ಎಐ ಮಾತಿನ ಹಿಂದಿನ ಗದ್ದಲವನ್ನು ಹೇಗೆ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಏನು ಕಳೆದುಹೋಗಬಹುದು?

ಆನ್‌ಲೈನ್ ಕರೆಯಲ್ಲಿ ಮಾತನಾಡುತ್ತಿದ್ದೀರಿ; ಪಕ್ಕದಲ್ಲಿ ಫ್ಯಾನ್ ಓಡುತ್ತಿದೆ. ಎದುರಿಗಿರುವವರಿಗೆ ಫ್ಯಾನ್ ಸದ್ದು ಕಡಿಮೆಯಾಗಿ ಕೇಳಬಹುದು, ಆದರೆ ನಿಮ್ಮ ಕೊನೆಯ ಪದವೂ ಕತ್ತರಿಸಬಹುದು. ಒಂದೇ ವ್ಯವಸ್ಥೆ ಇಲ್ಲಿ ಸಹಾಯ ಮತ್ತು ತೊಂದರೆ ಎರಡನ್ನೂ ಮಾಡುತ್ತಿದೆ. ಧ್ವನಿ ಶುದ್ಧಪಡಿಸುವುದು ಎಂದರೆ ಕೇವಲ ಗದ್ದಲ ತೆಗೆದುಹಾಕುವುದು ಅಲ್ಲ; ಮಿಶ್ರಣದಲ್ಲಿ ಯಾವ ಭಾಗ ಉಳಿಸಬೇಕು ಎಂಬ ಅಂದಾಜೂ ಬೇಕಾಗುತ್ತದೆ.

ಮೈಕ್‌ಗೆ ಎರಡು ಪ್ರತ್ಯೇಕ ಕಡತ ಬರುವುದಿಲ್ಲ

ಇಲ್ಲಿ ಬದಲಿಸುವುದು ಮೈಕ್ರೊಫೋನ್ ದಾಖಲಿಸಿದ ಸಂಕೇತ; ಕೊಠಡಿಯ ನಿಜವಾದ ಸದ್ದು ಅಲ್ಲ. ಕರೆಯಲ್ಲಿ ಕೇಳುವವರಿಗೆ ಕಡಿಮೆ ಗದ್ದಲ ತಲುಪಿದರೂ ನಿಮ್ಮ ಪಕ್ಕದ ಫ್ಯಾನ್ ಅಥವಾ ರಸ್ತೆಯ ಶಬ್ದ ಹಾಗೆಯೇ ಇರುತ್ತದೆ. ಹೀಗಾಗಿ ನಿಮ್ಮ ಕಿವಿಗೆ ಕೇಳಿದ ಸದ್ದು ಮತ್ತು ಕರೆಯ ಇನ್ನೊಂದು ತುದಿಗೆ ತಲುಪಿದ ಆಡಿಯೊ ಒಂದೇ ಆಗಿರಬೇಕಿಲ್ಲ. ಯಾವ ಹಂತದ ಧ್ವನಿ ಕೇಳುತ್ತಿದ್ದೀರಿ ಎಂದು ತಿಳಿಯುವುದು ಫಲ ಪರಿಶೀಲಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಮಾತು, ಫ್ಯಾನ್ ಮತ್ತು ಬಾಗಿಲಿನ ಸದ್ದು ಮೈಕ್ರೊಫೋನ್‌ಗೆ ಒಂದೇ ಮಿಶ್ರಣವಾಗಿ ಬರುತ್ತವೆ. ಯಾವ ಭಾಗ ಯಾರದು ಎಂಬ ಗುರುತು ಇರುವುದಿಲ್ಲ. ಆದ್ದರಿಂದ ಮಾದರಿ ಮಿಶ್ರಣದಲ್ಲಿ ಮಾತಿನ ಸಾಧ್ಯ ಲಕ್ಷಣಗಳನ್ನು ಹುಡುಕಬೇಕು. ಸಿದ್ಧ ರೆಕಾರ್ಡಿಂಗ್‌ನಿಂದ ಪ್ರತ್ಯೇಕ ಫ್ಯಾನ್ ಕಡತ ತೆಗೆದು ನಿಖರವಾಗಿ ಕಳೆಯುವುದಲ್ಲ ಈ ಕೆಲಸ.

