當身邊有人在狂歡時,在別人狂歡時要學會離場-ESG跨境

當身邊有人在狂歡時,在別人狂歡時要學會離場

當你身邊有人在聚會的時候。

無論是人們在說話，孩子們在玩耍，隔壁的建筑工人，還是一只寵物狗試圖從前廊嚇跑一只想象中的怪物，當試圖在Skype上打電話時，背景噪音真的聽不見。

不過這種情況在Skype會有很大改善

今天我向大家介紹的是

Skype桌面應用的最新背景降噪功能

當你用Skype和對方通話時，除了你自己的聲音之外，消除幾乎所有的聲音。

在設(shè)置中，點擊音頻和視頻，找到“噪音消除”選項，調(diào)整周圍的聲音。

取消調(diào)整通話的Skype選項。

以下是可用的選項:

自動(默認)Skype應用程序?qū)⒏鶕?jù)您的環(huán)境調(diào)整噪音抑制水平。

低將抑制低水平的持續(xù)背景噪音，如計算機風扇或空調(diào)。但是，如果您想要共享正在播放的音樂，您可以使用此設(shè)置。

高所有背景聲音，除了語音，將被取消。

關(guān)閉噪音取消已被禁用。

注:啟用此選項將使用更多的計算機資源，因為降噪發(fā)生在所用的設(shè)備上，而不是Skype。

真的有這么神奇嗎

如果你想知道它是如何工作的，請繼續(xù)讀下去。

它的工作原理是對音源進行分析，然后利用經(jīng)過專門訓練的深度神經(jīng)網(wǎng)絡，在不影響說話人聲音的情況下，過濾掉噪音。雖然傳統(tǒng)的降噪算法可以解決簡單而一致的噪音(例如風扇發(fā)出的噪音)，但這些神經(jīng)網(wǎng)絡可以學習區(qū)分語音和更復雜和不一致的噪音(例如在鍵盤上打字，食物包裝紙的吱嘎聲，對，還有那只狗的嚎叫聲)。

這項技術(shù)依靠機器學習(ML)來學習凈化語音和噪音的區(qū)別，也就是通常所說的人工智能(AI)。使用一個有代表性的數(shù)據(jù)集來訓練ML模型，以便它能在我們的Skype用戶遇到的大多數(shù)情況下工作。在純語音、噪音類型和用戶加入在線電話的環(huán)境方面，數(shù)據(jù)集需要有足夠的多樣性。

為了實現(xiàn)這種多樣性，我們使用的數(shù)據(jù)集包含大約760小時的純語音數(shù)據(jù)和180小時的噪聲數(shù)據(jù)。為了遵守微軟嚴格的隱私標準，沒有為此數(shù)據(jù)集收集任何客戶數(shù)據(jù)。相反，我們使用公開可用的數(shù)據(jù)或眾包來收集特定的場景。對于純語音，我們平衡地使用男性和女性的聲音。我們還收集了10多種語言(包括聲調(diào)語言)的數(shù)據(jù)，以幫助確保模型不會扭曲單詞的聲調(diào)，從而改變句子的意思。對于噪音數(shù)據(jù)，我們包括了150種噪音，以覆蓋用戶可能遇到的各種場景，從鍵盤輸入到流水到打鼾。我們也在純言語中包含情緒，以防止笑或哭等表達受到抑制。用戶加入Skype會議的環(huán)境特征對語音信號也有很大影響。為了捕捉這種多樣性，我們使用來自3000多個真實房間環(huán)境和115000多個合成房間的數(shù)據(jù)來訓練我們的模型。

當我們采用深度學習時，擁有一個強大的模型訓練基礎(chǔ)結(jié)構(gòu)是很重要的。我們使用Microsoft Azure使團隊能夠開發(fā)ML模型的改進版本。從噪聲中提取原始純凈語音的另一個挑戰(zhàn)是以人類耳朵認為自然和愉快的方式。由于沒有與人類感知高度相關(guān)的客觀指標，我們開發(fā)了一個框架，使我們能夠?qū)⑻幚砗蟮囊纛l樣本發(fā)快遞給眾包供應商，它們的音頻質(zhì)量將由人類聽眾在一到五顆星的范圍內(nèi)進行評級，以獲得平均意見得分(MOS)。在這些人類分數(shù)的幫助下，我們可以開發(fā)新的感知指數(shù)，并且在人類主觀分數(shù)的幫助下，我們在提高深度學習模型的質(zhì)量方面取得了快速進展。為了促進這一領(lǐng)域的研究，我們開源了感知質(zhì)量的數(shù)據(jù)集和眾包框架。

最后，我們創(chuàng)建了一個deep 學習模型，以便在Skype桌面應用程序上實時高效運行。通過針對人類感知進行優(yōu)化，我們可以在質(zhì)量和復雜性之間實現(xiàn)良好的妥協(xié)，這意味著用戶使用的大多數(shù)Windows設(shè)備都可以利用基于人工智能的降噪功能。

特別聲明：以上文章內(nèi)容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關(guān)于作品內(nèi)容、版權(quán)或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。