A koronavírus-járvány egy sor fejlesztést felgyorsított. Főleg a táv- és csoportmunka eszközöknél történt nagy előrelépés. A Microsoft például felgyorsított a Teams zajcsökkentő funkciójának aktiválását. Erre aztán a Google is összekapta magát, hogy hasonló fejlesztését élesítse a Meetben.

A zajcsökkentő funkció érkezését a vállalat áprilisban jelentette be. A bevezetésnél azonban a Google tartja magát a fokozatosság elvéhez, mondta a VentureBeatnek a vállalat G Suite-ért felelős igazgatója, Serge Lachapelle. Először, még ebben a hónapban, az Enterprise és Education változatot használó ügyfelek élvezhetik a zajszűrést. Az részben költségkérdés, hogy egyelőre csak a fizető ügyfelek kapják meg. A Google-nek a fejlesztési költségen túl is pénzbe kerül, ha egy Meet-megbeszélés lebonyolításába újabb feldolgozási fázis épül.

A vállalat ígérete szerint a Meet mögött dolgozó MI-algoritmus intelligens módon szűri az online megbeszélést zavaró háttérzajokat a kutyaugatástól a billentyűzet klattyogásáig. Ez alapértelmezett szolgáltatás lesz, a felhasználónak csak akkor kell vele foglalkoznia, ha valamiért ki akarja iktatni. Eredetileg nem is akarták kikapcsolhatóvá tenni, de egy saját élmény miatt a csapat újragondolta ezt. Amikor elkészült az első demó, és bemutatták a teljes csapatnak, akkor a demó végén kitört a taps, amit persze a zajszűrő azonnal eltávolított, pedig akkor és ott nagyon is lett volna helye. Rájöttek, hogy számtalan szituációban lehet szükség a háttérzajok közvetítésére.

A funkciót a Meet beállításaiban az Audio fülön lehet kikapcsolni. Lachapelle szerint több fókuszcsoportos vizsgálat után, UX-szempontok miatt döntöttek úgy, hogy nem csak hogy alapértelmezetté teszik, de nem rendelnek hozzá hívások közben látható kapcsoló gombot sem.

Egy svéd ötletere épül

A projekt egy a Google által 2017 januárjában megvásárolta cég, a svéd Limes Audio eredményeire épül. Az egyetmi kutatásból kinövő svéd startup zajszűrési megoldásokat keresett. Serge Lachapelle a VentureBeatnek azt mondta, hogy először a belső kommunikáció javítása miatt vágtak bele a továbbfejlesztésbe: az eltérő időzónákban dolgozó alkalmazottaik gyakran kapcsolódtak be megbeszélésekbe otthonról vagy irodán kívüli helyszínekről, ahol a háttérzajok sokszor nehezítették a gördülékeny egyeztetéseket.

A zajszűrés szorosan kapcsolódik a beszédfelismerés problémaköréhez: olyan gépi tanulási modellre van szükség, amely el tudja különíteni a beszédet és a nem beszéd jellegű zajokat, és ez sokkal nagyobb kihívás, mint a fülhallgatóknál alkalmazott, szigetelésszerű szűrés. Az adatmodell tökéletesítéséhez először a fejlesztők saját online megbeszéléseik rögzített hanganyagát használták, majd később olyan YouTube videók hangjából készítettek tanító adatkészletet, amelyen egyszerre több személy is beszél.

Bár a három év alatt sikerült egy működő szolgáltatást összerakni, még messze van a tökéletestől - nyilatkozta Lachapelle. A finomhangolás évekig is eltarthat. Az ilyen szolgáltatásoknál a legnehezebb ugyanis a középút megtalálása: úgy szűrje a zavaró elemeket, hogy közben megőrizze a beszélő természetes akusztikus terét. Egy ajtócsapódás, gyereksírás, kutyaugatás kiszűrése bizonyos helyzetekben magától értetődő. De az is kiszűrendő például, ha a beszélő felsóhajt két mondat között?
 

Serge Lachapelle demózza a VentureBeatnek a zajszűrést

A szolgáltatás a VentureBeat beszámolója szerint az egyértelmű, karakterében, frekvenciatartományában az emberi hangtól kellően távoli zajoknál (háziállatok, háztartási gépek hangja stb.) hatásos, de például egyes hangszerek akusztikus jellemzőit az algoritmus nem mindig tudja megkülönböztetni az emberi hangtól. A legsürgetőbb megoldandó feladat, hogy a szűrés bármilyen nyelvnél működjön. Ez sem triviális probléma, mert az egyes nyelvekhez jellegzetesen más hangtartomány tartozik.

Ígérik, az adatok biztonságban lesznek

A gépi tanulási modell a Google felhőjében fut. Ez tudatos döntés volt, ugyanis elég nagy számítási kapacitás kell hozzá, ami egy végponti eszközt (telefon, laptop) túlságosan leterhelne. Ez okoz némi késleltetést, de azt állítólag 20 ms körül lehetett tartani.

A hang először elmegy a Google adatközpontjába, a szolgáltatás kiszedi belőle a zajt, és továbbítja a résztvevőknek. De a vállalat ígéri, az adatok biztonságban vannak. A rendszer az információt megosztott kulcsú végponti titkosítással védi, de egyelőre ez a telefonos hívások esetében nem működik.