你是否曾在視頻會議中，被背景噪音干擾，聽不清對方講話？又是否在觀看在線課程時，因混響問題而苦惱，影響學習體驗？…… 這些干擾溝通的音頻雜音，如何從 “無解” 變為 “可消”？答案藏在一場充滿意外的科研旅程中。去年榮獲“廣東好人”稱號，視源股份的音頻專家劉榮帶領團隊，用生活噪音作燃料、以浴室靈感為火種，打破傳統技術瓶頸，將復雜聲場化作清晰人聲—— 這場靜悄悄的音頻革命，讓聲音從此告別模糊，讓每一句對話都回歸清晰與純粹。
有意思的是，劉榮帶領團隊在布滿荊棘的研發道路上，上演了一段充滿挑戰與驚喜的特殊“噪聲” 收集故事。
順著這段奇妙的探索軌跡深入探尋，在視源股份的研發故事里，有這樣一群人，他們的行為乍一看有些奇怪。在會議室中，常常能看到兩三人一組，帶著各種奇怪的“裝備”。桌子上擺滿了各式各樣的筆、形狀各異的茶杯，還有尺子、裝修用的小管子、瓷磚碎片等物品。他們神情專注，既不交談，也不做常規的會議記錄，而是拿著這些物品，在會議室的各個角落“折騰”。一會兒在桌子上用力丟筆，一會兒用茶杯在不同位置輕敲桌面，甚至拿著尺子在屏幕上寫寫畫畫，還讓裝修材料相互碰撞，整個會議室充斥著各種奇怪的聲音。
原來，他們是在為音頻降噪技術的研發錄制噪聲數據。這些看似毫無頭緒的噪聲，在劉榮的團隊里，可是極為寶貴的“寶貝”。“這些噪聲數據是神經網絡訓練的關鍵‘養料’，是我們實現音頻降噪突破的重要基礎。”劉榮解釋道。
之所以要收集如此多樣的噪聲數據，是為了解決不同場景下的噪聲問題。在音頻降噪技術的模型訓練中，需要輸入帶噪的語音。帶噪語音由純凈語音混合噪聲數據構成，模型的優劣與輸入數據的豐富程度密切相關。“簡單來說，模型接觸到的噪聲類型越多，它就越‘見多識廣’，適應能力也就越強，越能精準地識別和消除噪聲。所以，收集大量不同的噪聲數據至關重要。” 劉榮補充道。
而錄制噪聲數據的工作繁瑣又耗時。每次錄制通常由兩三人參與，一組人往往只錄制半小時左右。這是因為每個人操作道具的手法不同，為了保證收集到的數據足夠豐富多樣，就需要不斷更換人員和場地。從不同風格的會議室，到熱鬧程度不同的餐廳，再到忙碌節奏各異的廚房，他們不放過任何一個可能產生獨特噪聲的角落。“雖然過程很辛苦，但只有讓模型接觸到足夠多不同類型的噪聲，它才能變得更‘聰明’，更好地識別和消除噪聲。”劉榮說道。
如今模型的“燃料”越來越豐富。劉榮團隊已積攢下幾十萬條噪聲數據與幾百萬條語音數據。訓練時，這些數據相互搭配，一條噪聲對應一條語音，噪聲幅度隨機調整。如此產生的組合數據可達幾千萬甚至更多，且訓練時均為隨機組合。豐富的數據極大增強了模型的學習能力，為團隊研發的音頻降噪技術筑牢了根基，讓該技術在各類場景應用中表現卓越。
“收集這些噪聲數據，就是為了解決音頻降噪領域那些長期沒攻克的難題。”談及研發初衷，劉榮語氣堅定。早年深耕傳統音頻降噪技術，他在麥克風信號處理領域積累頗豐，卻也清晰認識到傳統方法的局限性：“像高跟鞋走路聲、拍掌聲這類非穩態噪聲，用傳統頻譜分析處理，很難達到理想效果。”
其中，提升語音識別率成為橫在團隊面前的“硬骨頭”。早在2020年左右，團隊就嘗試用降噪后的數據優化語音識別。劉榮回憶道，起初大家滿懷期待，“都覺得降噪后的語音會更利于識別，可實際調試時才發現，無論怎么調整降噪、去混響環節，語音識別率始終原地踏步。” 這個難題持續困擾團隊數月甚至半年，“那段時間，大家翻遍資料、反復試驗，卻始終找不到突破口。”