ತರಬೇತಿಯ ಒಂದು ವಿಧಾನದಲ್ಲಿ ಮೊದಲು ಸ್ಪಷ್ಟ ಮಾತಿನ ರೆಕಾರ್ಡಿಂಗ್‌ಗೆ ಪ್ರತ್ಯೇಕ ಗದ್ದಲ ಸೇರಿಸಲಾಗುತ್ತದೆ. ಮೂಲ ಮಾತು ಹೇಗಿತ್ತು ಎಂಬುದು ಸಂಶೋಧಕರಿಗೆ ಗೊತ್ತಿರುತ್ತದೆ. ಯಾವ ಭಾಗ ತಗ್ಗಿಸಿದರೆ ಮಾತಿಗೆ ಹತ್ತಿರದ ಫಲ ಬರುತ್ತದೆ ಎಂಬ ಸಂಬಂಧವನ್ನು ಮಾದರಿ ಕಲಿಯುತ್ತದೆ. ನಿಜವಾದ ಕರೆಯಲ್ಲಿ ಸ್ಪಷ್ಟ ಮೂಲ ಕಡತ ಜೊತೆಯಲ್ಲಿರುವುದಿಲ್ಲ; ಕಲಿತ ಸಂಬಂಧದಿಂದ ಅಂದಾಜು ಮಾಡಬೇಕಾಗುತ್ತದೆ.

RNNoise ಸಂಶೋಧನೆಯ ಒಂದು ವಿಧಾನ ಚಿಕ್ಕ ಸಮಯದ ಧ್ವನಿ ಭಾಗಗಳನ್ನು ನೋಡುತ್ತದೆ. ಕಡಿಮೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಸ್ವರಗಳ ಹಲವು ಭಾಗಗಳಿಗೆ ಎಷ್ಟು ತಗ್ಗಿಸಬೇಕೆಂದು ಮಾದರಿ ಸೂಚಿಸುತ್ತದೆ. ಫಿಲ್ಟರ್ ಆ ಭಾಗಗಳ ಬಲ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಬೇರೆ ಮಾದರಿಗಳು ಬೇರೆಯ ಫಿಲ್ಟರ್ ಅಥವಾ ನೇರವಾದ ಹೊಸ ಸಂಕೇತದ ಅಂದಾಜು ಬಳಸಬಹುದು. ಇದು ಒಂದು ವಿಧಾನಕ್ಕೆ ವಿವರಣೆ; ಎಲ್ಲ ಆ್ಯಪ್‌ಗಳೂ ಒಂದೇ ರೀತಿಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ.

ಅಂದಾಜು ಮತ್ತು ಕಡಿತ ಬೇರೆ ಕೆಲಸಗಳು

ಯಾವ ಭಾಗ ಮಾತು ಎಂದು ಅಂದಾಜಿಸುವುದು ಮೊದಲ ಕೆಲಸ. ಆ ಅಂದಾಜಿನಂತೆ ಎಷ್ಟು ತಗ್ಗಿಸಬೇಕು ಎಂಬುದು ಮುಂದಿನ ಕೆಲಸ. ಹೆಚ್ಚು ತಗ್ಗಿಸಿದರೆ ಗದ್ದಲ ಕಡಿಮೆ ಕೇಳಬಹುದು; ಅದೇ ಭಾಗದ ಮಾತಿನ ಸ್ವರವೂ ಕಡಿಮೆಯಾಗಬಹುದು. ಕಡಿಮೆ ತಗ್ಗಿಸಿದರೆ ಮಾತು ಹೆಚ್ಚು ಉಳಿಯಬಹುದು, ಜೊತೆಗೆ ಸದ್ದೂ ಉಳಿಯುತ್ತದೆ. ಅತ್ಯಂತ ಮೌನವಾದ ಫಲವೇ ಅತ್ಯಂತ ಉಪಯುಕ್ತ ಮಾತು ಎಂದರ್ಥವಲ್ಲ.

