L'intelligenza artificiale per la pulizia digitale delle registrazioni audio.

Abbiamo testato un software che ricorre all'AI (intelligenza artificiale) per migliorare l'ascolto delle voci umane nelle registrazioni audio compromesse da suoni e rumori. I primi test sono interessanti. Al momento l'AI non offre risultati vistosamente superiori rispetto a quelli che già si possono ottenere con i software professionali per l'elaborazione digitale dell'audio. Ma consente di ottenere una buona base per successive elaborazioni, riducendo quelle lunghe fasi di analisi e tentativi che chi fa audio editing ben conosce.

La richiesta di questi servizi è frequente soprattutto da parte di privati che hanno fatto delle registrazioni con cellulari o registratori chiusi dentro borse, zaini, cassetti, cruscotti, tasche, scatole e altre situazioni. In queste situazioni le voci sono spesso presenti ma il parlato è scarsamente comprensibile.

Abbiamo messo alla prova il nuovo software simulando una delle peggiori condizioni acustiche in assoluto: un microregistratore posizionato sotto il sedile di autoveicolo in movimento ad alta velocità, con autoradio accesa ad alto volume mentre 'spara' un brano rock.

La prima differenza la fa il registratore. Se avessimo usato un registratore low cost anzichè un prodotto professionale, in una condizione così estrema non ci sarebbe stato nulla su cui lavorare.

Ascoltando con attenzione la registrazione originale si percepisce che qualcuno sta parlando in sottofondo. Ma è quasi impossibile capire cosa dice ed è impossibile capire la timbrica della voce per attribuirgli una paternità. E' importante ricordare che qualcosa di ascoltabile deve sempre esserci: diversamente neppure la migliore elaborazione al mondo può fare qualcosa.

Ecco la registrazione di partenza

Ed ecco la registrazione elaborata dal nuovo software. L'AI ha individuato la voce e ha proceduto come avrebbe fatto un tecnico del suono: non ha annullato totalmente la musica perchè avrebbe eliminato anche il debolissimo parlato disperso fra le note musicali. Ma ha applicato delle attenuazioni sequenziali a micro-intervalli con una precisione di pochi Hz e con una pendenza molto accentuata. Una specie di ricamo attorno alla voce umana. Tutto è complicato dal fatto che il brano rock sviluppa gran parte della sua forza sonora fra 680 e 2300Hz, con numerosi picchi spalmati irregolarmente proprio nel range della voce umana. In queste sezioni l'AI ha applicato un leveling di precisione chirurgica. Il lavoro non è finito qui perchè abbiamo operato una leggera normalizzazione ed equalizzazione. Poi abbiamo applicato un filtro high-pass low-pass facendo almeno una ventina di prove. Prestando un po' di attenzione ora è possibile capire l'essenziale: in pratica la voce pronuncia le parole 'uno', 'due', 'tre' 'quattro'. E' possibile inoltre capire il sesso della voce e percepire la timbrica per attribuirgli una parternità (è la voce di chi sta scrivendo questo blog). Per capire le parole, che non vengono pronunciate ad intervalli regolari, bisogna ascoltare il file due o tre volte a volume medio/alto. 

Per avere un metro di valutazione di questo risultato lo abbiamo confrontato con i risultati offerti da EaseUs e Audacity Openvino, due risorse gratuite che vantano anch'esse l'impiego dell'AI per isolare ed estrarre la voce umana da un file audio. Ma il confronto è stato impietoso: nè l'AI di EaseUs nè l'AI di Audacity si sono accorte che c'era una voce e l'hanno eliminata assieme alla musica :(

Servizi tecnici e difesa elettronica. Vedi...

Electronet Modena

Chi siamo e contatti

Home page tecnologie

Home page servizi