噓，你不要講話，吵到我用TNT了

這個表情包吐槽的是9999元起的TNT工作站的工作場景，因為大部分操作需要用到觸控+語音識別功能，在背景嘈雜的辦公室，你很難讓語音清晰識別到你的聲音，在各種干擾下你的操作精度將會大打折扣。所以網上還有個段子表示，如果要用TNT工作站來設計，老板必須給每個設計師安排單獨的隔音辦公室。其實這種情況在目前普遍搭載人工語音智能的設備如手機、音箱中很難普遍，只要稍微有人聲干預就會讓你的siri識別率大跌。

不過噪音問題其實比你想象中的容易解決，對于羅永浩和錘子科技來說，或許欠缺的只是一顆小小的降噪芯片。

傳統的音頻降噪方式

目前智能手機中對于環境噪音的處理主要有兩種方式：第一種是通過多MIC實現降噪功能。這種方式需要配備降噪MIC，對于用戶的使用手勢要求很高。如果降噪MIC剛好壓住用戶的臉部，或者在耳機模式下都無法獲得降噪效果，在使用免提模式的時候也會有影響。

第二種是通過在終端設備內置場景降噪的軟件，通過算法來實現降噪。這對于終端計算能力有很高要求，一方面對于環境噪聲的樣本數量有限，另一方面，噪聲樣本越多，終端的判斷時間就會越長，最終影響用戶體驗。畢竟用戶希望對話是能夠迅速反應的。

這兩種傳統的降噪方式都具有各種缺陷，在具體的降噪效果上也是差強人意。

通過AI識別場景，智能降噪

更好的方式是采用獨立的降噪芯片來進行降噪。來自臺灣的意騰科技通過一顆搭載AI算法的降噪芯片來實現降噪功能。這種方式的好處是不再需要多個MIC來處理，只需要單MIC就能保證通話模式中實現清晰的語音。此外，這種方式也不需要對噪聲樣本進行搜索匹配。

這顆降噪芯片其中的核心是一顆專為語音降噪設計的AI處理器，通過3層深度學習網絡(DNN網絡)實現對原始聲音的處理輸出，其中每層網絡擁有1028個節點。此外，這顆AI處理器的運算能力可以達到1012 ops/W，可以針對特別壓縮的聲音信號實現計算處理。

通過這顆降噪芯片，之所以不需要對噪聲樣本進行搜索匹配。主要是因為這顆AI處理器對超過4億個語音資料樣本(包括2億外文語音樣本)進行了機器學習，可通過DNN網絡迅速自行找到每段音頻最合適的模型和參數。可實現智能識別包括餐廳/集會場所、公交地鐵火車站、風噪、音樂噪聲等各個噪聲場景。

降噪前后效果對

通過智能場景識別實現的降噪功能有多牛逼?讓我們來通過噪聲處理前后的音頻來實際對比一下：

一般來說，業界都采用SNR(信噪比)來判斷降噪功能，SNR是按照國際標準ISO 4969-2檢測的單值降噪值。設備的信噪比越高表明它產生的雜音越少。從圖表對比中可以看到，經過降噪處理后的SNR實現了大幅度的提升。

據了解，目前意騰科技的降噪音頻芯片一共四個型號，分別對應IG200、IG1201、IG1100、IG1102。目前實現的主要功能還是通話降噪和近距離喚醒。此外，目前實現的本地存儲的關鍵詞達到4組，預計到Q3會升到10組，通過是支持立體聲AEC以及beamforming功能。預計到Q4會推出帶聲紋識別功能的降噪芯片，這樣的話你就再也不用擔心下面這個段子的情況會發生了：

“我悄悄來到賣力工作的設計師小王身后，說一句全部刪除，小王的心血付之東流。”

最后介紹一下這顆芯片的供應商意騰科技。這家公司的CEO從事半導體行業30年+，之前創立的耀鵬科技曾是三星手機供應商。主要研發團隊從2013年開始就研究AI語音降噪算法，目前意騰科技也獲得了MTK的投資。值得注意的是，目前高通是采用將AI降噪算法植入到SOC的方式來實現降噪，但這對于SOC的性能和功耗要求頗高，未來是否會采用單獨的AI芯片來進行處理，還有待觀察。

最后，筆者認為未來語音交互將會成為一種重要的交互手段，TNT的構想在技術的進步之下未必不能實現。讓我們對產品創新保持一定的寬容和好奇心。