实时背景噪声去除
抑制实时音频中的环境噪声，包括咖啡馆、共享办公室、街道、火车和其他繁忙场所中常见的声音。
Clarity 1
Freemium
Clarity 1 是一款面向语音代理和呼叫中心的实时语音增强模型，可去除背景噪声并提取主要说话人，让语音转文字、说话轮次检测和语言模型获得更清晰的通话语音。
什么是 Clarity 1？
Clarity 1 是一款面向实时语音互动的语音增强模型。它可去除背景噪声并提取主要说话人，抑制咖啡馆交谈声或附近同事说话声等其他人声，让语音代理、语音转文字系统或人工听众获得更清晰的信号。
该模型专为在嘈杂环境中运行的语音代理和呼叫中心而设计。它会持续处理音频，而不是等待录音完成，帮助下游的说话轮次检测、转录和对话模型专注于呼叫者或坐席，而不是周围环境。
Clarity 1 以 240 毫秒的音频块进行处理，每个音频块约需 50 毫秒。主要说话人提取功能可以通过一段简短的参考录音跟随指定人员；如果没有参考录音，系统会保留音量最大的说话人。
Clarity 1 能做什么？
主要说话人提取
使用一段简短的参考录音跟随指定人员，并去除其他人声。如果没有参考录音，则保留音量最大的说话人。
连续流式处理
音频到达后立即进行处理，而不是等待完整录音完成，适合实时对话处理流程。
为语音系统提供更清晰的输入
为语音转文字、说话轮次检测和语音机器人背后的语言模型提供更清晰的单一人声，减少背景说话人的干扰。
明确的音频块和延迟表现
以 240 毫秒的音频块进行处理，每个音频块约需 50 毫秒。在使用 240 毫秒音频块的处理流程中，页面所述的额外延迟约为 50 毫秒。
控制台中的音频试用
产品页面提供交互式体验，用户可以使用自己的录音测试 Clarity 1；页面说明该功能在 10 月 30 日之前免费。
使用场景
“处理嘈杂呼叫者的语音代理”
当人们从咖啡馆、街道、火车、共享办公室或其他声学环境繁杂的场所来电时，语音机器人可以接收更清晰的呼叫者信号。这有助于避免无关人声进入转录和说话轮次检测流程。
“呼叫中心坐席音频”
在繁忙的呼叫中心工作区，Clarity 1 可以从坐席音频中去除附近同事说话声、环境噪声和回声，让远端呼叫者更清楚地听到目标说话人。
“主要说话人对话”
当需要从其他说话人中隔离出特定参与者时，一段简短的参考录音可以告知 Clarity 1 要跟随哪个声音。
“测试真实场景中的通话录音”
评估语音质量的团队可以通过控制台处理自己的录音，将处理结果与原始音频进行比较，然后再讨论更大规模的部署或自托管部署。
常见问题
Clarity 1 可以去除什么？
它可以去除背景噪声并抑制其他人声，包括交谈声和附近说话人的声音，让听众或语音系统更容易理解主要语音。
主要说话人提取如何选择要保留的声音？
一段简短的参考录音可以识别需要跟随的人员。如果没有参考录音，Clarity 1 会保留音量最大的说话人。
Clarity 1 会增加多少延迟？
Clarity 1 以 240 毫秒的音频块进行处理，每个音频块约需 50 毫秒。如果周围的说话轮次检测流程也读取 240 毫秒的音频块，页面说明 Clarity 1 增加约 50 毫秒的延迟。对于更小的输入帧，声音从进入到输出可能最多相隔 290 毫秒，具体取决于其在音频块中的位置。
Clarity 1 会等待录音完成吗？
不会。它会在音频到达时持续处理， предназначено用于实时对话，而不是已完成的录音。
我可以使用自己的音频测试 Clarity 1 吗？
可以。产品页面称，用户可以注册并在控制台中使用自己的录音运行 Clarity 1，10 月 30 日之前免费。如需自托管部署或更大规模的部署，页面引导用户联系销售团队。
快速信息
- 产品类型
- 实时语音增强模型
- 主要用户
- 语音代理和呼叫中心团队
- 核心功能
- 背景噪声去除和主要说话人提取
- 处理模式
- 以 240 毫秒音频块进行连续流式处理
- 所述处理时间
- 每个 240 毫秒音频块约需 50 毫秒
- 主要工作流程
- 为语音转文字、说话轮次检测和对话模型提供更清晰的音频输入