基于深度学习的手机端降噪流式传输改善助听器使用者在噪声中的语音理解
声音
2023-08-23 v1 音频与语音处理
摘要
近五亿人的听力损失通常通过助听器进行治疗。然而，当前的助听器在真实世界的噪声环境中往往表现不佳。我们提出了一种基于深度学习的降噪系统，可在 iPhone 7 与 Samsung Galaxy S10 上实时运行（25ms 算法延迟）。降噪后的音频被流式传输至助听器，总延迟约为 75ms。在针对中度至重度听力损失助听器使用者的测试中，我们的降噪系统在三项测试中均改善了音频：1）用于主观音频评分的听音测试，2）用于客观语音可懂度的听音测试，3）用于主观评分的噪声环境下实时对话。与作为基线的适配助听器相比，听音测试与实时对话的主观评分均提升超过 40%。衡量噪声中语音理解的语音接收阈值改善了 1.6 dB SRT。我们的系统是首个在移动设备上实现、仅以单通道作为音频输入直接流式传输至用户助听器，同时在所有测试方面（包括语音可懂度）提升用户满意度的降噪系统。这包括对降噪并流式传输信号相对于助听器的整体偏好，从而接受更高延迟以换取语音理解上的显著改善。
引用
@article{arxiv.2308.11456,
title = {Deep learning-based denoising streamed from mobile phones improves speech-in-noise understanding for hearing aid users},
author = {Peter Udo Diehl and Hannes Zilly and Felix Sattler and Yosef Singer and Kevin Kepp and Mark Berry and Henning Hasemann and Marlene Zippel and Müge Kaya and Paul Meyer-Rachner and Annett Pudszuhn and Veit M. Hofmann and Matthias Vormann and Elias Sprengel},
journal= {arXiv preprint arXiv:2308.11456},
year = {2023}
}