人工智能可以掩盖视频通话中狗叫声和孩子尖叫声

当社交距离开始保持时，视频通话很快就成为了人际沟通的基本方式。这种工具与面对面会面不同，但仅仅看到其他人的面孔就让典型的纯音频电话会议显得过时。然而，现在，经过几个月的隔离，视频通话的新鲜感已经消退，烦人的怪癖变得更加明显。背景中吠叫的狗不再像以前那么可爱，任何在头脑风暴期间从皱巴巴的袋子里吃东西而不关闭麦克风的人都应该进复仇者联盟关押超级反派的超级监狱之一。

然而，现在微软和谷歌等公司正在加大人工智能的投入，以消除视频通话过程中恼人的背景噪音。事实上，谷歌刚刚开始向一些 G Suite 企业客户推出其降噪功能，未来几个月将向更多用户推出。

本周，谷歌向 Venture Beat 演示了其开始实施的降噪技术。演示令人印象深刻。演示者、G Suite 产品管理总监 Serge Lachapella 演示了各种不同的声音，包括拍手、弄皱袋子，甚至用金属六角扳手敲击玻璃杯。当他打开降噪功能时，他的声音听起来有点模糊，但几分钟后就清晰了。然而，更重要的是，令人分心的声音几乎完全消失了。

Lachapella 使用的是 Blue Yeti 麦克风，这是播客和流媒体中相当常见的设备，但实现这一魔力的并不是硬件。相反，谷歌依靠基于云的人工智能算法来分析音频，并在你说话时找出令人不快的干扰。

这与我们通常在耳机术语中使用的“降噪”一词不同。在那种情况下，耳机会产生声波，当噪​​音试图进入你的耳朵时，声波会从物理上抵消噪音。在谷歌的案例中——以及其他尝试同样做法的公司——机器人会分析音频，并从信号中去除噪音，然后再将其传输到你的耳机或扬声器。

谷歌对语音识别并不陌生。谷歌助手多年来一直在聆听和解析单词，就在去年，该公司推出了令人惊讶的准确实时转录功能，该功能可以实时以纯文本形式重现对话。谷歌在其新 AI 中利用了这项技术。通过降噪功能，计算发生在云端而不是用户的设备上，因此它对本地处理器的负担甚至不会比资源密集型视频通话更大。

该功能在向用户开放时将默认开启，这意味着有一天你可能会注意到背景声音消失了。如果你喜欢未过滤的音频，你可以进入设置并将其关闭。在某些情况下，你可能想要这样做。例如，唱歌可能会通过过滤器，而背景音乐可能不会。

谷歌并不是唯一一家致力于清理视频通话音频的公司。早在 4 月，微软就展示了一项类似的技术，旨在用于其 Teams 视频聊天功能。它使用了类似的概念：分析音频并过滤掉无法识别为说话的声音。

与谷歌的计划类似，微软的噪音抑制计划也将在未来几个月推出。

与大多数人工智能技术一样，两家公司都希望他们的系统能够随着时间的推移更好地识别不必要的噪音。如果能提供更广泛的数据集和更多的时间来了解应该和不应该过滤什么，最终将使其更加有效。这很好，因为你那些喜欢吃薯片的同事可能不会计划在短期内换成更安静的零食。