KI zur Gesprächsverbesserung für True Wireless Stereo (TWS) Earbuds

In der heutigen Folge des HearingTracker Podcast interviewt Moderator Steve Taddei Giles Tongue, CEO & Co-Founder bei Chatable. Giles begeistert sich für Technologien zur Verbesserung von Gesprächen, und sein Unternehmen ist ein Vorreiter im Wettlauf darum, True Wireless Stereo (TWS)-Ohrhörer für die 1.5 Milliarden Menschen weltweit zu revolutionieren, die unter Hörverlust leiden. Hören Sie rein, um ein Update zum aktuellen Stand der Technik zu erhalten und herauszufinden, was Sie von diesem sich rasant entwickelnden Technologiebereich erwarten können.

Podcast-Transkript

Steve Taddei: Willkommen zurück. Ich bin Dr. Steve Taddei und dies ist der Hearing Tracker Podcast.

Heutzutage fühlt sich die Welt der Hörtechnologie ziemlich chaotisch an. Zum Beispiel bieten Elektronikunternehmen wie Bose Hörgeräte direkt an Verbraucher an. Gleichzeitig entwickeln Hörgerätehersteller multifunktionale Consumer-Ohrhörer. Sie müssen nicht einmal Ihr Haus verlassen, um Ihr Gehör testen zu lassen. Aber was ist mit Hörakustikern? Die Widersprüche scheinen zahlreich zu sein, und es geschehen so viele Veränderungen so schnell. Nun, in der heutigen Folge war Giles Tongue, der CEO eines Start-ups für künstliche Intelligenz namens Chatable, bei mir zu Gast, und er ist der Ansicht, dass wir uns inmitten dieses Chaos auf dem richtigen Weg und an der Schwelle zu einer Hörtechnologie befinden, die persönlicher ist als je zuvor.

Also, legen wir los.

Giles Tongue: Eine der großen Technologien, die diesen großen Wandel wirklich eingeleitet haben, ist Bluetooth. Bluetooth hat die Entwicklung des echten kabellosen Stereo-Ohrhörers ermöglicht.

Steve Taddei: Das ist Giles Tongue. Und falls Sie es noch nicht wussten: Echte kabellose Stereo-Ohrhörer, oder TWS, sind derzeit ziemlich beliebt.

Giles Tongue: In den nächsten vier Jahren werden voraussichtlich 2 Milliarden Paar Ohrhörer verkauft.

Ich glaube nicht, dass wir jemals zuvor erlebt haben, dass eine Produktkategorie in der Unterhaltungselektronik so schnell wächst.

Steve Taddei: Aber wie wir letzten Monat besprochen haben, gibt es Kopfhörer schon seit den 1800er Jahren. Was hat sich also verändert, dass sie so beliebt geworden sind?

Giles Tongue: TWS-Ohrhörer wurden zunächst populär, weil sie das bequeme Stereo-Streaming von Musik, Medien und Telefonanrufen ohne Kabel ermöglichten.

Also ein sehr praktischer Formfaktor. Und in den letzten Jahren haben wir gesehen, dass aktive Geräuschunterdrückung allgegenwärtig geworden ist, um Geräusche draußen zu halten und das Erlebnis zu verbessern, denn seien wir ehrlich: Niemand mag Lärm. Damit einher geht der Transparenzmodus, auch bekannt als Hear Through oder Pass Through, der hinzugefügt wurde, damit Menschen die Welt um sich herum hören können, ohne ihre Ohrhörer herausnehmen zu müssen.

Und natürlich besteht beim Herausnehmen unserer Ohrhörer das Risiko, die Verbindung zu verlieren oder die Kopplung aufzuheben, was wirklich lästig ist.

Steve Taddei: Der Transparenzmodus ist eine bedeutende Innovation. Indem man dem Ohrhörer einige Mikrofone hinzufügt, erhält man die Möglichkeit, die Welt um sich herum zu steuern. Nun ja, zumindest ihre Lautstärke. Vielleicht erinnern Sie sich an diesen Werbespot, den Apple 2020 veröffentlichte und der den Transparenzmodus sowie eine Frau zeigte, die sich tanzend durch eine Stadt in ihrer Musik verlor.

Diese Technologie ist inspirierend, und wir bauen bereits mit neueren Innovationen darauf auf.

