传统的音频降噪方式!通过AI识别场景，智能降噪

锤子科技在15日坚果TNT工作站发布之后，表情包们集体炸了。

嘘，你不要讲话，吵到我用TNT了

这个表情包吐槽的是9999元起的TNT工作站的工作场景，因为大部分操作需要用到触控+语音识别功能，在背景嘈杂的办公室，你很难让语音清晰识别到你的声音，在各种干扰下你的操作精度将会大打折扣。所以网上还有个段子表示，如果要用TNT工作站来设计，老板必须给每个设计师安排单独的隔音办公室。其实这种情况在目前普遍搭载人工语音智能的设备如手机、音箱中很难普遍，只要稍微有人声干预就会让你的siri识别率大跌。

不过噪音问题其实比你想象中的容易解决，对于罗永浩和锤子科技来说，或许欠缺的只是一颗小小的降噪芯片。

传统的音频降噪方式

目前智能手机中对于环境噪音的处理主要有两种方式：第一种是通过多MIC实现降噪功能。这种方式需要配备降噪MIC，对于用户的使用手势要求很高。如果降噪MIC刚好压住用户的脸部，或者在耳机模式下都无法获得降噪效果，在使用免提模式的时候也会有影响。

第二种是通过在终端设备内置场景降噪的软件，通过算法来实现降噪。这对于终端计算能力有很高要求，一方面对于环境噪声的样本数量有限，另一方面，噪声样本越多，终端的判断时间就会越长，最终影响用户体验。毕竟用户希望对话是能够迅速反应的。

这两种传统的降噪方式都具有各种缺陷，在具体的降噪效果上也是差强人意。

通过AI识别场景，智能降噪

更好的方式是采用独立的降噪芯片来进行降噪。来自***的意腾科技通过一颗搭载AI算法的降噪芯片来实现降噪功能。这种方式的好处是不再需要多个MIC来处理，只需要单MIC就能保证通话模式中实现清晰的语音。此外，这种方式也不需要对噪声样本进行搜索匹配。

这颗降噪芯片其中的核心是一颗专为语音降噪设计的AI处理器，通过3层深度学习网络（DNN网络）实现对原始声音的处理输出，其中每层网络拥有1028个节点。此外，这颗AI处理器的运算能力可以达到1012 ops/W，可以针对特别压缩的声音信号实现计算处理。

通过这颗降噪芯片，之所以不需要对噪声样本进行搜索匹配。主要是因为这颗AI处理器对超过4亿个语音资料样本（包括2亿外文语音样本）进行了机器学习，可通过DNN网络迅速自行找到每段音频最合适的模型和参数。可实现智能识别包括餐厅/集会场所、公交地铁火车站、风噪、音乐噪声等各个噪声场景。

降噪前后效果对比

通过智能场景识别实现的降噪功能有多牛逼？让我们来通过噪声处理前后的音频来实际对比一下：

一般来说，业界都采用SNR（信噪比）来判断降噪功能，SNR是按照国际标准ISO 4969-2检测的单值降噪值。设备的信噪比越高表明它产生的杂音越少。从图表对比中可以看到，经过降噪处理后的SNR实现了大幅度的提升。

据了解，目前意腾科技的降噪音频芯片一共四个型号，分别对应IG200、IG1201、IG1100、IG1102。目前实现的主要功能还是通话降噪和近距离唤醒。此外，目前实现的本地存储的关键词达到4组，预计到Q3会升到10组，通过是支持立体声AEC以及beamforming功能。预计到Q4会推出带声纹识别功能的降噪芯片，这样的话你就再也不用担心下面这个段子的情况会发生了：

“我悄悄来到卖力工作的设计师小王身后，说一句全部删除，小王的心血付之东流。”

最后介绍一下这颗芯片的供应商意腾科技。这家公司的CEO从事半导体行业30年+，之前创立的耀鹏科技曾是三星手机供应商。主要研发团队从2013年开始就研究AI语音降噪算法，目前意腾科技也获得了MTK的投资。值得注意的是，目前高通是采用将AI降噪算法植入到SOC的方式来实现降噪，但这对于SOC的性能和功耗要求颇高，未来是否会采用单独的AI芯片来进行处理，还有待观察。

最后，笔者认为未来语音交互将会成为一种重要的交互手段，TNT的构想在技术的进步之下未必不能实现。让我们对产品创新保持一定的宽容和好奇心。