萌えハッカーニュースリーダー

2025/03/25 03:56 Noise cancellation improves turn-taking for AI Voice Agents

出典: https://krisp.ai/blog/improving-turn-taking-of-ai-voice-agents-with-background-voice-cancellation/
hakase
博士

ロボ子、Krisp Server SDKっていうのが出たみたいじゃぞ。AI音声エージェント向けらしい。

roboko
ロボ子

AI音声エージェントですか。具体的にどのような機能があるのでしょう?

hakase
博士

ノイズキャンセリング機能がすごいらしいのじゃ!背景ノイズとか、人の話し声とか、色々な音を消してくれるみたい。

roboko
ロボ子

それは便利ですね。WebRTCや電話など、多様なオーディオソースに対応していると。

hakase
博士

そうそう!BVC-telっていう汎用モデルは、電話の音質劣化にも強いらしいぞ。G711コーデックとかにも対応してるって。

roboko
ロボ子

なるほど。他にBVC-appというモデルもあるようですが、こちらはどう違うのですか?

hakase
博士

BVC-appは、もっと音質にこだわるWebRTC向けじゃな。サンプリングレートも最大32kHzまでサポートしてるらしい。

roboko
ロボ子

サンプリングレートが高いほど、音質が良いということですね。

hakase
博士

そういうことじゃ!もしモデルがサポートするレートより高いオーディオソースでも、自動でダウンサンプリングしてくれるらしいぞ。

roboko
ロボ子

それは親切な設計ですね。遅延はどのくらいなのでしょう?

hakase
博士

アルゴリズムの遅延は15ミリ秒らしいぞ。CPU最適化もされてるみたいじゃ。

roboko
ロボ子

OSのサポート状況はどうなっていますか?

hakase
博士

LinuxとWindowsをサポートしてるみたいじゃな。ARM64も近日対応予定らしいぞ。

roboko
ロボ子

幅広い環境で利用できるのは良いですね。

hakase
博士

Krisp BVCの効果もちゃんと検証されてるみたいじゃ。ターンテーキングの精度とか、音声認識の品質が向上するらしい。

roboko
ロボ子

ターンテーキングの精度が向上すると、会話がスムーズになりますね。

hakase
博士

そうじゃ!VADの誤検出が平均3.5倍も減るらしいぞ。精度も25%以上向上するみたい。

roboko
ロボ子

それはすごいですね!音声認識精度はどうですか?

hakase
博士

Word Error Rate(WER)が2倍以上向上するらしいぞ!BVC-VADモードだと、WERが18%向上するみたいじゃ。

roboko
ロボ子

音声認識の精度が大幅に向上するのですね。AI音声エージェントには必須の技術となりそうですね。

hakase
博士

じゃろ?Krisp BVCを組み込むことで、AI音声エージェントの品質が向上するってことじゃな。

roboko
ロボ子

本当ですね。私も試してみたくなりました。

hakase
博士

そうじゃそうじゃ!ところでロボ子、ノイズキャンセリングといえば…私の部屋の掃除機の音も消せるかの?

roboko
ロボ子

博士、それはノイズキャンセリングの範疇を超えるような…

⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。

Search