Fork me on GitHub

 

前记

  随着以AI为核心的智能设备的广泛发展,语音这个非常重要的入口一直是很多厂商争夺的市场。作为音频采集的前端设备,能采集到的距离远,清晰度高,无噪声的信号是一个非常重要的能力。这样就对音频前端降噪提出了新的需求,需要前端降噪更加智能化,更加深度化,更加低成本化。
  面对市场的强劲需求和市场的不断变化,该团队在降噪算法领域经过多年的技术积累和沉淀,把降噪算法推向了一个更深的台阶,让降噪变得更加智能化,音质无损化,使用便捷化。

 

方案特色

  经过用户需求的更新和团队技术的沉淀积累,该降噪方案积累了如下几个特色:

A 根据周围环境噪声强度来动态调整降噪深度:

该模块可以根据周围环境噪声的强弱来自动更新降噪的深度,真正的实现智能降噪。

B 通过AI算法降非稳态噪声:

传统的降噪,是无法降低非稳态噪声的,该方案根据神经网络算法来计算非稳态噪声的特征值。进而进行消除。

C 低功耗vad算法及业界领先芯片:

音频算法是非常消耗资源的,想要把音频算法能够应用到商品上,功耗,芯片计算能力,都是一个非常重要的考验,本平台使用的是国内顶尖的音频芯片,有着功耗低,计算能力强等特点,加上vad的人声检测,可以实现长时间的待机。

D 定制化的降低特定噪声信号:

作为一家以算法为核心的方案公司,我们的优势就是能够根据客户的需求进行个性化的定制服务。可以根据客户的需求进行定制化的音频降噪。

 

效果展示

  下面是本团队的算法的下几个展示。

A 音频信号对比

B 频谱信号对比

 

应用领域

  未来发展方向

A 教育:教学麦克风,教学耳机等
B 娱乐:无线麦克风,无线话筒等。
C 政务:会议麦克风,政务对话机器人等。
D 服务:餐厅对讲机,楼宇对讲机等。

posted on 2020-12-24 14:12  虚生  阅读(1045)  评论(0编辑  收藏  举报