|
一文读懂助听器DNN：不是“更猛的降噪”，而是“会挑人声”很多用户在门店听到“DNN深度神经网络”，好反应是“是不是降噪更强了”。其实DNN真正改变的，是助听器理解声音的方式。 传统助听器处理嘈杂环境，主要靠工程师写好的固定规则：识别稳态噪声、压低频段、开方向性麦克风。这套逻辑对付空调嗡嗡声很好用，但一遇到餐厅闲聊、菜场叫卖这种忽高忽低、和人声挤在同一频段的非稳态噪声，就容易“误伤”——把言语细节一起削掉。 DNN走的是另一条路。厂家先用数百万甚至上千万条真实声音样本（含不同语种、语气、噪声类型）离线训练网络，让它学会区分“该听的人声”和“该压的杂音”；训练完的模型再塞进助听器专用低功耗芯片，日常使用中做的是实时推理：每秒上千次逐帧判断，把言语从混合信号里“剥”出来，而不是一刀切静音。 各家的DNN已经分化成不同路线：峰力Sphere Infinio靠专用DEEPSONIC AI芯片做万向言语分离，在噪声中可带来约10 dB信噪比改善；奥迪康Intent用DNN 2.0 + 4D传感器，结合头动和身体姿态猜你的聆听意图，倾向保留完整声景而非清空环境；斯达克Omega AI的DNN 360方向性则把空间感和言语清晰度打包处理。 但验配师一定要跟用户讲清边界：DNN是增量升级，不是魔法。当噪声和语音同方向、信噪比好低（如-5 dB左右）、或房间混响很重时，再深的网络也拆不干净；它也无法修复安静环境下本身就很差的言语分辨率。另外，AI常驻运算会增加功耗，开启DNN后的实际续航往往低于标称值，换机时一定要按“开AI模式”实测一天。 |
