在當今信息化時代,語音通信技術的進步對應急救援、衛(wèi)星通信等領域的發(fā)展至關重要。在衛(wèi)星通信領域,窄帶寬(甚低碼率500bps以下)和遠距離傳輸?shù)燃夹g限制一直是亟待攻克的行業(yè)難題。

作為國內領先的北斗應用技術企業(yè) ,磐鈷智能依托國家第二代北斗重大專項的應用推廣與產(chǎn)業(yè)化,與中山大學CPNT Lab(北斗綜合智能導航團隊)展開深度合作,成功研發(fā)出具有自主知識產(chǎn)權的低碼率語音壓縮算法,并獲得國家專利授權。如今,這一算法已升級至3.0版本,為北斗語音通信帶來了革命性的突破。

此次升級以256bps為突破口,在提升語音傳輸效率、保障語音質量方面取得了重大突破,為衛(wèi)星物聯(lián)網(wǎng)通信帶來了顛覆性的解決方案。

一、技術升級亮點

(一)極低碼率下的高清語音保障

傳統(tǒng)聲碼器在0.6kbps噪聲環(huán)境下,語音質量會顯著下降,MOS評分常低于2.8,難以滿足實際需求。而低碼率語音壓縮算法融合中山大學技術研究成果,采用基于VQ-VAE與Transformer的端到端聲碼器,技術優(yōu)勢明顯。

1、高效壓縮

通過殘差矢量量化(RVQ),對語音信號進行分層量化,精準提取關鍵特征。再結合因果Transformer序列預測模型,利用自回歸特性,深入挖掘語音幀間的依賴關系,實現(xiàn)從1000bps到256bps的壓縮,壓縮比低至24.8%,極大減少了傳輸數(shù)據(jù)量。

2、卓越音質

在低至256bps的碼率下,仍能保持DNSMOS評分大于2.8,主觀音質可懂度完全達標。即便是在帶寬極度受限的情況下,也能為用戶呈現(xiàn)清晰、可理解的語音內容。

3、技術原理剖析

(1)VQ-VAE架構

構建分層量化體系,靈活支持256-2000bps的多碼率輸出。特別是在0.5kbps以下的編碼場景中,打破傳統(tǒng)技術瓶頸,實現(xiàn)高效編碼。

(2)Transformer序列預測

借助Transformer強大的序列建模能力,對語音幀序列進行預測。搭配二進制編碼,實現(xiàn)二次壓縮,在保證音質的同時,進一步降低碼率。

(二)復雜環(huán)境下的抗噪黑科技

在真實場景中,語音極易受到混響、嘈雜噪聲干擾,如餐廳內的人聲鼎沸、地鐵中的轟鳴等。算法的低成本語音去噪技術,實現(xiàn)了雙重技術突破。

1、頻域RNNOISE模型

創(chuàng)新采用GRU網(wǎng)絡取代傳統(tǒng)噪聲估計方式,大幅降低計算量,滿足實時處理需求。不過,該方式可能會對音質造成輕微損傷。

2、時頻域DPCRN模型

融合雙路徑RNN與卷積網(wǎng)絡,通過復數(shù)頻譜掩碼濾波技術,在有效抑制噪聲的同時,最大程度保留語音細節(jié)。經(jīng)測試,該技術可使聲碼器在含噪環(huán)境下的平均DNSMOS評分從2.1提升至2.8(256bps碼率),語音清晰度提升超40%。

(三)去噪實測,話音清晰

在數(shù)據(jù)集中進行測試,運用該去噪技術后,語音可懂度顯著提升。原本被噪聲掩蓋的話語變得清晰可聞,背景噪聲得到有效抑制,聲音純凈度大幅提高。

(四)端到端部署與跨平臺適配

強大的技術落地能力是該算法的核心競爭力之一。磐鈷智能的方案支持ONNX格式模型部署,可輕松適配C++等輕量化環(huán)境。在龍芯CPU等嵌入式國產(chǎn)設備上,也能實現(xiàn)實時編碼解碼,實時因子RTF小于1。并且,該技術高度兼容北斗短報文、天通衛(wèi)星等窄帶信道,已成功應用于多個關鍵領域。

1、應急通信設備

在野外救援、遠洋船舶等場景中,通過低碼率語音,實現(xiàn)實時語音回傳。即便碼率低至256bps,語音依然清晰可辨,為應急指揮提供有力支持。

2、智能物聯(lián)網(wǎng)終端

采用低功耗設計,完美適配衛(wèi)星物聯(lián)網(wǎng)傳感器。在延長設備續(xù)航時間的同時,保障通信質量,推動物聯(lián)網(wǎng)設備高效運行。

