نموذج ذكاء اصطناعى يعيد وضوح الكلام في التسجيلات الصوتية

طور باحثون نموذجًا للذكاء الاصطناعي يستهدف استعادة وضوح الكلام في التسجيلات الصوتية التي تعرضت للتشويش أو ضعف جودة التسجيل مع تقليل حجم النموذج مقارنة بأنظمة أكبر تستخدم للغرض نفسه.

طور فريق من معهد Vellore Institute of Technology في الهند نظامًا يستخدم بنية عصبية مشتركة لمعالجة 3 مشكلات هي انخفاض النطاق الترددي للصوت والضوضاء المضافة إلى التسجيل والصدى الناتج عن انعكاسات الصوت داخل الغرف ويعتمد كل نوع من المعالجة على نموذج درب بصورة مستقلة لكنه يستخدم التصميم البرمجي نفسه.

يعتمد النموذج على تحويل التسجيل الصوتي إلى تمثيل يوضح توزيع الترددات عبر الزمن ثم تحليل العلاقات بين الأجزاء المختلفة لتقدير خصائص الكلام الذي تأثر بالتشويش.

واستخدم الباحثون شبكة عصبية قادرة على معالجة العلاقات الزمنية في الاتجاهين بما يساعد على الاستفادة من المقاطع السابقة واللاحقة عند إعادة بناء الإشارة الصوتية ثم تحويل النتائج إلى صوت يمكن تقييمه ومقارنته بالتسجيل الأصلي.

يحتوي النموذج على 4.8 مليون معامل رياضي مقارنة بنماذج مرجعية يتراوح حجمها بين 13 مليونًا و17.2 مليون معامل وسجل نتائج تراوحت بين 2.95 و 3.05 على مقياس جودة الكلام PESQ مع نتيجة تقارب 0.86 على مقياس وضوح الكلام STOI.

وتعني النتائج أن الفريق حقق أداءً منافسًا باستخدام نموذج أصغر حجمًا في ظروف الاختبار المحددة لكنها لا تثبت تفوقه على جميع أنظمة معالجة الصوت إذا جرى التقييم باستخدام تسجيلات خضعت لتشويش مضبوط ومقارنتها بالنسخ الأصلية.