微信邦

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

返回列表 发新帖
查看: 4961|回复: 0

“噪音猎人”

[复制链接]
发表于 2021-1-6 20:56:07 | 显示全部楼层 |阅读模式
生活圈制作
今天,给各位介绍一群“不务正业”的腾讯人,他们在江湖上被称作“噪音猎人”。
他们沉浸在实验室,也穿梭在菜市场、游荡在马路边噪音是他们的猎物,被狙击、捕获、并销毁。高超的猎取技巧,正在让一群特殊的人告别噪音,让他们“听清”这个世界。


主笔:罐子
编辑:叉叉
联合出品:腾讯产业互联网公众号 腾讯新闻

“猪肉铺的老板开始剁肉末了,走!” 王燕南两眼发光,如同饿虎扑食一般冲过去。他的好搭档手里举着电脑,差点没跟上。 一根收音棒伸到了桌子前,听着砍刀和砧板激烈碰撞的声音,王燕南如获珍宝。
“小伙子,我看你好几天啦。不来两斤五花肉吗?”肉铺老板瞅了一眼身穿衬衫、文质彬彬的王燕南,调侃道。 这是一个普通工作日的下午,王燕南穿梭在菜市场的第五天,这些天他已经捕捉到大量吆喝声、剁肉声、脚步声以及它们交融在一起的声音。
但是这些还远远不够,他马上还要去深南大道旁捕捉汽车的轰鸣声。

这群“带薪买菜”的工程师,来自腾讯多媒体实验室一支研究AI降噪技术的团队。他们的日常工作就是和噪音打交道——采集它,并消灭它。

同事戏称他们是“噪音猎人”。

和噪音作战!


为什么要死磕噪音? “电话早在一百多年前就发明了,但是人类却一直没有解决通话噪音的问题。”王燕南摇着头说道。 王燕南是AI降噪团队中的成员,一名来自中科大的博士。从本科到硕士再到博士,多年的音频领域研究让他对声音极其敏感,深知噪音的影响,也笃定降噪技术能给人们生活带来改变。 放眼人类一百多年的语音通话史,其实也是一段对抗噪音的历史。

通话设备不断更新迭代,我们能在路上、在人群中随时随地通话,甚至希望距离麦克风数米远也能正常对话,这些场景对降噪技术提出了更高的要求。 王燕南举了一个例子,“在菜市场,之所以能清晰地听到猪肉铺老板说话,是因为耳朵选择性屏蔽了剁肉声。而我们团队要做的,就是让机器设备也能像人一样。” 因此,想要消除噪音,只需要识别噪音,再进行主动干预。 这个看似简单的答案却困扰了技术人员上百年,因为其难点在于识别哪些是噪音。王燕南和团队早已意识到,声音处理是最难的——声音数据是一维、图像是二维、视频是三维,维度越少难度越高。

他们找来了AI的加持。


“我们会采集大量的声音数据,做裁剪和清洗、提取特征,再加入模型训练,如果模型准确率达不到99%,我们会持续收集,一直做到标准为止。” 这才有了本文开篇,王燕南在菜市场捕捉声音、采集样本的画面。 只不过,在捕捉菜市场这些“高级”噪音之前,他们更多是在办公室试验。 项目初期,同事们每天都会看到王燕南拿着收音棒四处游荡。

捕捉同事的键盘声、制造关门碰撞声、来回放杯子的声音、抽纸巾的声音,他几乎把办公室里能想到的噪音都采集了。 通过海量的采集和应用,基于机器学习的AI降噪模型,团队将识别率提升到了96.2%,超越了大多数开源模型。


此时的他们,还不知道一场席卷全球的疫情即将到来,远程办公需求催生了一款亿级用户产品——腾讯会议的诞生,而幕后的核心技术正是这群工程师们研发的AI降噪技术。  

也正因为这群“不务正业”的工程师,在距离他们200公里外的佛山,一个重度听障小女孩晓婷的生活发生了巨大变化。



只为唤醒“沉睡的耳朵”


时间回到十五年前,一个佛山普通家庭的小女孩出生,她叫晓婷。 晓婷一出生就听不见声音,但没有人发现。她喜欢跳舞,一岁多就会跟着外面商店的音乐声跳舞。妈妈后来才知道,她听不见,是看着音箱上的灯光闪烁舞动。 直到两岁,她还不会说话。去医院检查才发现,她是先天失聪。 鼓声成为她和舞蹈世界唯一的连接方式。 她听不见音乐,只能通过脚尖感觉音乐鼓点的震动,努力记忆动作。有时候,连音乐的震动声都感觉不到,她就在心里默默数拍子,跟上节奏。 尽管如此,她们很快得知一个更艰难的事实:随着晓婷长大,听力将继续衰减,这仅有的鼓声,也将从她的听觉里消失。

2018年,转机出现了。


广东把人工耳蜗纳入社保,晓婷拿到其中一个宝贵的免费名额。手术一个月后,晓婷的人工耳蜗开机了。她第一次从妈妈翕动的嘴唇里,听到了自己的名字,“你叫宋晓婷”。 戴上耳蜗后的晓婷,第一次自己下楼去超市、过马路、坐公交……一个有声的世界,在她面前徐徐展开。 那一年,晓婷登上了中央电视台少儿春节联欢晚会的舞台。晓婷穿着碧绿长裙,在舞台中央露出了灿烂笑容。 外界看来,戴上人工耳蜗,听见声音似乎已经改变了这个女孩的命运。她变得自信,未来开始充满无限可能。但是事实并非如此。

