• 製品紹介
  • アプリケーション
  • テクノロジー
  • ツール
  • 会社概要
  • Ambiq、IoTアプリケーションのノイズを除去する音声拡張AIを発表

    目次

      最小限の遅延とエネルギーでリアルタイムに動作するニューラルネットワーク音声拡張オープンソースAIモデル

      音声拡張AI

      ハイライト

      • ゼロから作成されたニューラルネットワークスピーチエンハンスメント(NNSE)は、AmbiqのneuralSPOT®AI開発キット(ADK)をベースに構築されたオープンソースのAIモデルです。
      • トレーニング、テスト、Apollo4 Plus SoCへのデプロイに必要なすべてのコードを含み、AI開発者が数分でアプリケーションのノイズ除去を行えるようにします。
      • 今すぐAI開発を開始できるテクニカルプレビューを公開中

      米テキサス州オースティン - エネルギー効率を数倍に高める超低消費電力半導体ソリューションのパイオニアであるAmbiq®は、neuralSPOTのModelZooに新たに加わったNNSE(Neural Network Speech Enhancement)を発表した。 この高度に最適化されたAIモデルは、デバイス上の音声からバックグラウンドノイズをリアルタイムで効果的に除去し、ノイズの多い環境でもきれいな音声を取り込むことができる。 すべてのAmbiq ModelZooコンポーネントと同様に、NNSEには、開発者がアプリケーションに音声ノイズ除去機能を追加するのに役立つスクリプトとツールが含まれています。 また、シンプルなグラフィカル・ユーザー・インターフェースで構成されており、ユーザーは、デモ用に元のノイズの多い音声とともに、強化された音声を簡単に録音し、PCに保存することができる。

      音声ノイズ除去は、車内、工場フロア、オフィス、屋外など、騒音や大音量の環境で有効です。 NNSEは、ボイスメモ録音、ボイスチャット、音声認識など、さまざまな用途のためにきれいな音声をキャプチャすることができます。 このAIモデルは、デバイス上でリアルタイムに、最小限の待ち時間とエネルギー消費で動作するように最適化されている。 NNSEには、Ambiqの開発プラットフォームですぐに使用できるトレーニング済みモデルだけでなく、必要に応じてカスタマイズしたモデルをトレーニング、変換、配備するためのソフトウェアも含まれています。 すべてのソフトウェアは、展開と開発を容易にするため、寛容なBSD-3条項ライセンスでリリースされています。

      「Ambiqのニューラルネットワークによる音声強調は、IoTエッジ機器向けにAIベースの音声ノイズ除去をオープンソースで実装した唯一のTinyML™かもしれません」と、AmbiqのAI担当副社長であるカルロス・モラレスは述べている。 "高度に最適化されたAIモデルにより、開発者はAmbiq Apollo4 Plus SoCで音声ノイズ除去アプリケーションを数分で開始できるようになる。"

      AIは、産業用の異常検知から音声ベースの消費者向けインターフェースまで、数十億ドル規模のIoT分野で幅広く利用されている。 Ambiqが最近Apollo SOCで開発したAIは、消費電力やエッジデバイスのフォームファクターの制約を取り払い、ユーザーが物理的な制約を受けずにあらゆる場所でインテリジェンスを活用できる真の没入型環境を実現する。 テクニカル・プレビューをダウンロードして、今すぐAI開発を始めましょう。

      Ambiqについて

      Ambiqの使命は、エネルギー効率が高く、持続可能で、データ駆動型の世界を推進する最低消費電力の半導体ソリューションを開発することにより、あらゆる場所でインテリジェントデバイスを実現することです。 Ambiqは、コンパクトな工業デザインで最大限の機能を提供しながら、1回の充電で(数日ではなく)数週間使用できる製品の開発を、世界中の大手メーカーに支援してきました。 Ambiqの目標は、Ambiqの先進的な超低消費電力システムオンチップ(SoC)ソリューションを使用して、モバイルおよびポータブル機器において、人工知能(AI)をこれまでにない分野へと発展させることです。 Ambiqは2023年3月時点で2億台以上を出荷している。 詳細はwww.ambiq.com。

      メディアの方のお問い合わせ先

      Charlene Wan
      VP of Branding, Marketing and Investor Relations
      cwan@ambiq.com
      +1.512.879.2850

      記事を読む日本語 簡体字中国語繁体字中国語

      ニュースレターを購読する

        ダウンロードの準備