在AI技术快速融入智能手机、笔记本电脑、平板电脑和耳机的竞赛中,最引人注目的AI功能通常会受到最多关注。当耳机使用AI进行实时翻译服务或支持免提访问生成式AI聊天机器人时,你会明显感知到。但还有一种你的耳机使用AI的方式,虽然不那么令人兴奋,但当它运行良好时,却极其宝贵:AI驱动的自适应噪音消除技术。
所有顶级产品,包括苹果的AirPods Pro 2、谷歌的Pixel Buds Pro 2、三星的Galaxy Buds 3 Pro和索尼的WF-1000XM5,都宣称采用自适应降噪技术。自适应主动降噪技术利用训练好的算法来分类、预测和消除外部噪音,根据环境中不断变化的音量水平进行调整。
但并非所有算法都同样出色,Bose最新的QuietComfort Ultra Earbuds 2证明了这一点。虽然这款耳机可能没有实时转录、翻译或聊天机器人兼容性,但Bose将所有AI投入都放在自适应噪音消除上,这样做产生了巨大差异。
自适应噪音消除技术的优势
自适应噪音消除是AI和机器学习技术在消费音频领域最佳应用之一。传统的主动噪音消除(ANC)使用麦克风检测环境中的噪音,并部署相等但相反的频率来消除噪音。
然而,你的环境及其噪音水平几乎从来都不可预测。前一分钟,你坐着的咖啡店还很安静,下一分钟,咖啡师就在搅拌机里研磨冰块。自适应ANC算法在数百万真实世界声音上进行训练,以识别模式并提供适量的噪音消除。一个极其直观的算法甚至可以在你意识到需要之前就开始工作。
与我偶尔使用一次的聊天机器人、转录或翻译服务不同,我每天都在使用自适应噪音消除。我不需要为其执行做任何工作,也不需要兼容的生态系统来最大化其功能。
Bose ActiveSense的卓越表现
Bose的自适应ANC模式ActiveSense是我在公共场所使用的首选音频模式。只有当耳机处于Aware模式时才能使用它,这对保持对周围环境的感知很理想。Bose的ActiveSense比第一代QuietComfort Ultra耳机和AirPods Pro 2等竞争对手明显更平滑,响应更快。
当我戴着AirPods在自适应模式下去杂货店时,耳机在停车场处于完全透明模式,一旦我进入商店,那里有聊天声、摇摆推车和头顶音乐传到耳机时,就会启动噪音消除。苹果和Bose耳机之间的显著区别是,我无法察觉QuietComfort Ultra Earbuds 2何时开始启用噪音消除——它总是在后台工作,但几乎不会暴露给我的耳朵。
当收银员与我说话时,Bose的耳机迅速让我听到他们的声音,没有任何耳内压力变化或错过任何话语。相反,苹果的对话模式有延迟,在耳机识别到有人在跟我说话之前,我经常会错过某人的前几个词。
与我的AirPods相比,耳朵里没有压力积聚,外部噪音自然淡入背景。这个功能的执行帮助耳机无缝融入你的日常生活,其不可察觉的特性意味着它正在有效地完成工作。
AI技术的务实应用
Bose的第二代ActiveSense是该公司在更低调的AI前沿投资的结果,这是该公司相对于竞争对手拥有的少数软件优势之一。Bose了解自己的优势,与其追逐会失败的AI功能,Bose明白利用AI进行噪音消除和处理将永远胜过设备上、生态系统特定、很少使用的对话功能。
Q&A
Q1:什么是自适应噪音消除技术?
A:自适应噪音消除技术利用训练好的算法来分类、预测和消除外部噪音,能够根据环境中不断变化的音量水平进行调整。与传统ANC不同,它能在数百万真实世界声音训练基础上识别模式,甚至可以在用户意识到需要之前就开始工作。
Q2:Bose ActiveSense有什么特别之处?
A:Bose的ActiveSense自适应ANC模式比竞争对手更平滑、响应更快。它在后台无声工作,用户几乎察觉不到何时启动噪音消除,没有耳内压力变化,外部噪音自然淡入背景,能够无缝融入日常生活。
Q3:AI降噪技术比其他AI功能更实用吗?
A:是的,与偶尔使用的翻译、转录或聊天机器人功能不同,AI自适应降噪每天都在使用,不需要用户做任何工作,也不需要兼容的生态系统。它是AI和机器学习技术在消费音频领域最实用的应用之一。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。