智声|36氪首发｜「黄鹂智声」获千万级天使轮融资，基于清华团队核心技术提供ENC通话降噪软硬件产品/解决方案自然语言|文本|计算机科学|人

作者｜韦世玮
编辑｜石亚琼
**
36氪获悉，近日智能声音前端处理技术与产品供应商「黄鹂智声」获得千万级人民币天使轮融资，由汇芯投资领投，深创投索斯福、源政投资跟投。这轮资金将主要用于核心技术和C端产品的研发，以面向更多应用场景，扩大市场推广。
黄鹂智声成立于2019年，聚焦于声音前端处理技术和相关产品的研发、应用和服务，通过深度学习、听觉场景分析等技术的融合，在各类噪声环境下实现声音的清晰拾取，可广泛应用于口语考试训练、直播录课、在线会议、呼叫中心、商旅通话、物流快递等场景。
实际上，黄鹂智声核心技术团队早在2005年就开始研发智能语音识别系统，为国际一线大厂提供语音拨号服务，随后团队从2007年起逐渐开拓口语测评赛道，成为国内最早一批为教育行业提供口语测评服务的厂商。
不过，团队在开发过程中发现，学生们进行口语测试时的座位是相邻的，即便是戴上耳机大声说话，也很难保证自己的声音不会被旁边的人声淹没，这就导致最终录音素材全是嘈杂的人声，不管是机器还是人工都很难做出评判。
这也是声音领域典型的“鸡尾酒会问题（cocktail party problem）”。简单来说，当许多人在同一场合下说话时，人类往往能忽略背景的其他噪音，将注意力集中于某个人的声音。但对机器来说，它很难区分环境中重叠和相互干扰的声波，难以针对某个声音信号进行有效的采集和区分处理。
因此，团队决定进一步研发声音前端处理技术，以解决强噪声环境下的语音通信和声音智能处理问题。历经十余年的技术积淀，团队成立了黄鹂智声，开拓智能声音前端处理市场。
一、降噪耳麦为首推产品，走信号处理+深度学习的技术路径
目前，公司已相继推出G200b头戴式话筒灭噪蓝牙耳麦、G100u头戴式话筒灭噪有线耳麦、C100m耳挂式话筒灭噪有线麦克风、ENC-BOX自适应通话灭噪盒等多形态降噪耳麦及降噪盒产品。其中，G200b的环境降噪（ENC）深度超50dB，降噪后的语音质量仍十分清晰，同时该款耳麦连续听音乐时长超40h、通话时长超25h，充电10分钟可通话3h，续航优势明显。
值得注意的是，黄鹂智声的降噪技术与人们使用TWS耳机听歌、看电影时感受的“听筒端ANC主动降噪”完全不同，公司主打的是“麦克风端的ENC通话降噪”，该技术主要针对麦克风，通过算法、声学和硬件的整体配合，让麦克风只拾取使用者的声音，让通话的对方听的清清楚楚。
黄鹂智声CEO刘志告诉36氪，ENC降噪具有三大挑战：一是降噪深度与声音失真度往往成反比，如何同时保证强降噪和低失真是最大的挑战；二是噪声种类繁多，当噪声环境发生变化时，降噪都需要一个建模或适应的过程，因此降噪的稳定性和及时性也是一大难点；三是复杂的噪声环境也意味着大运算量的降噪算法和模型，要在小芯片平台上实现低功耗和高性能，才能推动降噪应用更广泛的落地。
在声音前端信号处理领域，传统的方案主要是利用噪声预测和滤波的方法将噪声信号过滤，留下部分相对清晰的语音信号，但这一方案的降噪效果非常有限，因为其主要是基于稳态噪声（如飞机、列车的发动机噪声）的假设，而忽略了真实环境中存在的大量非稳态噪声（如鞭炮声、音乐声、交通环境声等）。
为了突破传统技术的瓶颈，如今已衍生出不同的技术流派，其中基于深度学习的AI流派是目前主流的技术路径之一，其主要利用深度学习建模区分人声和非人声，再从复杂的非稳态噪声中分离与提取出清晰人声，不过这一方法也面临算法和模型复杂度高、可解释性弱的问题。