Giles Tongue: Was wir in jüngerer Zeit sehen, ist die Hörpersonalisierung, die hinzugefügt wird, damit wir die unterschiedlichen Hörniveaus und Hörbedürfnisse jedes Einzelnen berücksichtigen können. Und Pioniere wie Apple verfolgen und zeigen über ihre AirPods, die Watch und das Phone Lärmbelastung und sichere Hörpegel an.

Es kommen also gleichzeitig eine ganze Reihe verschiedener hörbezogener Funktionen auf den Markt.

Steve Taddei: Reden wir hier also wirklich nur darüber, dass TWS-Ohrhörer zu Hörgeräten werden, richtig? Keineswegs. Giles beschrieb weiter die tatsächlichen Auswirkungen dieser Technologie und sogar mögliche generationenübergreifende Folgen.

Giles Tongue: Ihr Kind nutzt heute also ANC, personalisiertes Audio und Transparenz für Live-Gespräche, vor allem weil es seine Ohrhörer nicht herausnehmen möchte.

Es möchte seine Ohrhörer also ständig weiter benutzen und die Verbindung nicht unterbrechen. Deshalb möchte es den Transparenzmodus eingeschaltet lassen und ist sich von Tag eins an des sicheren Hörens bewusst. Nehmen wir an, es handelt sich um ein zehnjähriges Kind, und während sich sein Gehör über die Jahre verändert, kann es dies überwachen. Es kann seine Personalisierung weiter anpassen und entsprechend der Nutzung verändern.

Das bedeutet, dass der Airpod-Nutzer ohne besonderen bewussten Aufwand eine Reihe von Hörgesundheitsfunktionen nutzt und davon profitiert, die sein Gehör verbessern, schützen und überwachen. Und das ist jetzt die Norm für eine ganze Generation. Und einige Ohrhörer – wenn wir die Airports für einen Moment vergessen – möchten gar nicht, dass man sie benutzt, ohne zuvor für personalisiertes Audio einen Hörtest gemacht zu haben. Das ist ihr ganzer Zweck.

Steve Taddei: Das erinnert mich an eine Szene aus einem meiner Lieblingsfilme.

Genau, Back to the Future. Im zweiten Film findet sich Marty McFly in der Zukunft wieder, wo sich seine Kleidung automatisch an ihn anpasst.

Auch wenn wir 2015 bedauerlicherweise keine Hoverboards und fliegenden Autos gesehen haben, scheint unsere Hörtechnik zumindest einen Hinweis aufgegriffen zu haben. Und ob wir es bemerken oder nicht, unser Audio wird zunehmend personalisiert. Wenn wir zurückkommen, sprechen wir über künstliche Intelligenz und die Chatable-App.

Bleiben Sie also dran.

Vielen Dank, dass Sie den Hearing Tracker Podcast hören. Wenn Sie jemanden kennen, der sich für Hörtechnik und künstliche Intelligenz interessiert, teilen Sie diese Folge bitte mit dieser Person. Giles hatte auch hervorragende Einblicke in die Chipentwicklung und die zunehmende Innovationsgeschwindigkeit. Und obwohl wir keine Zeit hatten, das in diese Folge aufzunehmen, ist es weiterhin in der ungeschnittenen Aufnahme zu hören. Das vollständige Gespräch und mehr finden Sie auf Patreon.com/hearingtrackerpodcast.

Bisher haben wir mit Giles über einige der erstaunlichen Technologien gesprochen, die uns zur Verfügung stehen. Aber Giles ist mehr als nur ein Technikguru. Er ist tatsächlich der CEO eines KI-Start-ups, das für eine App namens Chatable verantwortlich ist.

Giles Tongue: Ja, nun, Chatable ist KI zur Verbesserung von Gesprächen für TWS-Ohrhörer und Hörgeräte. Wir nennen es ein neues Erlebnis, weil man es hören muss, um es zu erleben.

Und im Wesentlichen verbessern wir den Transparenzmodus durch Gesprächsverbesserung. Das bedeutet, dass Sie Ihre Ohrhörer für ein Gespräch drinlassen können und den Vorteil haben, sie nicht herausnehmen zu müssen. Und Chatable entfernt Störgeräusche, Hall, Musik und andere Sprecher. So können Sie Gespräche leicht verstehen.

Steve Taddei: Wir sprechen hier also über eine Smartphone-App, die Audio verarbeitet, um Sprache klar zu machen, und die mit jedem am Ohr getragenen Gerät wie Kopfhörern und Hörgeräten verwendet werden kann. Aber Moment, bieten diese Technologien nicht bereits Störschallunterdrückung?

