华盛顿大学研发 AI 耳机：看对方几秒，嘈杂人群中就只听他说话

在喧闹的酒吧或聚会上，我们常遇到这种尴尬：对面的人明明在冲你说话，你却只能听到满屋子的嗡嗡声，连猜带蒙地点头。

现在的降噪耳机确实能把世界静音。比如 AirPods Pro 懂得在你开口时调低音乐，但它没法替你挑出到底该听谁的声音。

华盛顿大学的研究团队想出了一个挺巧妙的办法。他们做了一套叫 Target Speech Hearing 的 AI 系统，只要你戴着耳机看向对方三到五秒，就能锁定他的声音。

盯住三秒，世界立刻安静了

这套系统的用法其实很符合直觉。戴上装有麦克风的改装耳机，当你看着正在说话的人时，按一下耳机上的按钮。

只要对方的声音同时到达耳机两端的麦克风，系统就会自动抓取他的声纹特征。这里的瞄准甚至允许 16 度的角度偏差，不需要你像狙击手一样死死盯住。

耳机把音频传给随身携带的嵌入式微型计算设备，上面的机器学习算法几秒内就能完成注册。随后，环境里其他人的交谈声和背景噪音全被抹掉，只剩下目标说话者的声音。

最厉害的是，一旦锁定，你就可以转头、走开甚至背对对方。AI 会像追踪雷达一样，在嘈杂环境里持续提取他的声波，而且对方说得越多，系统的捕捉效果反而越好。

团队找来 21 位受试者做了测试，大家对过滤后目标声音的清晰度评价，平均达到了未过滤音频的近两倍。

能听清了，但限制依然不少

这套系统目前还只是个原型，开源了代码，并没有做成消费级产品。

它现在也存在明显的短板。比如一次只能锁定一个人的声音，没法应付三四个人围坐讨论的场景。

另外，如果正对着你的方向，正好有另一个人也在大声说话，系统就会犯糊涂，无法成功注册。要是觉得音质不够好，你还得再按一次按钮重新对准采录一遍。

负责该项目的华盛顿大学教授 Shyam Gollakota 解释，团队之前的研究叫语义听觉，能让用户选择听鸟鸣还是人声。而这次的突破，是直接让 AI 按照个人意愿，实时重塑听觉感官。

团队接下来打算把这套算法塞进更小巧的入耳式耳机和助听器里。

为什么重要

我们认为这项研究找准了音频硬件最难啃的一块骨头。降噪技术发展了这么多年，做单纯的静音已经到头了，难的是如何聪明地让该进来的声音进来。

对于听障人士或轻度听力受损者来说，这种技术一旦落地，甚至可能颠覆传统助听器。目前的助听器多半是无差别放大声音，在吵闹环境下极其刺耳，而按需提取特定人声才是真正的人性化需求。

对苹果、索尼等硬件大厂来说，这指明了一条新赛道。未来的降噪耳机竞争不再只是比拼降噪分贝数，而是看谁的端侧模型能更快、更精准地做声源分离。

看起来它的产品化隐患依然在算力和体积上。目前它还需要外接嵌入式计算机，想要缩减到普通无线耳机的超小芯片和微弱电池里，实时跑完声纹分析和降噪，工程挑战依然非常大。