Mục lục bài viết
Khi gọi video qua Zoom hay Google Meet trên điện thoại, người dùng thường thấy tiếng gõ bàn phím, tiếng quạt, tiếng chó sủa phía sau gần như biến mất hoàn toàn dù không hề bật thêm cài đặt gì đặc biệt. Cơ chế khử ồn nền cho gọi video hiện đại khác khá nhiều so với khử ồn cho cuộc gọi thoại truyền thống, cả về nơi xử lý lẫn mức độ can thiệp vào âm thanh.
Khử ồn cuộc gọi thoại xử lý ngay tại chip DSP của máy
Với cuộc gọi thoại thông thường qua mạng di động, khử ồn dựa chủ yếu vào phối hợp tín hiệu giữa nhiều micro trên máy (kỹ thuật trừ pha khác biệt) kết hợp bộ lọc số chạy trên chip xử lý tín hiệu số (DSP) chuyên dụng, hoạt động với độ trễ cực thấp vì cuộc gọi thoại yêu cầu độ trễ gần như tức thời để hai bên nói chuyện tự nhiên. Thuật toán này tương đối cố định, được tối ưu sẵn trong firmware máy, ít thay đổi theo thời gian.
Khử ồn gọi video dựa nhiều hơn vào mô hình AI học sâu
Các nền tảng gọi video như Zoom, Google Meet, Microsoft Teams triển khai mô hình khử ồn dựa trên mạng nơ-ron học sâu (deep learning), được huấn luyện trên lượng dữ liệu âm thanh khổng lồ chứa hàng nghìn loại tạp âm khác nhau: tiếng gõ phím, tiếng chó sủa, tiếng còi xe, tiếng nhạc nền. Vì được huấn luyện đa dạng loại tạp âm, những mô hình này có khả năng loại bỏ được nhiều loại tiếng ồn phức tạp mà bộ lọc DSP cố định trên máy khó xử lý, đặc biệt là những tạp âm không liên tục, xuất hiện đột ngột.
Xử lý trên máy hay trên máy chủ đám mây tạo ra khác biệt về độ trễ
Một số ứng dụng gọi video chạy mô hình khử ồn AI cục bộ ngay trên chip của điện thoại (on-device), tận dụng nhân xử lý AI chuyên dụng (NPU) có sẵn trên chip di động đời mới. Cách này giữ độ trễ thấp và bảo mật hơn vì âm thanh thô không rời khỏi máy trước khi xử lý. Một số nền tảng khác xử lý một phần trên máy chủ đám mây, cho phép dùng mô hình lớn và chính xác hơn nhưng phát sinh thêm độ trễ mạng, thường vẫn chấp nhận được vì gọi video vốn đã có độ trễ nền tảng cao hơn cuộc gọi thoại truyền thống.
Khử ồn AI đôi khi lấy nhầm giọng nói làm tạp âm
Vì mô hình AI hoạt động dựa trên xác suất dự đoán loại âm thanh nào là “tạp âm cần loại bỏ”, trong một số tình huống hiếm mô hình có thể phân loại nhầm giọng nói của người thứ hai nói xen vào (ví dụ trẻ nhỏ ở gần) là tạp âm cần lọc, khiến giọng nói đó bị giảm âm lượng dù người nghe muốn nghe thấy. Đây là hạn chế đặc thù của khử ồn dựa trên AI, khác với khử ồn DSP truyền thống vốn chỉ phân biệt dựa trên vị trí không gian tương đối giữa các micro, không phán đoán nội dung âm thanh là gì.
Vì sao chất lượng khử ồn gọi video khác nhau giữa các nền tảng
Mỗi nền tảng gọi video tự phát triển và huấn luyện mô hình khử ồn riêng, cùng một điện thoại nhưng dùng Zoom có thể khử ồn tốt hơn hoặc kém hơn dùng Meet trong cùng một môi trường ồn, vì chất lượng phụ thuộc vào thuật toán và dữ liệu huấn luyện của từng công ty, không phụ thuộc vào phần cứng micro của máy. Đây là điểm khác biệt căn bản so với khử ồn cuộc gọi thoại, vốn do chính hãng sản xuất điện thoại kiểm soát và đồng nhất giữa mọi ứng dụng gọi thoại trên cùng một máy.
Hiểu nhầm thường gặp
“Máy khử ồn tốt khi gọi thoại thì gọi video cũng sẽ khử ồn tốt tương tự.” Hai cơ chế này vận hành độc lập nhau. Khử ồn cuộc gọi thoại do chip xử lý tín hiệu của máy đảm nhiệm, còn khử ồn gọi video phần lớn do chính ứng dụng gọi video quyết định bằng mô hình AI riêng, nên chất lượng có thể chênh lệch đáng kể giữa hai loại cuộc gọi trên cùng một thiết bị.
Xem thêm
Bài viết nằm trong chuỗi nội dung Micro & khử ồn: tổng hợp bài viết. Xem thêm Chất lượng cuộc gọi thoại (VoLTE, Wi-Fi Calling) ảnh hưởng thế nào tới chất lượng micro/khử ồn. Thông tin kỹ thuật chi tiết hơn được công bố tại trang chính thức của Wi-Fi Alliance.
Zalo
