AIの雑音低減：通話の声を残して周囲の音を弱める仕組み

オンライン通話で、換気扇の音は小さくなったのに、自分の声の語尾まで途切れて聞こえる。こうした違いを考えると、雑音低減が「不要な音だけを正確に消す」処理ではないことが分かります。声と周囲の音が混ざったものから、残す部分を推定しています。

マイクには混ざった音が届く

マイクは、声と換気扇を別々の箱に入れて受け取るわけではありません。同じ瞬間の音が一つの信号に重なります。たとえば、話している間にも換気扇の音は入っています。声がある区間を丸ごと残し、無言の区間だけ消す方法では、会話中の雑音は減らせません。

AIを使う方式の一部は、短い音の区間を調べ、低い音から高い音までの帯域ごとに、どの程度残すかを推定します。声の特徴が強い部分を残し、雑音が強いと判断した部分を弱め、再び音として出力します。ただし、声と雑音が同じ部分に重なると、判断は難しくなります。

モデルの準備には、声に雑音を混ぜた例などを使います。処理した結果を元の声に近づけることで、声を残しながら雑音を抑える調整を学びます。RNNoiseの研究は、学習による推定と従来の音処理を組み合わせた例です。DeepFilterNetには別の処理があり、すべての製品が同じ方式ではありません。

静かさと聞き取りやすさは別

周囲の音を強く抑えるほど、必要な音まで変えてしまう可能性があります。声が細くなったり、一部が途切れたりすれば、静かになっても会話は聞き取りにくくなります。結果はマイクに入る音や処理の設定によって変わるため、「AIなら声だけを完全に残せる」とは考えないでください。

周囲の音が不要かどうかは、目的によっても変わります。会議ではキーボードの音を減らしたい一方、楽器のレッスンでは演奏を届けたいでしょう。話し声を優先する設定では、演奏や周囲の出来事も弱める対象になり得ます。

Appleのマイク設定には、声を優先するVoice Isolationと、周囲の音も含めるWide Spectrumがあります。使える機能は機器やアプリなどで異なります。この例は、強い雑音低減が常に最適ではないことを示します。残したい音に合わせて設定を選ぶ必要があります。

何を確かめるとよいか

通話前に短い録音や試しの通話で、雑音低減を使う場合と使わない場合を比べてください。無音の区間だけでなく、話している途中の声、語尾、届けたい周囲の音も聞きます。これは比較の提案であり、特定の製品を試験した結果ではありません。

強く抑える設定で声が欠けるなら、抑制を弱めるか、可能なら静かな場所に移るなどして、マイクに入る音自体を改善します。相手に届く音と自分の耳で聞く部屋の音は同じではありません。アプリの処理で、部屋そのものが静かになるわけではないからです。

記録として大事な音声を扱うなら、可能な場合は処理前の音も残してください。処理後に周囲の音が聞こえなくても、もとの場所にその音がなかったとはいえません。聞きやすくする処理と、元の状況をそのまま記録することは目的が違います。

雑音低減の良さは、背景が静かになったかだけでなく、必要な声や音が届くかで判断できます。聞きたい音を決め、その音が処理後も残っているか確かめましょう。