Microsoft prinesie potlačenie hluku založené na AI do Microsoft Teams na Mac a mobilných platformách

Minulý mesiac Microsoft oznámila, zavedenie funkcie potlačenia hluku na pozadí v reálnom čase pre používateľov počítačov Microsoft Teams Windows. Táto funkcia dokáže potlačiť zbytočný hluk, ako je miešanie papierov, búchanie dverami a štekot psov počas hovoru v tíme. Potláčanie hluku založené na AI funguje tak, že analyzuje audio signál jednotlivca a používa špeciálne trénované hlboké neurónové siete na odfiltrovanie šumu a uchovanie iba rečového signálu. Microsoft dnes oznámil, že pracuje na tom, aby priniesol potlačenie hluku založeného na AI do Microsoft Teams na Mac a mobilných platformách.

Microsoft dnes tiež vysvetlil, ako vyvinuli túto funkciu bez použitia skutočných údajov o zákazníkoch. Microsoft optimalizoval model hlbokého učenia tak, aby mohol efektívne bežať na desktopovom klientovi Teams v reálnom čase bez veľkých nákladov.

Aby sme dosiahli túto rozmanitosť množiny údajov, vytvorili sme veľkú množinu údajov s približne 760 hodinami údajov čistej reči a 180 hodinami údajov o šume. Aby sme vyhoveli prísnym štandardom ochrany osobných údajov spoločnosti Microsoft, zabezpečili sme, že sa pre tento súbor údajov nezhromažďujú žiadne údaje o zákazníkoch. Namiesto toho sme na zozbieranie konkrétnych scenárov použili buď verejne dostupné údaje, alebo crowdsourcing. Pre čistú reč sme zabezpečili rovnováhu medzi ženskou a mužskou rečou a zhromaždili sme údaje z 10+ jazykov, ktoré zahŕňajú aj tónové jazyky, aby sme zabezpečili, že náš model nezmení význam vety skreslením tónu slov. Pre údaje o hluku sme zahrnuli 150 typov hluku, aby sme zaistili, že pokryjeme rôzne scenáre, s ktorými sa naši zákazníci môžu stretnúť, od písania na klávesnici až po splachovanie toalety alebo chrápanie. Ďalším dôležitým aspektom bolo zahrnúť emócie do našej čistej reči, aby neboli potlačené prejavy ako smiech či plač. Charakteristiky prostredia, z ktorého sa naši zákazníci pripájajú k online stretnutiam Teams, majú silný vplyv aj na rečový signál. Aby sme zachytili túto rozmanitosť, trénovali sme náš model s údajmi z viac ako 3,000 115,000 prostredí skutočných miestností a viac ako XNUMX XNUMX synteticky vytvorených miestností.

Keďže používame hlboké vzdelávanie, je dôležité mať výkonnú modelovú školiacu infraštruktúru. Používame Microsoft Azure, aby sme umožnili nášmu tímu vyvíjať vylepšené verzie nášho modelu ML. Ďalšou výzvou je, že extrakciu pôvodnej čistej reči z hluku je potrebné robiť tak, aby to ľudské ucho vnímalo ako prirodzené a príjemné. Keďže neexistujú žiadne objektívne metriky, ktoré by vysoko korelovali s ľudským vnímaním, vyvinuli sme rámec, ktorý nám umožnil posielať spracované zvukové vzorky dodávateľom crowdsourcingu, kde ľudskí poslucháči hodnotili kvalitu zvuku na stupnici od jednej do piatich hviezdičiek, aby vytvorili priemerné skóre názorov. (MOS). S týmito ľudskými hodnoteniami sme dokázali vyvinúť novú percepčnú metriku, ktorá nám spolu so subjektívnymi ľudskými hodnoteniami umožnila dosiahnuť rýchly pokrok v zlepšovaní kvality našich modelov hlbokého učenia.

Tu je postup, ako môžete povoliť funkciu potlačenia hluku v aplikácii Teams:

1. Vyberte svoj profilový obrázok v pravej hornej časti aplikácie Teams a potom vyberte nastavenie.

2. vybrať Zariadenia vľavo a potom pod Potlačenie hluku, vyberte možnosť.

3. Z okna stretnutia:
   1. vybrať Viac možností  v ovládacích prvkoch schôdze a potom vyberte Nastavenia zariadenia.

   2. pod Potlačenie hluku, vyberte možnosť.

zdroj: Microsoft