ಹಿಂದೆ ಮತ್ತೊಬ್ಬರು ಮಾತನಾಡುವುದು ಅಥವಾ ಮುಖ್ಯ ಮಾತು ತುಂಬ ನಿಧಾನವಾಗಿರುವುದು ಬೇರ್ಪಡಿಸುವ ಕೆಲಸವನ್ನು ಕಷ್ಟಪಡಿಸಬಹುದು. ತರಬೇತಿಯ ಉದಾಹರಣೆಗೂ ಈಗಿನ ರೆಕಾರ್ಡಿಂಗ್‌ಗೂ ಇರುವ ವ್ಯತ್ಯಾಸವೂ ಫಲ ಬದಲಿಸುತ್ತದೆ. ಫ್ಯಾನ್ ಮುಂದೆ ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡಿದೆ ಎಂದಷ್ಟಕ್ಕೆ ಮಾರುಕಟ್ಟೆಯ ಗದ್ದಲದಲ್ಲೂ ಅದೇ ಫಲ ಸಿಗುತ್ತದೆ ಎಂದು ಊಹಿಸಬೇಡಿ.

ಮುಖ್ಯ ಮಾಹಿತಿ ಉಳಿದಿದೆಯೇ

ಕತ್ತರಿಸಿದ ಪದ, ಯಾಂತ್ರಿಕವಾಗಿ ಕೇಳುವ ಧ್ವನಿ ಅಥವಾ ಕಾಣದ ಚಿಕ್ಕ ಸ್ವರದಂತಹ ತೊಂದರೆ ಬರಬಹುದು. RNNoise ಲೇಖಕರು ಶಬ್ದ ಕಡಿತದಲ್ಲಿ ಮಾತಿನ ಮಾಹಿತಿ ನಾಶವಾಗಬಹುದು ಎಂದು ವಿವರಿಸುತ್ತಾರೆ. ಹೀಗಾಗಿ ಆಡಿಯೊ ಶಾಂತವಾಗಿ ಕೇಳಿದರೆ ಎಲ್ಲ ಪದಗಳೂ ಉತ್ತಮವಾಗಿ ಅರ್ಥವಾಗುತ್ತವೆ ಎಂದಲ್ಲ. ಹೆಸರು ಅಥವಾ ಸಂಖ್ಯೆ ಮುಖ್ಯವಾದರೆ ಮೂಲ ಆಡಿಯೊ ಜೊತೆ ಪರಿಶೀಲಿಸಿ.

ಮಾತಿಗಾಗಿ ಮಾಡಿದ ಫಿಲ್ಟರ್ ಸಂಗೀತವನ್ನೂ ತಗ್ಗಿಸಬಹುದು. ಗಿಟಾರ್ ಪಾಠ, ಹಕ್ಕಿಯ ಸದ್ದು ಅಥವಾ ಯಂತ್ರದ ಸಮಸ್ಯೆಯ ಧ್ವನಿ ಕಳುಹಿಸುವಾಗ ಅದೇ ಸದ್ದು ಮುಖ್ಯ ಮಾಹಿತಿ. Zoomನ ಅಧಿಕೃತ ಮಾರ್ಗದರ್ಶನದಲ್ಲಿ ಸಂಗೀತಕ್ಕಾಗಿ ದಮನ ನಿಲ್ಲಿಸುವ ಪ್ರತ್ಯೇಕ ಮೋಡ್ ಇದೆ. ಯಾವುದು ಅನಗತ್ಯ ಸದ್ದು ಎಂಬುದು ನಿಮ್ಮ ಕೆಲಸದ ಮೇಲೆ ಅವಲಂಬಿತ; ಸಾಮಾನ್ಯ ಕರೆ ಸೌಲಭ್ಯಕ್ಕೆ ಪ್ರತಿಯೊಂದು ಉದ್ದೇಶ ತಿಳಿದಿರುವುದಿಲ್ಲ.

