Исследователи Вашингтонского университета (UW) разработали инновационную систему искусственного интеллекта (ИИ), которая позволяет наушникам с шумоподавлением изолировать и усиливать голос одного говорящего в шумной обстановке, позволяя пользователям фокусироваться на конкретных людях, просто глядя на них.

Система получила название Target Speech Hearing (TSH). Она основана на предыдущей работе команды над "семантическим слухом", который позволяет пользователям выбирать конкретные классы звуков, на которых они могут сосредоточиться, при этом отменяя другие звуки в окружающей среде.

Система TSH работает за счет оснащения готовых наушников микрофонами и встроенной нейросетью. Чтобы выделить голос конкретного говорящего, пользователю нужно просто смотреть на него в течение трех-пяти секунд, одновременно нажимая кнопку на наушниках. Это запускает процесс "регистрации", во время которого наушники улавливают звуковые сигналы от целевого динамика.

ИИ анализирует эти сигналы в режиме реального времени, чтобы определить уникальные голосовые паттерны говорящего, которые затем отправляются в другую нейронную сеть, которой поручено непрерывно отделять голос собеседника от фонового шума.

После этого система может "закрепиться" за голосом говорящего, позволяя пользователю четко слышать изолированный голос даже при движении или вдали от говорящего.

Система TSH может принести значительную пользу людям с частичной потерей слуха или тем, кто часто оказывается в шумной обстановке, где вести беседу может быть непросто. Исследователи с оптимизмом смотрят на будущие модификации, которые позволят устранить существующие ограничения, такие как возможность одновременной регистрации нескольких говорящих и изоляции голосов в более сложных слуховых условиях. Планируется адаптировать эту технологию для использования в наушниках и слуховых аппаратах, что может значительно расширить ее доступность и функциональность для более широкого круга пользователей.