Yandex破解神经网络语音去噪技术

Yandex破解神经网络语音去噪技术
《Yandex破解神经网络语音去噪技术》

Yandex 研究人员发表了一篇科学论文,详细介绍了一种即使在嘈杂环境中也能识别语音命令的神经网络技术。该技术已在 Yandex 智能设备中部署,其关键原理现已向全球开发者开放。该论文已被 Interspeech 2025 大会接受发表。Interspeech 2025 是全球领先的口语语言处理和语音技术会议,将于 2025 年 8 月 17 日至 21 日在荷兰鹿特丹举行。微软、谷歌 DeepMind、谷歌 AR 以及其他知名科技公司和研究机构也将出席此次大会并发表演讲。 

论文中详述的技术使 Yandex 智能设备能够在各种背景噪音(包括音乐、流水声、社交聚会和户外施工)中准确识别语音命令。用户无需暂停吸尘器等电器或大声喊话即可发出命令。这项创新将助力全球企业加速语音助手和语音控制设备的开发,从而减少误激活,并通过更便捷的语音控制提升用户体验。

传统的智能设备和人工智能助手依靠回声抑制算法来过滤背景音乐,并依靠降噪算法来最大限度地降低背景噪音。然而,降噪可能会损害语音清晰度。为了解决这个问题,Yandex 开发了一种神经网络注意力机制,可以同时接收两个输入信号——一个带有降噪功能,另一个带有回声抑制功能。然后,神经网络会选择最清晰的信号,以确保在各种背景噪音下都能实现可靠的语音识别。


Yandex 语音识别主管Dmitry Solodukha表示:迄今为止,尚无在实验室测试和实际条件下都能可靠运行的噪声环境下语音识别标准方法。许多公司和研究人员面临着类似的挑战,但缺乏商业解决方案,这迫使他们不得不投入资源从头构建此类解决方案。通过发布我们的方法,我们希望加速语音界面的创新,帮助其他人避免常见的错误,并最终推动更便捷、更可靠的语音控制设备的开发。