Headphone AI yang Memungkinkan Anda Mendengar Satu Orang di Kerumunan

Di lingkungan yang ramai dan berisik, apakah Anda pernah ingin mematikan semua percakapan latar dan fokus hanya pada orang yang Anda coba dengar? Sementara headphone penghilang kebisingan telah membuat kemajuan besar dalam menciptakan lembaran kosong auditori, mereka masih berjuang untuk memungkinkan suara tertentu dari sekitar pengguna untuk disaring. Tapi bagaimana jika headphone Anda dapat dilatih untuk mendeteksi dan memperkuat suara satu orang, bahkan saat Anda bergerak di sekitar ruangan yang penuh dengan percakapan lain?

Target Speech Hearing (TSH), sebuah sistem AI yang revolusioner yang dikembangkan oleh peneliti di University of Washington, membuat kemajuan dalam hal ini.

Bagaimana Target Speech Hearing Bekerja

Untuk menggunakan TSH, seseorang yang mengenakan headphone khusus hanya perlu melihat individu yang ingin mereka dengar selama beberapa detik. Periode “pendaftaran” singkat ini memungkinkan sistem AI untuk belajar dan mengenali pola vokal unik dari pembicara target.

Berikut adalah bagaimana cara kerjanya di balik layar:

1. Pengguna menekan tombol sambil mengarahkan kepala mereka ke pembicara yang diinginkan selama 3-5 detik.
2. Mikrofon di kedua sisi headset menangkap gelombang suara dari suara pembicara secara bersamaan (dengan margin kesalahan 16 derajat).
3. Headphone mengirim sinyal audio ini ke komputer tertanam.
4. Perangkat lunak pembelajaran mesin menganalisis suara dan membuat model karakteristik vokal unik pembicara.
5. Sistem AI menggunakan model ini untuk mengisolasi dan memperkuat suara pembicara yang terdaftar secara real-time, bahkan saat pengguna bergerak di sekitar lingkungan yang berisik.

Semakin lama pembicara target berbicara, semakin banyak data pelatihan yang diterima sistem, memungkinkan untuk lebih fokus pada dan memperjelas suara yang diinginkan. Pendekatan inovatif ini untuk “pendengaran selektif” membuka kemungkinan baru untuk komunikasi dan aksesibilitas yang ditingkatkan dalam lingkungan auditori yang menantang.

Shyam Gollakota adalah penulis senior makalah dan profesor UW di Paul G. Allen School of Computer Science & Engineering

“Kami cenderung berpikir tentang AI sekarang sebagai chatbot berbasis web yang menjawab pertanyaan. Tapi dalam proyek ini, kami mengembangkan AI untuk memodifikasi persepsi auditori siapa pun yang mengenakan headphone, berdasarkan preferensi mereka. Dengan perangkat kami, Anda sekarang dapat mendengar satu pembicara dengan jelas bahkan jika Anda berada di lingkungan yang berisik dengan banyak orang lain yang berbicara.” – Gollakota

Menguji Headphone AI dengan TSH

Untuk menguji Target Speech Hearing, tim peneliti melakukan studi dengan 21 peserta. Setiap subjek mengenakan headphone TSH dan mendaftarkan pembicara target di lingkungan yang berisik. Hasilnya sangat mengesankan – rata-rata, pengguna menilai kejelasan suara pembicara yang terdaftar hampir dua kali lebih tinggi dibandingkan dengan umpan audio yang tidak disaring.

Pemecahan ini membangun pada pekerjaan tim sebelumnya tentang “pendengaran semantik”, yang memungkinkan pengguna untuk menyaring lingkungan auditori mereka berdasarkan klasifikasi suara yang telah ditentukan sebelumnya, seperti burung berkicau atau suara manusia. TSH mengambil konsep ini lebih jauh dengan memungkinkan amplifikasi selektif suara individu tertentu.

Implikasinya sangat signifikan, dari meningkatkan percakapan pribadi di lingkungan yang berisik hingga meningkatkan aksesibilitas bagi mereka yang memiliki gangguan pendengaran. Saat teknologi ini berkembang, itu bisa secara mendasar mengubah cara kita mengalami dan berinteraksi dengan dunia auditori kita.

Meningkatkan Headphone AI dan Mengatasi Keterbatasan

Sementara Target Speech Hearing mewakili lompatan besar dalam AI auditori, sistem ini memiliki beberapa keterbatasan dalam bentuknya saat ini:

• Pendaftaran pembicara tunggal: Saat ini, TSH hanya dapat dilatih untuk fokus pada satu pembicara pada satu waktu. Mendaftarkan beberapa pembicara secara bersamaan belum memungkinkan.
• Gangguan dari sumber audio serupa: Jika suara lain yang keras berasal dari arah yang sama dengan pembicara target selama proses pendaftaran, sistem mungkin berjuang untuk mengisolasi pola vokal unik pembicara.
• Pendaftaran ulang manual: Jika pengguna tidak puas dengan kualitas audio setelah pelatihan awal, mereka harus mendaftarkan ulang pembicara target secara manual untuk meningkatkan kejelasan.

Meskipun ada keterbatasan ini, tim University of Washington secara aktif bekerja untuk memperbaiki dan memperluas kemampuan TSH. Salah satu tujuan utama mereka adalah meminimalkan teknologi ini, sehingga dapat diintegrasikan secara mulus ke dalam produk konsumen seperti earbud dan alat bantu dengar.

Saat peneliti terus mendorong batas apa yang mungkin dilakukan dengan AI auditori, aplikasi potensial sangat luas, dari meningkatkan produktivitas di lingkungan kantor yang mengganggu hingga memfasilitasi komunikasi yang lebih jelas bagi petugas pertama dan personil militer dalam situasi yang berisiko tinggi. Masa depan pendengaran selektif terlihat cerah, dan Target Speech Hearing siap memainkan peran penting dalam membentuknya.