科技| AI智能耳机自动锁定对话对象　嘈杂环境中提升聆听清晰度

[星岛综合报道] 在多人同时交谈的嘈杂环境中，听力受限人士往往最为吃力。即使配戴助听器，亦难以在众声喧哗中清楚分辨对话对象的声音。美国华盛顿大学研究团队近日展示一项新型智能耳机技术，透过人工智能分析对话节奏，自动判断用家正在交谈的对象，并即时加强该名说话者的声音，尝试解决长期困扰助听设备的“鸡尾酒会效应”。

所谓“鸡尾酒会效应”，是指助听器在放大声音时，难以只强化单一说话者的声音，往往会把周围所有声音一并放大。当多人在同一空间同时交谈、插话，对用家而言反而更混乱，对话体验大打折扣。

过去数年，华盛顿大学研究人员曾开发多项技术，包括透过头部朝向锁定说话者，或建立“声音气泡”，只接收一定距离内的声音。不过，这类方案仍需要用家刻意转头，或在多名说话者位于同一距离时失效。

最新展示的技术，则尝试从“对话本身”入手。研究团队在一副市售降噪罩耳式耳机上，加入双耳（binaural）收音咪及两套AI系统。

第一套AI会先把用家的声音设定为“锚点”，再辨识周边其他说话者的声音特征。系统会分析谁与用家存在“轮流说话”的节奏——换言之，两者说话重叠极少，符合自然对话的模式，从而推断出真正的对话对象。

当目标说话者被锁定后，第二套AI系统便会把该人的声音从背景中分离出来，并即时加强播放至耳机中。整个过程毋须用家作出任何手动选择，属于主动式运作。

研究指出，系统在播放时虽然存在轻微延迟，但实际感受并不明显，对对话流畅度影响有限。现阶段技术可同时应付最多四名说话者（不包括用家）的群组对话，显示其在小型社交场合具一定实用潜力。

目前该技术仍以罩耳式耳机作示范平台，研究团队期望日后可缩小至真无线耳塞，甚至整合至助听器产品之中。系统已在英语、普通话及日语对话中完成测试，至于其他语言及不同语速、语调的适应能力，仍有待进一步验证。

论文第一作者、华盛顿大学博士生胡桂林（Guilin Hu）表示，过往相关技术多要求用家自行选择收听对象或距离，实际使用体验并不理想。“我们这次展示的是一种更主动的技术，系统能在非侵入式情况下，自动推断用家的对话意图。”

该研究由Gollakota教授带领，论文已于中国苏州举行的“自然语言处理实证方法国际会议（EMNLP）”上发表。研究团队亦已公开示范影片，展示技术在真实嘈杂环境中的运作效果。

图片：Hu et al./EMNLP

T10