Giles Tongue: Aus technologischer Sicht ist es, wenn wir beispielsweise traditionelle Hörtechnologie oder DSP vergleichen, ein relativ wenig rechenintensiver Prozess, der aus grafischen Mehrband-Equalizern, etwas Kompression und manchmal Beamforming für Richtwirkung besteht. Was wir tun, ist, tiefe neuronale Netzwerke zu verwenden, die hundert Millionen Berechnungen pro Sekunde in Ihrem Ohr durchführen. Das ist im Grunde eine komplexe Blackbox, die Audio von einem einzelnen Mikrofon aufnimmt, es wirklich, wirklich schnell verarbeitet und die neuen Samples an Ihr Ohr ausgibt. So schnell, dass Sie nie wirklich merken werden, dass irgendeine Verarbeitung stattgefunden hat.

Steve Taddei: Nehmen wir uns einen Moment Zeit und schlüsseln das auf. Traditionelle Hörgeräte haben viele Prozesse. Wie Giles erwähnte, gibt es die Entzerrung, mit der Sie die Lautstärke verschiedener Frequenzen anpassen können.

Denken Sie an die Regler für Bass, Mitten und Höhen in Ihrem Auto. Nun, Hörtechnik bietet viel mehr Kontrolle, und Sie können fast jede gewünschte Anpassung vornehmen. So wie ich es gerade mit meiner Stimme tue. Es gibt auch Kompression, die laute Spitzen dämpfen und gleichzeitig leisere Abschnitte hervorheben kann. Hier ist ein Beispiel für Hyperkompression, bei der die Spitzen meiner Stimme um weit mehr als 10 Dezibel reduziert werden.

Giles erwähnte auch Beamforming-Mikrofone. Nun, ich verwende gerade einen stark gerichteten Mikrofontyp, der als Richtrohrmikrofon bekannt ist. Dies ahmt das Beamforming in Hörgeräten grob nach. Während ich das Mikrofon von mir wegdrehe, achten Sie darauf, wie meine Stimme leiser und weniger natürlich klingt. Zusammen können all diese Prozesse helfen, Sprache klar zu machen. Aber Giles erwähnte, dass Chatable etwas anderes verwendet.

Künstliche Intelligenz. Wenn Sie mir ähnlich sind, überfluten diese Worte Ihren Geist mit Bildern dystopischer Zukünfte, Robotern, Angst und einer bedrohten Menschheit.

Und dafür haben wir Hollywood zu danken. Aber in Wirklichkeit ist künstliche Intelligenz ein wenig anders.

Giles Tongue: Im Allgemeinen gilt alles, was ein Tier oder ein Mensch tut und das Sie als intelligent beschreiben würden, als künstliche Intelligenz, wenn es von einer Maschine getan wird. Eine weitere mögliche Definition von Intelligenz ist jeder Prozess, den das Gehirn ausführt.

Alles, was einen Gehirnprozess nachbildet, kann also als künstliche Intelligenz oder künstlich intelligent bezeichnet werden. Da wir den intelligenten Gehirnprozess nachbilden, der daran beteiligt ist, wie Sie Sprache und Sprache im Lärm hören, und dafür künstliche Neuronen in künstlichen neuronalen Netzwerken verwenden, erfüllen wir dieses Kriterium.

Steve Taddei: Giles hatte auch tiefe neuronale Netzwerke erwähnt, die sich, wie sich herausstellt, als Teilmenge hochentwickelter Lernalgorithmen innerhalb der künstlichen Intelligenz einordnen lassen.

Giles Tongue: Wenn Sie eine auf neuronalen Netzwerken basierende KI zur Lösung eines Problems einsetzen möchten, können Sie manchmal ein Gehirn finden, das das Problem bereits mithilfe von Neuronen löst. Wenn Sie dann die neuronale Verarbeitung dieses Gehirns untersuchen und dies auf den Entwicklungsprozess einer auf neuronalen Netzwerken basierenden KI anwenden, dann ist das neurowissenschaftlich geleitete KI.

Das Problem von Sprache im Lärm wird bereits vom gesunden menschlichen Gehirn gelöst. Diese Lösung durch Reverse Engineering nachzubilden, ist also ein guter Weg, um eine KI zu erhalten, die dieselbe Aufgabe erfüllt. Reverse Engineering des Gehirns nennt man Neurowissenschaft. Daher informieren wir unsere KI-Arbeit, indem wir uns ansehen, was das Gehirn tut, wenn es aktiv Sprache hört.