ಹೋಲಿಸಲು ಒಂದೇ ಚಿಕ್ಕ ವಾಕ್ಯವನ್ನು ಸಾಮಾನ್ಯ ಮತ್ತು ಹೆಚ್ಚು ಕಡಿತದ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ರೆಕಾರ್ಡ್ ಮಾಡಿ. ಹಿಂದೆ ಎಷ್ಟು ಮೌನ ಆಯಿತು ಎಂಬುದಷ್ಟೇ ಕೇಳಬೇಡಿ; ಪದದ ಆರಂಭ, ಅಂತ್ಯ ಮತ್ತು ನಿಧಾನ ಭಾಗ ಉಳಿದಿದೆಯೇ ನೋಡಿ. ಇದು ನಿಮ್ಮ ಪರಿಸರದಲ್ಲಿ ಫಲದ ಲಾಭ ಮತ್ತು ನಷ್ಟ ತೋರಿಸುತ್ತದೆ; ಒಂದು ವ್ಯವಸ್ಥೆ ಎಲ್ಲ ರೆಕಾರ್ಡಿಂಗ್‌ಗಳಿಗೆ ಉತ್ತಮವೆಂದು ಸಾಬೀತು ಮಾಡುವುದಿಲ್ಲ.

ಶಬ್ದ ಕಡಿಮೆ ಮಾಡುವ ಆಯ್ಕೆ ಈಗಾಗಲೇ ಸಾಧನದಲ್ಲೂ ಆ್ಯಪ್‌ನಲ್ಲೂ ಇದ್ದರೆ, ನೀವು ಕೇಳುತ್ತಿರುವ ಫಲ ಯಾವ ಹಂತದಲ್ಲಿ ಬದಲಾಗಿದೆ ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಸಹಕಾರಿ. ಒಂದೇ ಬಾರಿ ಹಲವು ಆಯ್ಕೆ ಬದಲಿಸದೆ ಒಂದೊಂದಾಗಿ ಹೋಲಿಸಿ. ಮಾತು ಹೆಚ್ಚು ಕಡಿಮೆಯಾದರೆ ಸಾಮಾನ್ಯ ವ್ಯವಸ್ಥೆಗೆ ಮರಳಿ ಆಡಿಯೊ ಮತ್ತೆ ಕೇಳಿ. ಈ ಹೋಲಿಕೆಯ ಉದ್ದೇಶ ಗದ್ದಲ ಉಳಿದರೂ ಮುಖ್ಯ ಮಾತು ತಲುಪುತ್ತಿದೆಯೇ ಎಂದು ತಿಳಿಯುವುದು.

ಸಂಗೀತ ಅಥವಾ ಮುಖ್ಯ ಪರಿಸರದ ಸದ್ದು ಕಳುಹಿಸುವಾಗ ಸೂಕ್ತ ಮೋಡ್ ಆಯ್ಕೆ ಮಾಡಿ, ಕೇಳುವವರಿಗೆ ಏನು ತಲುಪಿತು ಎಂದು ತಿಳಿದುಕೊಳ್ಳಿ. ಮುಖ್ಯ ರೆಕಾರ್ಡಿಂಗ್‌ಗೆ ಬದಲಾವಣೆ ಮಾಡದ ಮೂಲ ನಕಲು ಉಳಿಸುವುದು ಉಪಯುಕ್ತ. ಗುರಿ ಎಲ್ಲ ಸದ್ದನ್ನೂ ಅಳಿಸುವುದಲ್ಲ; ನೀವು ತಿಳಿಸಬೇಕಾದ ಧ್ವನಿಯನ್ನು ಉಳಿಸಿ ಕೇಳುವುದನ್ನು ಸುಲಭ ಮಾಡುವುದು.