پڑھنے کا وقت 4 منٹ

کال میں شور کم کرنے والی اے آئی کیا بدلتی ہے؟

شائع ہوا

30 سیکنڈ میں خلاصہ

نیورل شور میں کمی وہ عمل ہے جس میں تربیت یافتہ ماڈل گفتگو والے صوتی سگنل سے غیر ضروری آواز کم کر کے بولنے والے کو زیادہ واضح سنانے کی کوشش کرتا ہے۔

آپ کال پر بات کر رہے ہیں اور پاس پنکھا چل رہا ہے، مگر سامنے والے کو اس کی بھنبھناہٹ کم سنائی دیتی ہے۔ پنکھا بند نہیں ہوا اور کمرے کا شور بھی ختم نہیں ہوا۔ تبدیلی اس آواز میں ہوئی ہے جو کال کے ذریعے آگے بھیجی جا رہی ہے۔ اس لیے آپ کو کمرے میں سنائی دینے والی آواز اور ساتھی کو پہنچنے والی آواز ایک جیسی ہونا ضروری نہیں۔

مائیک کو ایک ملا ہوا سگنل ملتا ہے

مائیکروفون گفتگو، پنکھے اور دوسرے شور کو ایک ساتھ پکڑتا ہے۔ اسے ہر آواز کی الگ فائل نہیں ملتی۔ ماڈل اس مرکب کے چھوٹے حصوں کو دیکھ کر اندازہ لگاتا ہے کہ کہاں گفتگو کی خصوصیات زیادہ ہیں اور کہاں شور کا حصہ زیادہ ہو سکتا ہے۔ کچھ حصے دبا دیے جائیں تو نکلنے والی آواز میں شور کم محسوس ہوتا ہے۔ لیکن یہ تخمینہ ہے، آوازوں کی بے خطا پہچان نہیں۔

RNNoise نامی تحقیقی طریقے میں دھیمی اور تیز صوتی ارتعاشات کو گروہوں میں رکھا جاتا ہے۔ سیکھا ہوا ماڈل ہر گروہ کے لیے کمی کی مقدار بتاتا ہے، جبکہ عام صوتی پروسیسنگ بھی اس کے ساتھ کام کرتی ہے۔ ہر ایپ یہی طریقہ نہیں اپناتی۔ یہ مثال صرف عمل کو واضح کرتی ہے: ملا ہوا سگنل داخل ہوتا ہے، کمی کی مقدار کا اندازہ بنتا ہے، اور تبدیل شدہ سگنل آگے جاتا ہے۔

ماڈل کو کس چیز کی مشق ملتی ہے؟

تربیت میں صاف گفتگو کی ریکارڈنگ کے ساتھ الگ شور ملایا جا سکتا ہے۔ اس سے صاف گفتگو اور شور والے مرکب کا موازنہ ممکن ہوتا ہے، اور ماڈل مطلوبہ کمی کا حساب بہتر بناتا ہے۔ استعمال کے وقت یہی سیکھے ہوئے تعلقات نئی آواز پر لگائے جاتے ہیں۔ اس مخصوص طریقے کو ہر لفظ کا مطلب سمجھنے اور اسے دوبارہ بولنے کے برابر نہیں سمجھنا چاہیے۔

RNNoise کے مصنف وضاحت کرتے ہیں کہ مختلف شور اور ریکارڈنگ حالات کی مثالیں اہم ہیں۔ ناواقف شور یا مختلف مائیکروفون سے نتیجہ بدل سکتا ہے۔ کسی مظاہرے میں پنکھے کی آواز اچھی طرح دب جانا اس بات کی ضمانت نہیں کہ بازار یا موسیقی میں بھی اتنا ہی اچھا نتیجہ ملے گا۔ اصل جانچ آپ کے آلے، ماحول اور منتخب ترتیب کے ساتھ ہوتی ہے۔

شور کے ساتھ الفاظ بھی کم ہو سکتے ہیں

گفتگو اور پس منظر کا شور بعض صوتی حصوں میں ایک ساتھ موجود ہوتے ہیں۔ اس حصے کو بہت زیادہ دبایا جائے تو لفظ کی باریکی بھی کم ہو سکتی ہے۔ آواز مشینی لگ سکتی ہے یا لفظ کا آغاز اور آخری حصہ واضح نہ رہے۔ اس لیے پس منظر کا خاموش ہو جانا تنہا کامیابی نہیں۔ اہم یہ ہے کہ سننے والے کو بات سمجھ آ رہی ہو۔

گفتگو کے لیے تیار فلٹر گٹار یا گانے کو بھی غیر ضروری آواز سمجھ کر دبا سکتا ہے۔ موسیقی کے سبق میں یہ نقصان دہ ہے۔ زوم کی رسمی ہدایات موسیقی کے لیے اصل آواز برقرار رکھنے والے موڈ بیان کرتی ہیں۔ یہ زوم کا مخصوص انتخاب ہے؛ ہر ایپ میں نام اور عمل مختلف ہو سکتے ہیں۔ اگر ساز یا گانا سنانا ہے تو اپنی خدمت میں موسیقی کے لیے مناسب ترتیب دیکھیں۔

آواز سن کر فیصلہ کریں

ایک چھوٹے تجربے میں وہی جملہ فلٹر کے ساتھ اور اس کے بغیر کہیں۔ سنیں کہ پنکھا کم ہوا ہے یا نہیں، اور الفاظ اپنی جگہ رہے ہیں یا نہیں۔ اگر شدت بدلنے کا اختیار ہو تو کم شدت بھی آزمائیں۔ ایسا اختیار نہ ہو تو زیادہ خاموش جگہ یا بہتر رکھا ہوا مائیک استعمال کیا جا سکتا ہے۔ زیادہ شدت ہر کال کے لیے بہتر ہونے کا اصول نہیں۔

اہم میٹنگ سے پہلے دوسرے شخص سے پوچھیں کہ اسے کیا سنائی دے رہا ہے۔ آپ کی مقامی ریکارڈنگ اور کال میں بھیجا جانے والا سگنل مختلف پروسیسنگ سے گزر سکتے ہیں۔ موسیقی کی کلاس میں گفتگو اور ساز دونوں جانچیں۔ یہ کسی ایپ کا دعویٰ کردہ نتیجہ نہیں بلکہ اپنی ترتیب کو پرکھنے کا طریقہ ہے۔ نتیجہ دیکھے بغیر یہ نہ سمجھیں کہ شور کم ہونے سے ہر لفظ بھی درست پہنچا ہے۔

گفتگو کے سگنل سے شور کم کرنا کمرے یا ہیڈفون کے باہر کی دنیا کو خاموش کرنا نہیں ہے۔ یہاں آگے بھیجی جانے والی آواز بدلی جاتی ہے۔ اس فرق کو ذہن میں رکھیں تو آپ صرف سب سے خاموش ترتیب کے بجائے وہ ترتیب منتخب کر سکتے ہیں جس میں مطلوبہ بات یا موسیقی واضح برقرار رہے۔

ماخذ
  1. A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech EnhancementJean-Marc Valin; IEEE Multimedia Signal Processing Workshop
  2. RNNoise: Learning Noise SuppressionJean-Marc Valin / Xiph.org
  3. Setting up professional audio for Zoom MeetingsZoom Support