|
常言道：兼聽則明，偏信則暗。對于決策依據(jù)的選擇來說此言不假，但對于語音技術(shù)來說則剛好相反。我們所處的環(huán)境中常常伴有大量背景噪音，如果一個電子系統(tǒng)把所有的音頻信號統(tǒng)統(tǒng)接受，那么我們期望得到的音頻信號就會被噪音淹沒，系統(tǒng)的性能表現(xiàn)就會大打折扣。 實際上，人耳是一種有選擇的接收系統(tǒng)。當我們在嘈雜的餐廳交談時，我們也能盡力從背景噪音中撿拾對面那個人發(fā)出的語音信號。另一些動物具有更強的聽覺天賦。貓頭鷹可以在叢林中精確偵測出嚙齒類動物發(fā)出的細微聲響。 如果人類或貓頭鷹只有一只耳朵，那么我們拾取有用音頻信息的能力就會大打折扣。沒有了聲音定位的能力，我們就會把噪音和信號全部納入，然后讓大腦去分析哪些是噪音，哪些是信號。其結(jié)果就是，不但我們的分辨能力大幅降低，而且這樣做還大大增加了我們大腦的負擔。 大多數(shù)電子系統(tǒng)的降噪原理屬于后者，也就是從包含噪音的音頻中通過DSP算法提取語音信號。這樣提取出的語音信號即使可用也會產(chǎn)生不同程度的失真。 Audience公司的降噪技術(shù)屬于前者。這是一家總部位于美國加州山景城的公司，成立于2000年。該總司號稱是全球唯一一家將聽覺神經(jīng)學(xué)產(chǎn)品化的公司。在公司成立后的前8年，Audience致力于完善產(chǎn)品技術(shù)，所以它真正進入市場的時間并不算長。 Audience公司的earSmart技術(shù)是一種仿生學(xué)。在聲音到達麥克風(fēng)的那一刻，它就能根據(jù)算法判定哪些聲音是噪音而加以摒除，從而保證了進入系統(tǒng)的音頻信號的純凈度。Audience公司的工程師向我們演示了earSmart的降噪效果。用一臺揚聲器模擬餐廳背景噪音，然后用裝備earSmart技術(shù)的Nexus平板電腦進行錄音和回放。在關(guān)閉該公司ASR Assist專利技術(shù)的情形下，所錄的語言幾乎被背景噪音淹沒而無法分辨。開啟ASR Assist技術(shù)后重新錄音，我們聽到播放出的語言清晰悅耳，而且?guī)缀鯖]有任何失真。 earSmart技術(shù)針對三種情形下的應(yīng)用：實時通訊（在嘈雜環(huán)境下可實現(xiàn)清晰的手機通話）、語音識別（在嘈雜環(huán)境下實現(xiàn)對錄入語音的文本轉(zhuǎn)換）和媒體捕捉（在嘈雜環(huán)境下實現(xiàn)與視頻同樣清晰的語音錄制）。 Audience公司最新產(chǎn)品有兩款：eS325高級語音處理器和eS515智能聲音處理器。eS325采用真正的三路麥克風(fēng)、移動去回聲和超級寬帶噪音抑制語音技術(shù)，專利的ASR Assist技術(shù)實現(xiàn)優(yōu)化的自動語音識別，用于多媒體則可實現(xiàn)移動音頻變焦和增強型高清立體式錄音。兩種處理器的框圖如下所示。欲了解詳情請點擊http://audience.com/products/our-processors/。 
eS325高級語音處理器
eS515智能聲音處理器 目前，Audience公司的earSmart技術(shù)主要用于高端應(yīng)用。據(jù)介紹，市場價格高于2000元的多款最新智能手機采用了Audience公司的的產(chǎn)品，如三星Galaxy S4和華為Ascend D2、Mate。另外，Audience與產(chǎn)業(yè)生態(tài)系統(tǒng)的各方展開積極合作，尤其是與科大訊飛的配合最醒目。在現(xiàn)場演示中，科大訊飛的語音識別軟件與Audience公司的earSmart技術(shù)相結(jié)合，移動產(chǎn)品在嘈雜環(huán)境下的語音識別速度與精度的確令人贊嘆。 |