轉機發生在2023年底的一個夜晚。當時正在洗澡的劉榮，腦海中突然閃過靈感：“傳統信號自適應濾波處理需要參考信號，而應用場景里很難獲取，為什么不能用神經網絡處理后的干凈語音替代呢？”“當時我興奮極了，回去單位之后趕緊進行試驗去驗證該想法。”劉榮回憶道。幸運的是，試驗結果令人驚喜——語音識別率實現大幅躍升：在原本識別率較高的場景，從91%、92%提升至95%、96%；而原本只有60%左右的低識別率場景，更是躍升至80% - 85%。
“這個靈感就像一束光，徹底打開了研發新思路。”回憶起關鍵突破時刻，劉榮仍難掩激動。團隊通過研究發現，這一創新核心在于顯著提升信噪比與信混比，有效攻克了噪聲與混響干擾的難題。
音頻降噪是一個發展數十年的成熟領域，但劉榮團隊另辟蹊徑，聚焦語音信號增強。“我們的目標，就是在嘈雜環境里精準留下人聲。”劉榮解釋道，傳統頻譜分析技術依賴人工標注參數，一遇到復雜場景就難以發揮作用。
2021年底，團隊迎來關鍵突破，將自研的神經網絡降噪和去混響模型應用到MAXHUB智能交互平板上，成為行業首批實現技術落地的團隊。“當時學術界的研究成果雖然不少，但模型參數多、計算量大，根本沒法滿足實時使用的需求。”劉榮回憶說。
為了讓技術真正“能用”，團隊在多個環節大膽創新。當時業界連去混響的訓練數據都沒有，他們就從零開始搭建訓練框架、生成數據，還申請了專利。在模型優化上，通過精簡網絡結構、壓縮計算量，把實驗室里的理論模型變成了能實際運行的產品方案。如今，這套AI音頻處理技術已經涵蓋回聲消除、聲源定位等多個功能。
說起攻克技術難題的過程，劉榮直言“只能硬扛”。團隊一方面緊盯學術界論文、行業競賽，尋找新思路；另一方面扎根實驗室，在服務器上反復調試模型參數。需要采集數據時，他們就帶著設備去會議室、商場等真實場景錄制音頻。“只有讓模型接觸到真實復雜的聲音，才能在實際應用中發揮作用。”
這些努力最終換來了顯著成果。“和老技術相比，現在的降噪效果完全是兩個檔次。”劉榮說，以前處理不了的突發噪聲，現在都能輕松消除。市場反饋也印證了技術實力：過去會議室里常見的“聽不清”抱怨，如今越來越少了。
“現在我們雖然解決了基本的聽清問題，但音頻體驗不能止步于此。”劉榮說道，“我們希望能讓聲音像經過‘美顏’一樣，聽起來更加自然、舒適，給用戶帶來更優質的聽覺享受。”他形象地比喻道，“就像相機從單純拍清楚，發展到如今加入美顏功能，讓照片更賞心悅目。音頻技術也應如此，在保證清晰的基礎上，實現‘美化’升級，帶給用戶來更愉悅的感受。”
目前，團隊正在積極探索基于大模型和生成式方式的音頻處理技術。“我們希望通過識別語音信號中的信息，重新生成高質量的語音，達到類似專業播音的效果。”劉榮充滿信心地說，“雖然這項技術目前還處于早期研究階段，在算法優化、計算效率等方面面臨諸多挑戰，但我們有信心不斷攻克難題，推動音頻降噪技術邁向新的高度。”
從“噪聲獵人” 到 “聲音美容師”，劉榮在音頻降噪領域的創新探索，不僅為視源股份的產品帶來了技術優勢，也為整個行業的發展提供了寶貴的經驗。這位 “廣東好人” 用匠心與智慧，激勵著更多科研人員在技術創新的道路上不斷前行，讓清晰、美好的聲音，成為數字化時代的溝通標配。
返回
