韩国电子部品研究院(KETI)26日表示,已开发出音量自动控制技术,可利用人工智能(AI)分析音频音源,不仅实现更清晰的语音传达,还能实时提供背景音乐、音效、台词等构成音之间的最优音量配置。
KETI开发的“基于AI的音频音源分析及自动音量实时控制技术”采用运用深度学习的CNN(卷积神经网络)算法,将内容中的声音以400毫秒为单位划分为人声、静音、背景音、混合音等类别,并根据类别进行定制化音量控制。该技术可提高原有内容的语音清晰度,例如将听起来含糊不清的台词音量调高、将过大的背景音效调低,并缩小声音骤升骤降的相对偏差,提供舒适的收听环境,同时在直播时也能实时符合平均音量规定。
KETI智能影像处理研究中心首席研究员金济宇表示:“通过此次技术开发,有望实现目前100%依赖进口的实时音量控制广播设备国产化。”他还表示:“除数字广播外,网络个人直播、社交媒体等个人媒体市场持续增长,今后KETI的技术将用于构建舒适的收视环境。”
该技术是在韩国科学技术情报通信部与信息通信规划评价院(IITP)“广播通信产业技术开发项目”支持下,作为“基于深度学习的智能音频分析音频内容转换解决方案开发”课题开发的。目前技术已转让给主管机构Neoconvergence株式会社,正在推进产业化。






