PVAD: как заставить ИИ слышать одного человека в шумной комнате

В переговорной, где одновременно говорят несколько человек, системе нужно понять, когда говорит целевой спикер, и выделить именно его голос. Это нетривиальная задача, которую решает технология PVAD (Personal Voice Activity Detection) — определение того, когда в общем аудиопотоке говорит конкретный человек.

Проект PVAD разработан для практических кейсов, где требуется точное распознавание речи в шумной обстановке. Это короткий обзор на один из кейсов команды, демонстрирующий возможности технологии.