بهبود ورودی صدای دستیار با هوش مصنوعی
وقتی دستیار صدای خودش رو دوباره میشنوه، ابتدای جمله رو جا میاندازه یا در محیط شلوغ بد عمل میکنه، مسیر ورودی رو مرحله به مرحله بررسی کنید.
بهبود ورودی صدای دستیار با هوش مصنوعی زمانی کمک میکنه که یک مشکل شنیداری رو بیدلیل به مدل تشخیص گفتار نسبت ندید. مثلا در لپتاپ با بلندگو، جواب خود دستیار دوباره وارد میکروفون میشه، اما همون مکالمه با هدفون مشکلی نداره. اسکیل voice-audio-frontends مسیر میکروفون، پخش، حذف پژواک و پردازش صدا رو تفکیک میکنه تا برای عوض کردن مدل یا زیاد کردن فیلتر عجله نکنید.
وقتی چند مرحله همزمان نویز رو کم میکنن، اضافه کردن یک مرحله دیگه همیشه بهتر نیست. ممکنه بخشی از صدای واقعی کاربر هم ضعیف بشه و دستیار ابتدای کلمه رو درست نشنوه. میتونید از ایجنت بخواید یک مقایسه کنترلشده بچینه که در هر بار فقط یک تنظیم عوض بشه. نمونهها باید با اجازه تهیه بشن و شرایط دستگاه، فاصله و محیط کنار هر نتیجه ثبت بشه.
کاربردها
- برای حذف پژواک، مسیر صدای خروجی تا ورودی میکروفون رو روی دستگاه مشخص کنید.
- در کاهش نویز، اثر هر مرحله رو جدا گوش بدید و مقایسه کنید.
- برای تست میکروفون، یک جمله ثابت رو با هدفون و بلندگو در شرایط مشابه بسنجید.
- در تشخیص گفتار، افت کیفیت ناشی از ورودی ضعیف رو از خطای مدل جدا بررسی کنید.
- قبل از تغییر تنظیمات عمومی، سناریوی محیط آرام و شلوغ رو جدا آزمایش کنید.
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید. برای بررسی عملی، یک دستگاه با مسیر صوتی مشخص، محیط تست مجاز و یک نمونه ضبطشده دارای اجازه یا جمله آزمایشی لازم دارید. حساب سرویس فقط برای آزمون همون سرویس لازمه.
- مثلا بگید «در حالت بلندگو، دستیار جواب خودش رو میشنوه. یک آزمایش مرحلهای پیشنهاد بده که اثر هدفون، حذف پژواک و فیلتر اضافی رو جدا بسنجیم.»
- نتیجه هر تغییر رو با نمونه پایه مقایسه کنید. اگر پژواک کمتر شده اما بخشی از کلمات هم حذف میشه، هر دو اثر رو پیش از انتخاب تنظیم نهایی ثبت کنید.
سوالات متداول
منبع
ساخته Rob Strayer. نام اصلی: voice-audio-frontends، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub