في أغلب الأحيان ، عندما نجري مكالمة صوتية عبر الإنترنت باستخدام عملاء مثل Google Duo ، Skype أو Facebook Messenger ، بسبب فقدان الحزمة الصوتية ، هناك الكثير من التشويش في نهاية جهاز الاستقبال. على سبيل المثال ، 20٪ من مكالمات Duo بها فقدان صوت إجمالي يزيد عن 3٪ و 10٪ من جميع المكالمات تفقد حوالي 8٪ من الصوت. لمواجهة فقدان الحزمة هذا ، يتم استخدام وحدة الإخفاء (PLC) لملء الفجوات من أجل إخراج أفضل. في خطوة متقدمة على المنافسة ، يستخدم Google Duo الآن نظام WaveNetEQ PLC الذي يعتمد على تقنية DeepMind's WaveRNN لتجميع الشكل الموجي الخام للبتات المفقودة بشكل كامل للحصول على إخراج صوتي أكثر طبيعية.
كيف يعمل WaveNetEQ
لضمان أن الصوت الناتج للحزم المفقودة طبيعي قدر الإمكان ، تقوم WaveNetEQ for Duo باستخراج المعلومات السياقية وتوليد صوت موثوق به للحفاظ على خصائص الصوت. يتم استخدام الصوت الماضي الأخير كمرجع للإدخال في شبكة التكييف للتنبؤ بالعينة التالية في شكل الموجة.
بعد تصحيح الصوت الموجي ، يتم دمجه بسلاسة مع دفق الصوت في الوقت الفعلي لجعل الانتقال سلسًا وغير ملحوظ فعليًا. كلما زاد عدد عينات البيانات التي تحصل عليها هذه التقنية ، كلما تحسنت في تلاشي الحزم الصحيحة مع الحزم الخاطئة.
التنفيذ العملي
نظرًا لأنه في الظروف الواقعية ، يتم إجراء مكالمات VoIP باستخدام أجهزة مختلفة ويختلف صوت الإنسان أيضًا في كل مرة ، يتم تدريب النموذج الحالي على 48 لغة مختلفة مع 100 متحدث مختلف. أيضا ، تأخذ WaveNetEQ في الاعتبار البيئات الصاخبة مثل الرد على الهاتف في محطة مزدحمة أو في مطعم.
للتأكد من أن النموذج لا ينتج مقاطع زائفة ، يتم تقييم البيانات باستخدام Google Cloud Speech-to-Text API. في الوقت الحالي ، لم تكن هناك العديد من الاختلافات في معدل خطأ الكلمات ، مما يضع التكنولوجيا على وشك النجاح بالفعل. يتم استخدام تقنية WaveNetEQ حاليًا في جميع مكالمات Duo التي يتم إجراؤها باستخدام هواتف Pixel 4 ويتم طرحها في نماذج أخرى بشكل ثابت. مع تحسن نموذج AI ، يمكن للمرء أن يتوقع استقبالًا صوتيًا سلسًا وخاليًا من التشويش على مكالمات الإنترنت في الأيام القادمة.
