索尼最新黑科技“AI聲音分離技術(shù)”首亮相：可提高語音識別能力

2021-07-27 08:42:02來源：IT之家

7 月 26 日消息索尼公司今日發(fā)布文章，介紹了索尼的一項“黑科技”創(chuàng)新成果 ——AI 聲音分離技術(shù)。這項技術(shù)可以從混合的音源中提取出單個的聲音。由于聲音信號僅有兩個維度，傳統(tǒng)技術(shù)對聲音進(jìn)行分離十分困難，但是在 2013 年，索尼引入 AI 人工智能技術(shù)，在這個領(lǐng)域更進(jìn)一步。

目前，這項技術(shù)在復(fù)原經(jīng)典電影、消除智能手機(jī)的噪音、實現(xiàn)音樂流媒體服務(wù)的實時卡拉 OK 功能等方面已經(jīng)取得了成果，未來還將應(yīng)用到更多領(lǐng)域。

索尼研發(fā)人員光藤祐基在接受采訪時表示：AI 聲音分離技術(shù)可以從音頻數(shù)據(jù)中去除不必要的噪音，只提取人聲或其他特定樂器的聲音。當(dāng)人類在聆聽一場多種聲音混合在一起的表演時，可以分辨出各個樂器，或者在進(jìn)行對話時，即使被一大群人包圍，我們也能自然而然地專注于一個聲音。這些都是人類獨有的能力，而直到近來，計算機(jī)要做到這一點都還是極其困難的。有人將這項任務(wù)描述為混合兩種果汁，之后提取其中一種。但是在過去的幾年里，由于 AI 新方法的引入，這項技術(shù)有了極大的提升。

光藤祐基表示，聲音分離是由 AI 進(jìn)行的，而人們可以教計算機(jī)來完成這個任務(wù)。一把吉他有一個特定的聲音或頻率，這一點可被神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到。無論混合了多少種聲音，我們的 AI 系統(tǒng)都能夠識別這些特征。

另一名索尼的研發(fā)人員尤里奇表示，神經(jīng)網(wǎng)絡(luò)在所謂的訓(xùn)練中能夠?qū)W習(xí)識別音頻特征。在這個訓(xùn)練中，神經(jīng)網(wǎng)絡(luò)會看到很多音樂--比我們一生中聽到的音樂還要多--以及我們應(yīng)該提取的目標(biāo)聲音。這些信息足以讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)聲音分離。

IT之家了解到，很多經(jīng)典電影的對白和音效在同一個音軌上，要想進(jìn)行優(yōu)化，需要從中提取人聲。索尼的 AI 系統(tǒng)能夠成功地從母版中提取單個音效，《阿拉伯的勞倫斯》和《甘地》兩步電影的 4K 重制超清版本中，索尼影視娛樂公司的調(diào)音師用這項技術(shù)提取出聲音，用杜比全景聲進(jìn)行重制，創(chuàng)造了一個沉浸式的聲場。

據(jù)IT之家了解，索尼 AI 聲音分離技術(shù)還能夠應(yīng)用于電影之外的場景，比如清理通過麥克風(fēng)記錄的人類聲音。索尼的自主型娛樂機(jī)器人“小狗”aibo 可以利用該技術(shù)，更好地識別人聲，去除背景噪聲，以提高語音識別能力。對用戶而言最實際的應(yīng)用，是利用聲音分離技術(shù)，將歌曲中的原唱分離出去，制作成卡拉 OK 伴奏。

光藤祐基還表示，希望技術(shù)能夠像一臺時光機(jī)一樣，讓過去和現(xiàn)在的藝術(shù)家能夠跨時空合作。索尼 PCL 和索尼音樂解決方案剛剛開始使用我們的技術(shù)對外提供服務(wù)，所以肯定會有更多的應(yīng)用，非常期待未來的前景。

標(biāo)簽：索尼黑科技