的系統可以處理更大規模的語音互動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
清理沒有原始語音乾淨參考的現場或檔案錄音
透過在現實世界的噪音捕獲上訓練降噪器來提高手機和筆記型電腦上的語音通話清晰度
使用配對的噪音錄音而不是無法獲得的乾淨音訊來增強助聽器的語音
恢復吵雜的舊播客或採訪磁帶，其中只有降級版本倖存
實施模式
Noise2Noise 語音增強實踐
清理不存在原始語音的清晰參考的現場或檔案錄音。
清理沒有原始演講的清晰參考的現場或檔案錄音當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力提高和錯誤成本時，通常會得到更好的結果。
Noise2Noise 語音增強實踐
透過在現實世界的噪音捕獲上訓練降噪器，提高手機和筆記型電腦上的語音通話清晰度。
透過在現實世界的噪音擷取上訓練降噪器來提高手機和筆記型電腦上的語音通話清晰度當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
Noise2Noise 語音增強實踐
使用配對的噪音錄音而不是無法獲得的乾淨音訊來增強助聽器的語音。
使用配對的噪音錄音而不是無法獲得的乾淨音訊來增強助聽器的語音當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時，通常會得到更好的結果。
Noise2Noise 語音增強實踐
恢復吵雜的舊播客或採訪磁帶，其中只有降級版本倖存下來。
恢復只有降級版本才能倖存的嘈雜的舊播客或採訪磁帶當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並跟踪一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
如果未徵得同意，語音濫用和冒充風險就會增加。
由於口音、方言或嘈雜的環境，準確性可能會下降。
如果沒有明確的標籤，合成音訊可能會被誤認為是真實的語音。
實施路線圖
獲得語音捕獲、克隆和重用的明確同意。
獲得語音捕獲、克隆和重用的明確同意。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
測試不同揚聲器和背景條件下的品質。
測試不同揚聲器和背景條件下的品質。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
定義人員必須審查或批准輸出的時間。
定義人員必須審查或批准輸出的時間。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
標記合成音訊並保留來源記錄以供問責。
標記合成音訊並保留來源記錄以供問責。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。