Представьте: запись совещания — 8 кГц, моно, сплошной гул, голоса едва разборчивы. Или старая архивная кассета с треском и шипением. Это стандартная ситуация для колл-центров и архивов. Мы разрабатываем AI-пайплайны для улучшения качества аудио, которые за несколько дней превращают такой материал в чистую речь. Один из наших клиентов принёс запись с характеристиками 8 кГц, моно — мы развернули пайплайн на базе AudioSR и Resemble Enhance за три дня. Результат: PESQ с 1.8 до 3.9, STOI с 0.65 до 0.92. Голоса стали чёткими, высокие частоты восстановлены. Клиент сократил затраты на субтитрирование на 50%. Закажите пилотный проект — мы обработаем одну вашу запись бесплатно и покажем результат.
Почему стандартные методы не справляются?
Традиционные эквалайзеры и шумодавы (FFmpeg anlmdn) работают с существующим спектром. Они не могут восстановить частоты, потерянные при сжатии. Телефонный кодек G.711 режет всё выше 3.4 кГц — никакой фильтр не вернёт эти данные. AI-модели, в отличие от них, учатся достраивать спектр на основе датасетов широкополосной речи. AudioSR использует диффузионный процесс, который генерирует высокочастотные компоненты с нуля. Для задач расширения полосы пропускания (bandwidth extension) это единственный рабочий подход. Сравнение: AudioSR обеспечивает прирост PESQ в 1.5-2 раза по сравнению с традиционными методами, а STOI — в 1.3 раза.
| Параметр | Традиционные методы | AI-методы |
|---|---|---|
| Восстановление частот | Нет | Да (до 24 кГц) |
| Удаление нестационарных шумов | Плохо | Хорошо |
| Прирост PESQ | 0.2-0.5 | 1.5-2.0 |
| Скорость обработки | Высокая | Средняя (с GPU) |
Как мы улучшаем аудио: от анализа до деплоя
Наш типовой пайплайн:
- Анализ исходного аудио: спектрограмма, уровень шума, кодек, битрейт.
- Выбор модели: AudioSR для апскейлинга, Resemble Enhance для денойза и удаления артефактов mp3.
- Дообучение (опционально): если домен специфичный (например, записи судебных заседаний), делаем few-shot fine-tuning на 10-20 минутах разметки.
- Интеграция: упаковка в ONNX или Triton-сервис, добавление в поток обработки.
- Тестирование: метрики PESQ, STOI, SI-SNR, А/В-тест с тремя слушателями.
Технические детали пайплайна
Для апскейлинга используем AudioSR — диффузионная модель, обученная на парах низкочастотный-высокочастотный спектр. Resemble Enhance включает модуль денойза и модуль enhancement на основе U-Net. Все модели обёрнуты в ONNX Runtime для инференса с latency p99 < 50 мс на GPU T4.Разбор типичного кейса: восстановление старой архивной записи
Задача: оцифрованная кассета с лекцией — 16 кГц, 8 бит, моно, сильный шипение и треск. Клиент хотел получить чистую речь для субтитров.
Мы применили:
- AudioSR для апскейлинга до 48 кГц (восстановил частоты до 24 кГц).
- Resemble Enhance с режимом denoise+enhance (убрал шипение, поднял чёткость).
- FFmpeg для финальной нормализации громкости (LUFS -16).
Результаты:
| Метрика | До | После |
|---|---|---|
| PESQ | 2.1 | 3.7 |
| STOI | 0.72 | 0.91 |
| SI-SNR | 8 dB | 19 dB |
Весь процесс занял 5 дней. Клиент получил код пайплайна и документацию для самостоятельного запуска. Услышать разницу можно в демо — свяжитесь, мы пришлём сэмпл.
Какие метрики качества мы используем?
Основные объективные метрики:
- PESQ (ITU-T P.862) — качество речи, норма >3.5. Эта метрика стандартизирована ITU-T.
- STOI — разборчивость, норма >0.85.
- MOS-LQO — субъективная оценка, норма >4.0.
- SI-SNR — отношение сигнал-шум, норма >15 dB.
Мы гарантируем прирост PESQ не менее 1.0 балла на ваших записях. Замеры делаем до и после на контрольной выборке. Экономия на хранении — до 30% объёма после очистки.
Какие результаты мы гарантируем?
Для типовых проектов мы обеспечиваем:
- Повышение PESQ с 1.8–2.0 до 3.5–4.0.
- Улучшение STOI с 0.65–0.75 до 0.85–0.95.
- Снижение ошибок ASR (распознавания речи) на 30–50% после очистки.
- Сжатие аудио без потери качества — экономия места до 40%.
Примеры использования
- Повышение качества записей колл-центров перед STT (распознавание речи) – ошибка распознавания падает на 30-50%.
- Подготовка аудиодатасетов для TTS fine-tuning — чистый материал без артефактов.
- Ремастеринг архивных материалов (лекции, интервью) для публикации на стриминговых платформах.
- Подготовка чистых аудио для обучения ASR-моделей.
Нейронные сети для аудио (AudioSR, Resemble Enhance) позволяют решать задачи, недоступные классическим DSP. Имеем 5+ лет опыта в audio AI, реализовали более 50 проектов. Работаем с PyTorch, Hugging Face, ONNX Runtime. Получите демо-версию пайплайна для вашей записи — свяжитесь с нами. Приложите образцы аудио — мы оценим проект за 2 дня и подготовим предложение под ключ.