当6亿用户习惯每天通过QQ发送语音和进行视频通话，或者在群里与网友语音接龙完成一场Pia戏，又或是与好友一起派对语音答题的时候，大家可曾想过，在不同场景下始终清晰、流畅的QQ音视频体验背后，到底是什么黑科技在支撑这些场景中“声”与“话”的美好?
今年11月16日召开的谷歌2021开发者大会期间，大会官网更新了一则案例——《TensorFlow助力：AI语音降噪打造QQ音视频通话新体验》，作者正是QQ音视频通话技术团队。作为谷歌TensorFlow的优秀应用案例，腾讯QQ团队在该文中详细揭秘了语音增强技术在QQ音视频功能中的研发与应用。
借助TensorFlow，QQ搭建AI降噪模型训练框架
在如今的应用市场中，音视频通话功能几乎已成为APP的标配。2021年10月份AppStore中国区下载榜前100名中，超过70%的APP配备音视频通话功能。音视频功能的体验，是衡量一款APP体验是否优秀的重要指标。
而优化音视频通话质量，降噪算法是核心技术之一。
目前，主流降噪方案主要有传统降噪和AI降噪两种。传统降噪方法计算量低，具有实时进行语音降噪的优势，但与此同时，因其基于数学和物理原理进行推导，过程中难免基于人认知的理想先验假设，这使得传统降噪对实际场景中频发的多种类、非平稳噪声表现不佳。
AI 降噪是最近兴起的基于数据驱动的降噪方法，能够有效的应对各种突发的非平稳噪声，但前期需要经过大量的数据训练，以及搭建合适的数据模型作为基础。而模型在移动端的部署，需要权衡模型大小、降噪效果、CPU 占用率和内存占用率等多个因素，由此给降噪技术的实现带来了一定的挑战。
为解决6亿用户对QQ音视频的庞大需求，腾讯QQ 团队基于开源TensorFlow机器学习平台，搭建了 AI 降噪与噪声场景分类的并行训练框架，并设计了音频降噪、音质提升和模型优化算法。
噪声数据的多样性是提高降噪模型泛化性的关键，因此，在训练模型时，腾讯QQ团队通过若干等时长音频数据的“投喂”和场景训练，结合合适的数据扩充，进一步提升了模型泛化能力，结合精细化设计的网络结构，能够让 AI 降噪模型适应生活中常见的几百种噪声，为用户提供具有 AI 加持的智能通讯体验。
同时，腾讯QQ团队还借助 TensorFlow Lite 的量化功能减小模型尺寸，在模型的降噪效果基本不受影响的前提下，极大提升了性能优势并成功部署到产品功能中。
AI 降噪算法+蒸馏技术模型优化，打造实时、高质量的清晰通话体验
在案例中，腾讯QQ团队指出，AI降噪算法包括音频降噪模块和音质提升模块两大方面。
音频降噪模块主要是通过针对带噪声音频中的干净人声进行建模，再提取出带噪音频的频域特征，将带噪声音频与干净音频的的频域特征进行对比和计算，从而使AI对人声之外常见的开门声、键盘声、走路声等音频具备更精准的识别能力和降噪处理，从嘈杂环境中剥离出干净语音。
在此基础上，腾讯QQ团队又加入了音质提升模块，以平衡降噪幅度，确保噪声去除的更加干净，同时避免导致其它有用的音频被消音，确保实时降噪过程中“有用的信息都进来，无用的噪音都隔离”。
当代人生活更加多元，餐厅、咖啡馆、车厢、影院以及街道、小区等不同场景，晴天、雨天、台风天等不同天气，也都伴生着不同种类的噪声，也都有可能对用户的音视频体验带来干扰。
为测试AI降噪面向不同场景的 优化能力，腾讯QQ团队还选取了办公场景下常见的百种噪声：键盘声、关门声、风扇声等噪音，结合干净人声按照 0dB、5dB、10dB 和 15dB 信噪比制作混合音频，分别测试原始降噪模型以及采用蒸馏技术提升后的AI-Denoise-student模型的表现。
测试结果显示，短时目标清晰度(STOI)与语音质量的感知评估(PESQ)均有所提升，并且随着降噪量的提升，AI降噪效果的优势还能进一步凸显。
优质的社交功能体验，往往藏在用户“看不见”的地方
社交软件几乎占据了当代人使用手机的大半时间，它不仅是人们日常交往中至关重要的工具，同时也紧密关系着用户体验与社交质量。
而在每一条文字或语音信息的背后，在每一通音频或视频通话的背后，都有来自无数环节的技术支持,每一个环节的优劣，也都关系着用户体验的好坏——用一句比较流行的话来说，就是“用尽了全身力气，才能显得毫不费力”。
腾讯QQ团队基于TensorFlow研发的降噪技术，能够通过AI算法带来智能的降噪功能和清晰、干净的音视频体验，对于行业难点之一的音频降噪同时保证音质效果，也有了针对性的优化方案，对语音质量和视频通话带来更好的技术保障。
腾讯QQ一直专注社交与沟通，致力于提供优质的社交体验。许多音视频相关的功能如趣味变声、语音暂停等功能都率先出现在QQ中。这些功能也受到了年轻人的普遍喜爱。据悉，腾讯QQ未来还将在AI基础算法、模型方面加强研究，拓展更多元的社交应用场景。
附录：
TensorFlow 助力：AI 语音降噪打造 QQ 音视频通话新体验
https://mp.weixin.qq.com/s/F_QrRFPiEzG3rdyxU_nK2w
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
