Fones de Ouvido com IA Permitem que Você Ouvir uma Pessoa em uma Multidão

Em um ambiente barulhento e lotado, já deseitou que você pudesse desligar todo o barulho de fundo e se concentrar apenas na pessoa que você está tentando ouvir? Embora os fones de ouvido com cancelamento de ruído tenham feito grandes progressos em criar uma folha em branco auditiva, eles ainda lutam para permitir que sons específicos do ambiente do usuário sejam filtrados. Mas e se os seus fones de ouvido pudessem ser treinados para captar e amplificar a voz de uma pessoa específica, mesmo enquanto você se move em uma sala cheia de outras conversas?

Target Speech Hearing (TSH), um sistema de IA inovador desenvolvido por pesquisadores da Universidade de Washington, está fazendo progressos nessa área.

Como Funciona o Target Speech Hearing

Para usar o TSH, uma pessoa que usa fones de ouvido especialmente equipados simplesmente precisa olhar para a pessoa que deseja ouvir por alguns segundos. Esse breve período de “matrícula” permite que o sistema de IA aprenda e se fixe nos padrões vocais únicos do falante-alvo.

Aqui está como funciona por trás dos panos:

1. O usuário toca um botão enquanto direciona a cabeça para o falante desejado por 3-5 segundos.
2. Microfones em ambos os lados do headset capturam as ondas sonoras da voz do falante simultaneamente (com uma margem de erro de 16 graus).
3. Os fones de ouvido transmitem esse sinal de áudio para um computador embarcado.
4. O software de aprendizado de máquina analisa a voz e cria um modelo das características vocais distintas do falante.
5. O sistema de IA usa esse modelo para isolar e amplificar a voz do falante matriculado em tempo real, mesmo enquanto o usuário se move em um ambiente barulhento.

Quanto mais o falante-alvo fala, mais dados de treinamento o sistema recebe, permitindo que ele se concentre melhor e clarifique a voz desejada. Essa abordagem inovadora para “audição seletiva” abre um mundo de possibilidades para melhorar a comunicação e a acessibilidade em ambientes auditivos desafiadores.

Shyam Gollakota é o autor sênior do artigo e professor da Universidade de Washington na Escola de Ciência e Engenharia de Computação Paul G. Allen

“Costumamos pensar na IA agora como chatbots baseados na web que respondem perguntas. Mas neste projeto, desenvolvemos a IA para modificar a percepção auditiva de qualquer pessoa que use fones de ouvido, de acordo com as suas preferências. Com nossos dispositivos, você pode agora ouvir um único falante claramente, mesmo que esteja em um ambiente barulhento com muitas outras pessoas falando.” – Gollakota

Testando Fones de Ouvido com IA com o TSH

Para testar o Target Speech Hearing, a equipe de pesquisa realizou um estudo com 21 participantes. Cada participante usou os fones de ouvido habilitados para TSH e matriculou um falante-alvo em um ambiente barulhento. Os resultados foram impressionantes – em média, os usuários avaliaram a clareza da voz do falante matriculado como quase duas vezes mais alta em comparação com o feed de áudio não filtrado.

Essa descoberta se baseia no trabalho anterior da equipe sobre “audição semântica”, que permitia que os usuários filtrasse seu ambiente auditivo com base em classificações de som pré-definidas, como pássaros cantando ou vozes humanas. O TSH leva esse conceito um passo adiante, permitindo a amplificação seletiva da voz de um indivíduo específico.

As implicações são significativas, desde melhorar conversas pessoais em ambientes barulhentos até melhorar a acessibilidade para pessoas com deficiências auditivas. À medida que a tecnologia se desenvolve, ela pode mudar fundamentalmente como experimentamos e interagimos com o nosso mundo auditivo.

Melhorando Fones de Ouvido com IA e Superando Limitações

Embora o Target Speech Hearing represente um grande salto para a IA auditiva, o sistema tem algumas limitações em sua forma atual:

• Matrícula de um único falante: Até agora, o TSH só pode ser treinado para se concentrar em um falante de cada vez. Matricular vários falantes simultaneamente ainda não é possível.
• Interferência de fontes de áudio semelhantes: Se outra voz alta estiver vindo da mesma direção que o falante-alvo durante o processo de matrícula, o sistema pode ter dificuldade em isolar os padrões vocais do indivíduo desejado.
• Re-matrícula manual: Se o usuário não estiver satisfeito com a qualidade do áudio após o treinamento inicial, ele deve re-matricular o falante-alvo para melhorar a clareza.

Apesar dessas limitações, a equipe da Universidade de Washington está ativamente trabalhando para refinar e expandir as capacidades do TSH. Um dos seus principais objetivos é miniaturizar a tecnologia, permitindo que ela seja integrada de forma transparente em produtos de consumo como fones de ouvido e aparelhos auditivos.

À medida que os pesquisadores continuam a empurrar os limites do que é possível com a IA auditiva, as aplicações potenciais são vastas, desde melhorar a produtividade em ambientes de escritório distraídos até facilitar a comunicação mais clara para os primeiros respondentes e pessoal militar em situações de alto risco. O futuro da audição seletiva parece brilhante, e o Target Speech Hearing está bem posicionado para desempenhar um papel fundamental em moldá-lo.