Unsere KI liefert Ihnen also im Grunde das Ergebnis, das Sie mit einem gesund funktionierenden menschlichen Gehirn erzielen würden – künstlich.

Steve Taddei: Für die Chatable-App bedeutet das, dass ihre Algorithmusarchitektur auf dem menschlichen Gehirn basiert. Sie analysiert die Eingabe, filtert sie und synthetisiert Sprache neu. Das Ergebnis ist eine individuelle Lautstärkeregelung sowohl über Störgeräusche als auch über die Person, mit der Sie sprechen.

Zum Beispiel könnte meine Stimme so klingen, wenn Sie und ich uns in einem lauten Restaurant gegenübersäßen. Ich bin sicher, Sie können mich noch hören, aber offensichtlich lenkt der ganze Lärm ein wenig ab. Probieren wir also die Chatable-App aus.

Jetzt ist die Chatable-App eingeschaltet und Sie tragen einen normalen Satz Apple-Ohrhörer. Nun erhöhe ich den Lautstärkeregler für meine Stimme. Sie sollten also hören, wie ich dabei lauter und klarer werde. Und so klingt es, wenn ich beginne, die Störgeräusche zu reduzieren; Sie sollten hören, dass es leiser wird, während der Klang meiner Stimme relativ gleich bleibt.

Die Chatable-App steht jetzt zum Download bereit, und das ist ihre Technologie der ersten Generation. Aber ihr Team arbeitet daran, diesen Prozess mit ihrer Edge AI der dritten Generation direkt ans Ohr zu bringen.

Giles Tongue: Für die neue Edge AI haben wir den Knowles DSP verwendet, einen winzigen Chip, der zusammen mit ... typischerweise hat man in einem Ohrhörer ein SOC, ein System-on-a-Chip, das im Grunde alles ausführt, was für einen funktionierenden Ohrhörer nötig ist. Und der Knowles-Chip arbeitet parallel dazu und im Zusammenspiel damit. Wir laufen also vollständig auf diesem Knowles-Chip. Der Schall kommt ins Mikrofon, wir verarbeiten ihn auf dem Knowles-Chip und senden ihn dann an den Lautsprecher. Und dies ist die erste KI zur Gesprächsverbesserung ohne hörbare Latenz und die erste, die auf einem Chip in Ihrem Ohr läuft.

Und wir haben gerade die Personalisierung hinzugefügt. Sie können also ein Audiogramm importieren. Wenn Sie iPhone-Nutzer sind, wird Ihr Audiogramm in Apple Health gespeichert, und dann können wir es in unsere Begleit-App übernehmen, die Sie mit Ihren Ohrhörern verwenden würden. Dann senden wir Anweisungen an unsere KI, die Ihre Gesprächsverbesserung auf Grundlage dessen personalisiert, was wir in Ihrem Audiogramm sehen. Oder Sie können manuelle Regler verwenden, um beispielsweise Bass, Höhen und solche Dinge persönlich anzupassen.

Die andere Sache, die wir jetzt hinzufügen, sind Hörgesundheitsfunktionen. Jetzt können Sie also sehen, wie viel Störgeräusch wir tatsächlich entfernt haben, und die Menge der Lärmbelastung quantifizieren, der Sie ausgesetzt waren, sowie wie viel wir entfernt haben.

Steve Taddei: Künstliche Intelligenz und tiefe neuronale Netzwerke gibt es schon seit Jahrzehnten, aber Fortschritte in Technologie und Rechenleistung haben die Schleusen geöffnet, und wir werden sehen, wie diese Algorithmen Funktionen und Sprachklarheit verbessern. Und wir erleben das gerade jetzt. Hörgeräte nutzen bereits tiefe neuronale Netzwerke anstelle der traditionellen regelbasierten Verarbeitung.

Andere Unternehmen wie Chatable erweitern mit TWS-Ohrhörern die Grenzen.

Vielen Dank an unseren Gast, Giles Tongue von Chatable. Um mehr zu erfahren, besuchen Sie Chatable.ai. Diese Folge wurde von mir geschrieben, produziert und klanggestaltet, mit Unterstützung von Dr. Abram Bailey. Vergessen Sie nicht, zu abonnieren, und vielen Dank fürs Zuhören.