精细化声景控制：增强听觉

可穿戴设备日益普及，但其声音控制仍粗糙：用户要么启用全局噪声抑制，要么专注于单个目标声。然而，现实的声学场景包含许多同时出现的声源，用户可能希望独立调整每个声源。我们引入Aurchestra，首个在资源受限的可穿戴设备上提供细粒度、实时声景控制的系统。该系统包含两个关键组件：（1）动态界面仅显示活跃的声源类别；（2）实时、基于设备的多输出提取网络，为每个选定类别生成独立的音频流，实现对最多5个重叠目标声源的鲁棒性能，使用户能够通过自定义每个类别的音量来混合环境，类似于音频工程师混合轨道。我们针对多个计算受限平台优化模型架构，演示在6 ms流式音频块上的实时性能。在此前未见的室内外真实环境中，该系统实现了表达式化的类别级声音控制，并在目标类别增强和干扰抑制方面实现了显著提升。我们的结果表明，世界不必以单一、无差异的流形式呈现：借助Aurchestra，声景才真正变得可编程。