我能听到,但我听不懂。

实际上,就像晓婷跟妈妈说的,“听得见”不意味着“听得清”。她听到的声音,仍然与正常人有着很大差距。人工耳蜗传到她耳朵里的声音,大部分都是噪音,没有细节。 你可以想想一个雾气朦胧的澡堂里,一切都是烟雾缭绕的,你看不清、摸不透。这种像隔着一层布被阻隔、无法确定的声音就是听障人群听到的世界。

2020年,晓婷离开佛山,前往广州念高中。 同一年,这个小女孩的命运和一群工程师发生了交汇。

施展魔法的噪音猎人

“对我们健全人来说,一直在雾气弥漫的场景里看东西,可以想象多么痛苦。对于听障人士而言,他们一辈子,每天24小时,都被困在了这样的环境里。如果我们的技术能够为他们提供一些帮助,让他们听的更清楚,那真是一件非常有意义的事情。”

因为工作需要,常年和噪声打交道的商世东接触到“听障人群”后,萌生了这个想法。 商世东是腾讯多媒体实验室AI降噪技术研究的负责人,25年来一直扎根音频领域研究。目睹了音频技术迭代的历史。“科技可以改善生活 ,也可以弥补缺陷”,这一次,他将目光投向了听障人士。



“公开资料显示中国有8500多万残疾人,但在生活中,你很少感知到他们的存在,就像你很少见到盲道上有盲人行走”,商世东认为,“这是因为我们的‘无障碍建设’做得还不够好”。 萌生了这个想法之后,商世东和团队针对听障人群做了大量调研,也分析了国内外很多关于降噪技术在听障方面的应用的研究,发现“噪声”确实是困扰听障人群的一大障碍。

商世东很快找到了国内人工耳蜗厂商诺尔康,双方一拍即合,决定研发由AI降噪技术加持的新一代的人工耳蜗。 晓婷,成为了新一代人工耳蜗的早期试用者。 “她非常兴奋、非常高兴,整个人的状态非常好。她本身就是一个蛮活泼的小姑娘。”商世东回忆起看到晓婷戴上新一代人工耳蜗之后的场景。 用上AI降噪技术之后,晓婷不仅能够听清鸟叫,风的声音、甚至能透过嘈杂的环境声听到妈妈的声音。

AI降噪技术,唤醒了晓婷沉睡的耳朵,更加细腻鲜活的声音细节涌入了她的世界。她说,“好像施展了魔法,我耳中的噪音被猎人带走了。” 然而,施展魔法的噪音猎人,一开始的研发并不顺利。

从IDEA提出到算法验证及产品DEMO落地,商世东和诺尔康的技术团队,用了近一年时间,期间经历无数次版本迭代。 人工耳蜗芯片体积有限,兼容差、计算能力弱,不足以承载大量的运算。经历了反复探讨和验证,他们找到了解决方案——手机伴侣加人工耳蜗。 简而言之,就是将计算处理过程转移到手机上,由手机对信号进行处理、过滤,再通过蓝牙设备,将信号发送到人工耳蜗。 而手机伴侣的解决方案,对延迟要求极高,一旦超过200毫秒人将会感到不适。就像看电影一样,声音如果延迟视频画面,观众就能明显地感到不舒服。

面对巨大的挑战,商世东带领团队连续熬夜攻坚,试图找到一种更快速的AI算法。最终,结合腾讯会议上的经验和配置数据,将延迟控制到150毫秒以内。

2020年9月27日,正值国际聋人日,新一代人工耳蜗的试戴者晓婷和爸爸妈妈一起来到了深圳,终于见到了捉走她耳朵中噪声的“猎人”——商世东和他的团队。 当天,腾讯多媒体实验室宣布联合深圳市无障碍信息研究会、腾讯公益基金会等机构,面向行业开放天籁音频AI降噪技术,发起”天籁行动“,希望更多像诺尔康这样的厂商和开发者加入到关注听障人群行业。 “过去我们的工作更聚焦在技术算法突破和产品研发方面,没有想到我们的技术还可以给听障人群的生活带来一些改变,这让我和团队受到非常大的鼓舞。”商世东从晓婷身上看到了技术的无限可能性。

“接下来我们希望把算法做得更好,在帮助更多听障人士听得更清楚的同时,也可以探索AI降噪技术的更多应用场景,比如五六十岁的老年人,他们的听力退化之后,也可以通过我们的技术提升。” 这群噪音猎人,也是腾讯“不务正业”产业人的一个缩影,他们在街巷之间捕获噪音,也狙击噪音,唤醒沉睡的耳朵。

他们正在用技术不断改善这个世界,让世界的边角细节,更加清晰。

1月7日晚19:30腾讯程序员视频号直播

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

微信邦网联系QQ|Archiver|手机版|小黑屋|鲁公网安备 37082802000167号|微信邦 ( 鲁ICP备19043418号-5

GMT+8, 2021-1-16 13:10 , Processed in 0.124978 second(s), 22 queries .

Powered by Discuz! X3.2

© 2001-2013 Wxuse Inc. | Style by ytl QQ:1400069288

快速回复 返回顶部 返回列表