Microsoft će donijeti suzbijanje buke temeljeno na umjetnoj inteligenciji u Microsoft Teams na Mac i mobilnim platformama

Prošli mjesec, Microsoft najavio uvođenje značajke za suzbijanje buke u pozadini u stvarnom vremenu za korisnike Microsoft Teams Windows desktopa. Ova značajka može potisnuti nepotrebnu buku kao što je miješanje papira, lupanje vratima i lavež pasa tijekom Teams poziva. Supresija buke temeljena na umjetnoj inteligenciji radi analizom audiozapisa pojedinca i korištenjem posebno uvježbanih dubokih neuronskih mreža za filtriranje buke i zadržavanje samo govornog signala. Microsoft je danas najavio da radi na uvođenju suzbijanja buke temeljenog na umjetnoj inteligenciji u Microsoftove timove na Mac i mobilnim platformama.

Microsoft je danas također objasnio kako su razvili ovu značajku bez korištenja stvarnih podataka o korisnicima. Microsoft je optimizirao model dubokog učenja na način da se može učinkovito izvoditi na Teams desktop klijentu u stvarnom vremenu bez velikih troškova.

Kako bismo postigli ovu raznolikost skupova podataka, stvorili smo veliki skup podataka s približno 760 sati čistih govornih podataka i 180 sati podataka o buci. Kako bismo bili u skladu sa strogim Microsoftovim standardima privatnosti, osigurali smo da se za ovaj skup podataka ne prikupljaju podaci o korisnicima. Umjesto toga, koristili smo javno dostupne podatke ili crowdsourcing za prikupljanje specifičnih scenarija. Za čist govor osigurali smo ravnotežu ženskog i muškog govora te smo prikupili podatke iz 10+ jezika koji također uključuju tonske jezike kako bismo osigurali da naš model neće promijeniti značenje rečenice iskrivljavanjem tona riječi. Za podatke o buci uključili smo 150 vrsta buke kako bismo osigurali pokrivanje različitih scenarija na koje naši kupci mogu naići, od tipkanja po tipkovnici do ispiranja vode u WC-u ili hrkanja. Drugi važan aspekt bio je uključiti emocije u naš čist govor kako se izrazi poput smijeha ili plača ne bi potisnuli. Karakteristike okruženja iz kojeg se naši klijenti pridružuju svojim online sastancima timova također imaju snažan utjecaj na govorni signal. Kako bismo uhvatili tu raznolikost, obučili smo naš model s podacima iz više od 3,000 stvarnih okruženja prostorija i više od 115,000 XNUMX sintetički stvorenih soba.

Budući da koristimo duboko učenje, važno je imati snažan model infrastrukture za obuku. Koristimo Microsoft Azure kako bismo našem timu omogućili razvoj poboljšanih verzija našeg ML modela. Drugi izazov je da izdvajanje izvornog čistog govora iz buke treba biti izvedeno na način koji ljudsko uho percipira kao prirodan i ugodan. Budući da ne postoje objektivni pokazatelji koji su u velikoj mjeri povezani s ljudskom percepcijom, razvili smo okvir koji nam je omogućio slanje obrađenih audio uzoraka dobavljačima crowdsourcinga gdje su ljudski slušatelji ocjenjivali svoju kvalitetu zvuka na ljestvici od jedne do pet zvjezdica kako bi dobili prosječne ocjene mišljenja (MOS). S ovim ljudskim ocjenama uspjeli smo razviti novu percepcijsku metriku koja nam je zajedno sa subjektivnim ljudskim ocjenama omogućila brz napredak u poboljšanju kvalitete naših modela dubokog učenja.

Evo kako možete omogućiti značajku suzbijanja buke u timovima:

1. Odaberite svoju profilnu sliku u gornjem desnom kutu Teams, a zatim odaberite Postavke.

2. odabrati Uređaji s lijeve strane, a zatim ispod Utišavanje buke, odaberite opciju.

3. Iz prozora sastanka:
   1. odabrati Više mogućnosti  u kontrolama sastanka, a zatim odaberite Postavke uređaja.

   2. Pod Utišavanje buke, odaberite opciju.

Izvor: microsoft