二、技術優(yōu)勢對比

三、行業(yè)應用場景

(一)衛(wèi)星應急指揮

在地震、山區(qū)等極端環(huán)境下,傳統(tǒng)通信手段常常失效。此時,低碼率語音技術優(yōu)勢盡顯,能以低碼率快速傳遞關鍵指令。比如在地震救援現(xiàn)場,救援人員可通過相關設備,利用低碼率語音將廢墟下的情況、救援進展等信息及時反饋給指揮中心,解決了傳統(tǒng)通信“聽不清、傳不出”的痛點,為救援行動爭取寶貴時間。

(二)遠洋監(jiān)控與科考

船舶在遠洋航行時,需要實時匯報航行狀態(tài)。運用該算法,可將語音數(shù)據(jù)壓縮后傳輸,數(shù)據(jù)量減少25%。這不僅節(jié)省了衛(wèi)星通信成本,還提升了傳輸效率。例如,科考船在執(zhí)行任務過程中,能通過低碼率語音清晰匯報科考數(shù)據(jù)、海上情況等,保障遠洋作業(yè)順利進行。

(三)智慧安防與野外監(jiān)測

將算法嵌入低功耗設備,可實現(xiàn)長續(xù)航語音采集與回傳。在森林防火場景中,分布在林區(qū)的設備可實時采集聲音信息,一旦監(jiān)測到異常聲響,如火災引發(fā)的樹木爆裂聲、人為活動噪聲等,能通過低碼率語音快速回傳至監(jiān)控中心,助力及時發(fā)現(xiàn)火情。在邊境監(jiān)控方面,也能有效監(jiān)測人員活動,保障邊境安全。

四、研發(fā)歷程

低碼率語音壓縮算法研發(fā)之路始于對國家重大需求的積極響應。在國家第二代北斗重大專項的引領下,磐鈷智能攜手中山大學CPNT Lab,匯聚了一批通信與語音處理領域的精英人才。

研發(fā)團隊深知低碼率語音壓縮對于特殊通信環(huán)境(如偏僻地區(qū)、應急救援通信等)的深遠意義,在項目初期便明確了以提升語音壓縮效率、保障語音質量為核心目標的研發(fā)方向。

1、2021年

磐鈷智能聯(lián)合中山大學CPNT Lab啟動“北斗語音壓縮算法”專項研究,瞄準國家重大需求。

2、2022年

國內外首次成功研發(fā)低碼率語音壓縮算法,在使用北斗三號五級卡(1750字節(jié))情況下,它能實現(xiàn)最長31秒的語音傳輸。

3、2023年

低碼率語音壓縮算法正式獲得國家發(fā)明專利授權。

4、2024年

低碼率語音壓縮算法升級到2.0版本,算法在使用北斗三號五級卡(1750字節(jié))的情況下,最長傳輸56秒的語音。

5、2025年

算法迭代至3.0版本,在2022年核心專利基礎上形成專利族。實現(xiàn)從1000bps到256bps的壓縮,仍能保持DNSMOS評分大于2.8,極大地提高了語音傳輸?shù)男屎颓逦取＿@意味著在相同的帶寬條件下,搭載了該算法的終端能夠傳輸更長、更清晰的語音信息。

1.0、2.0版本的低碼率語音壓縮算法相繼誕生,并在實際應用中取得顯著成效,為北斗語音通信等領域提供了堅實的技術支撐。

如今,算法3.0版本的發(fā)布,是站在前序成果的肩膀上,針對行業(yè)更高標準和特殊場景需求所實現(xiàn)的一次質的飛躍。它再次印證了國家重大專項的支撐作用,讓這一技術成果在國家戰(zhàn)略布局中持續(xù)發(fā)揮價值。

每一次的算法升級,都是對行業(yè)標準的重新定義與提升。雖然一直被模仿,但磐鈷智能很樂意因為自己的貢獻而提高了行業(yè)整體服務水平。正如北斗系統(tǒng)推動全球衛(wèi)星導航產(chǎn)業(yè)升級,我們樂見更多企業(yè)參與低碼率語音壓縮技術的普及。

未來,磐鈷智能將繼續(xù)秉承創(chuàng)新精神,加大研發(fā)投入,不斷探索低碼率語音壓縮算法的更多可能性。我們將融合前沿的擴散模型(Diffusion Model)與多模態(tài)特征編碼技術,正在向更低碼率(150bps以下)發(fā)起挑戰(zhàn)。同時,不斷優(yōu)化跨語言、多場景適配能力,致力于為全球衛(wèi)星物聯(lián)網(wǎng)通信提供具有中國智慧的“中國方案”,引領行業(yè)技術發(fā)展潮流。