AI会议兴起,会议室的硬件要不要跟着变
AI会议的功能上线得很快,从自动转录到会议纪要,再到说话人识别。会议室里真正受影响的是拾音这一环。后端的能力再强,前端收进来的声音不干净,出来的结果就打折扣。硬件要不要跟着变,先看拾音能不能满足要求。
拾音是第一个瓶颈。
拾音的覆盖要重排。原先的会议室按发言的需求布话筒,谁说话把话筒推过去就行。AI的转录要认得每一个说话的人,话筒的覆盖就不能留死角。圆桌的场合要用长条的阵列话筒,长桌的场合要用分布式的吸顶话筒。位置和数量都要重新算。
音频的链路要能分路。转录需要的是一路干净的人声,扩声需要的是经过处理的声音,两者的要求不一样。链路里要把这两路分开,别让扩声的处理影响到转录的输入。方案里把调音台的编组用起来,转录和扩声各走一路,互不干扰。
链路要能分两路。
AI会议对硬件提出了什么要求?
信噪比是第一项。会议室里的空调声、投影的风扇声、窗外的车流声,这些底噪会直接影响识别的准确率。硬件的层面能做的是选指向性强的话筒,把环境噪声挡在输入之外。装修的层面能做的是吸声和隔声,把底噪压下去。两头一起做,效果才明显。
回声消除是第二项。远程的会议里,扬声器的声音会被话筒收进去,传回对方的耳朵里就成了回声。原先的回声消除做在会议的终端里,现在还要考虑和AI的后端怎么配合。参数的调整要在实际的使用场景里试,试出来的值才准。
底噪和回声都要治。
拾音是第一个瓶颈
话筒的指向要和座位匹配。圆桌的场合用长条的阵列话筒吊在中间,覆盖的范围是一个圆。长桌的场合用分布式的吸顶话筒,按桌子的长度排布。发言的位置和话筒的距离控制在合理的范围内,远了以后识别的准确率会掉。
试听是必要的一步。方案定下来之前,在房间里做一次实际的录音,把几个人说话的样本录下来。放给识别的引擎跑一遍,看结果的准确率。准确率不达标的时候,调整话筒的位置和数量再测。这一步花的半天时间,能省掉后面的返工。
动手改之前先做一次试听,这一步千万不能省。
算力放在哪里更合适
本地部署的好处是数据和延时。会议的内容留在内网,不外传。识别的延时短,说话的停顿和转录的速度对得上。代价是前期的投入高,设备要占机柜的位置。对内容敏感的场景,本地部署是首选。
云端部署的好处是成本和更新。前期的投入低,算法升级不用换设备。代价是依赖网络的稳定,会议的音频要上传。网络的条宽和稳定要提前确认,条宽不够的时候会议的质量会受影响。两种方式按实际的需要选,不搞一刀切。
按场景选部署方式。
改造要不要一次到位
管线要一次预留够,设备可以分批上。
音频的线缆、网络的点位、机柜的空间,这几项在改造的时候一次做到位。设备可以先用现有的,等预算到位再升级。管线没预留的话,后面加设备就要重新动装修,代价大得多。这一条在改造的项目里特别重要。
兼容性要留出余地。设备的接口和协议要选通用的一类,将来接新的后端不受限制。方案的架构上把前端和后端解开,换后端的时候前端不用动。这一层的前瞻性,在AI技术更新快的当下很有价值。
管线和架构都要留余地。
马静带项目时提过,这一块吃亏,往往吃在拾音没试、链路没分上。炫笛出的方案里,话筒的点位和链路的编组一并附上。润泰做过会议室的音频改造项目,开工之前会把房间的底噪和座位的摆法核一遍。房间的面积、座位的形式和主要的用途说明一下,该留的余量就留得出来。