توسعه سیستم نویز کنسلینگ مبتنی بر هوش مصنوعی برای هدفونها
در این مقاله به توسعه سیستم نویز کنسلینگ میپردازیم و آن را بررسی میکنیم. پژوهشگران دانشگاه واشنگتن یک سیستم مبتنی بر هوش مصنوعی به نام “هدفگیری گفتار” برای هدفون توسعه دادهاند که به شما اجازه میدهد در محیطهای پر سر و صدا فقط بر روی صدای یک گوینده تمرکز کنید. این کار با نگاه کردن به گوینده برای مدت 3 تا 5 ثانیه و فشردن یک دکمه انجام میشود. اگر به تاریخچه این قابلیت علاقهمند هستید حتما مقاله تاریخچه نویزکنسلینگ (Noise Cancellation) را مطالعه کنید.
در دنیایی که سر و صداهای محیطی به بخش اجتنابناپذیری از زندگی روزمره تبدیل شدهاند، توانایی تمرکز بر روی صدای خاصی از اهمیت بسیاری برخوردار است. تصور کنید در یک رستوران شلوغ یا یک سالن کنفرانس پرجمعیت هستید و میخواهید فقط به صدای دوست یا سخنران گوش دهید. پژوهشگران دانشگاه واشنگتن با توسعه یک سیستم مبتنی بر هوش مصنوعی این رویا را به واقعیت نزدیک کردهاند.
جزئیات کلیدی
- این سیستم از هوش مصنوعی برای جداسازی صدای گوینده هدف استفاده میکند. میکروفون باینورال صدای گوینده را با حاشیه خطای 16 درجه تشخیص میدهند.
- صدای ضبط شده به یک کامپیوتر تعبیه شده منتقل میشود که با استفاده از کدهای یادگیری ماشین، الگوهای صوتی را بررسی کرده و نویز محیطی را حذف میکند.
- در حال حاضر، سیستم فقط میتواند یک گوینده را در هر زمان ثبت کند و ممکن است در صورت وجود صدای بلند دیگر از همان جهت، عملکرد آن تحت تأثیر قرار گیرد.
- پژوهشگران از هدفونهای اصلاحشده هدفون سونی wh1000xm4 با میکروفون باینورال و یک CPU تعبیه شده Orange Pi 5B در آزمایشها استفاده کردهاند.
- نتایج آزمایش با 21 نفر نشان داد که وضوح صدای گوینده ثبتشده به طور متوسط نزدیک به دو برابر صدای فیلتر نشده ارزیابی شد.
- این سیستم بر اساس تحقیقات قبلی تیم در زمینه “شنوایی معنایی” ساخته شده و هنوز به صورت تجاری عرضه نشده است، اما کد آن به صورت آزاد در دسترس است.
- پژوهشگران قصد دارند سیستم را درون ایربادها و سمعکها یکپارچه کنند و امیدوارند که در دسترس بودن منبع باز منجر به بهبودهای بیشتر شود.
اهمیت موضوع
این فناوری یک پیشرفت مهم در قابلیتهای نویز کنسلینگ ارائه میدهد و به شما کنترل بیشتری بر صداهای مورد نظر خود میدهد. این سیستم میتواند در سناریوهای مختلفی که ارتباط واضح در محیطهای پر سر و صدا ضروری است، مانند مکانهای شلوغ یا برای افراد دارای نقص شنوایی، کاربرد داشته باشد.
هدفون نویز کنسلینگ مبتنی بر هوش مصنوعی این امکان را به شما میدهند که فقط بر روی یک صدا تمرکز کنید. این هدفونها از فناوریها و سیستمهای پیشرفته مانند “هدفگیری گفتار” برای دستیابی به این قابلیت استفاده میکنند. پژوهشگران دانشگاه واشنگتن سیستمهایی توسعه دادهاند که به شما این امکان را میدهد در محیطهای پر سر و صدا بر روی صدای یک گوینده تمرکز کنید. به عنوان مثال، با نگاه کردن به یک شخص خاص، هدفونها میتوانند صداهای دیگر را فیلتر کرده و فقط صدای آن شخص را قابل شنیدن کنند.
این فناوری هنوز در مرحله نمونه اولیه است و به صورت تجاری عرضه نشده است. با این حال، پتانسیل بالایی دارد و میتواند در سناریوهای مختلفی مانند تمرکز بر صدای راهنما یا معلم در محیطهای شلوغ مورد استفاده قرار گیرد. هدف این است که تجربه شنیداری هدفمندتر و شخصیتری ارائه دهد، با کاهش تداخل صداهای پسزمینه و امکان ارتباط واضحتر.
هدف نهایی از توسعه این فناوری، ارائه یک تجربه شنیداری با کیفیتتر و کاهش تداخل صداهای پسزمینه است. این امر نه تنها به بهبود کیفیت ارتباطات در محیطهای پر سر و صدا کمک میکند، بلکه به افراد دارای نقص شنوایی نیز امکان میدهد تا بهتر و واضحتر بشنوند. آینده این فناوری با توجه به نتایج مثبت اولیه و برنامههای توسعه بیشتر، بسیار روشن به نظر میرسد و میتواند به یکی از ابزارهای مهم در بهبود کیفیت زندگی افراد تبدیل شود.
کلام آخر
فناوری نویز کنسلینگ مبتنی بر هوش مصنوعی دانشگاه واشنگتن نه تنها یک پیشرفت تکنولوژیکی بلکه یک گام بزرگ به سوی بهبود کیفیت زندگی است. این سیستم با ارائه یک تجربه شنیداری هدفمند و شخصی، توانایی شما را در تمرکز بر صداهای مهم افزایش میدهد و ارتباطات را در محیطهای پر سر و صدا تسهیل میکند. اگر شما نیز به این تکنولوژی علاقه دارید و دوست دارید که بیشتر بدانید مقاله anc چیست ؟ توضیح کامل نویز کنسلینگ را نیز مطالعه کنید.
با وجود اینکه این تکنولوژی هنوز در مرحله نمونه اولیه قرار دارد، پتانسیل بالایی برای تغییر نحوه تعامل ما با دنیای اطراف دارد. آیندهای را تصور کنید که در آن هر کسی میتواند به راحتی و بدون مزاحمت نویزهای محیطی، بر روی صدای مورد نظر خود تمرکز کند. این آینده با تلاشهای پژوهشگران دانشگاه واشنگتن نزدیکتر از همیشه است.
پاسخگوی سوالات شما هستیم
دیدگاهی وجود ندارد!