在 AI 的多模態分析、辨識方面，一直以來人們的關注焦點都是集中在「圖片分析」、「影片分析」、「文字分析」、「文件分析」（PDF、Excel、PPT …）等。但是在「聲音辨識與分析」這一塊，多數人的認知只停留在「自然語言處理」這個領域。然而，聲音有百百種，有 AI 介入價值的聲音，絕對不只是人類的自然語言這個領域！
上一篇 AI 應用案例，是在探討機器人自動化檢測的應用，本文延續上一個主題，從 2024 年 2 月份的《ABB Review》摘取全球機器人大廠 ABB 公司，與專注於音頻處理的 COCHL 公司的合作，用另一個角度探討「AI 聲音辨識」在自動化檢測、監控方面的應用，以及潛在的價值。
什麼是 AI 聲音辨識？
所謂的 AI 聲音辨識，指的是從機器、車輛、動物等聲源收集聲音或振動數據（聲音的本質就是振動），使用信號處理器，搭配機器學習來「從聲音中提取有用資訊」的一種技術。照片的捕捉方式是照相機，而聲音的捕捉方式自然就是麥克風，或是透過某種聲波換能器來將聲音錄製下來。
上面這部影片，是 COCHL 公司的 Cochl.Sense 聲音辨識能力展示，結合 NVIDIA Riva（一款由 GPU 賦能的多語言語音和翻譯微服務）以及 Microsoft HoloLens 2（一款微軟打造的混合現實頭戴式顯示器）實現的 AI 聲音辨識與視覺效果，從車輛喇叭、門鈴，一直到人類說話，都能完全準確的辨識出來。
而這個案例，幾乎實現了「全場景聲音辨識」效果，是不是很像照片的「全場景影像辨識」呢？
AI 聲音辨識的使用場景有哪些？
根據這份《ABB Review》的描述，我這邊大致上歸納出，「AI 聲音辨識」在實務上已經被採用的幾個領域：
- 用在智慧家電上，作為「聲音監控」、「聲音防盜」用途：AI 可以分辨是自然聲響，還是人類腳步聲
- 用在音樂分析上：音樂自動分類、音樂內容分析、監控是否觸犯法律問題等
- 分析城市噪音（智慧城市）
- 進行複雜的水下聲學 AI 辨識：如潛水艇以及海洋動物的聲音分類
- 工業生產線異常噪音捕捉（經常是搭配壓電感測器捕捉振動，排除外界聲學干擾）
- 用在遠程監控以及預測性維護：如路途遙遠的採礦場輸送帶維護
- 產品的噪音自動化品質檢測：例如汽車、家電製造商
- 醫療產業應用：遠距離監護（病患的危急情況警報，如跌倒、咳嗽、尖叫）、症狀分析（如呼吸暫停）
可以發現，只要「聲音能夠在某些情況下，代表著某種意義」時，AI 聲音辨識、聲音分析就有可用之處。尤其是搭配其他類型的感測器時，可以讓 AI 進行更全面性的分析辨識，進而得到決策建議。
AI 聲音辨識的最大價值：實現預測性維護，降低流水線停擺的傷害
ABB 有特別點出一個關鍵詞：「預測性維護」，很多設備在壞掉之前，其實都會先出現異常的聲響，這時候外觀看上去一切正常，就算是使用 AI 進行影像辨識，也無法提前得知故障即將到來。
然而，當流水線的故障出現時，代價就是整條流水線停擺，甚至流水線上的產品直接報廢：如果可以在設備「即將故障但尚未故障」的階段，就提前做好準備，正常關機、正常維護甚至更換零件，絕對可以將傷害降到最低。
在我看來，這是工業使用方面，「AI 聲音辨識」得天獨厚的優勢，它具備不可取代性。
事實上，COCHL 在異常檢測領域的許多客戶表示，其最初採用的基於振動的途徑經證明，無法有效滿足其要求，因此，我們才決定向 COCHL 尋求更好的解決方案。
－ ABB Review
或許只要有麥克風、聲波換能器、壓電感測器等設備，你也可以錄得需要的聲響或振動。然而，如果沒有音頻處理專家透過機器學習協助，你很可能一輩子也無法從錄得的聲音或振動自動提取出任何有意義的資訊。
不曉得看到這邊，你是否也想到自己正在經營的項目，也有使用「AI 聲音辨識」的可能性呢？AI 帶給人類最直接的價值，就在於「自動化」。透過 AI 賦能實現自動化來提高營運效率，例如感測器資料的自動分析、工業流水線的遠端自動監控，在設備完全故障停擺之前，就先得知異常並進行處理等。
不要為了 AI 而 AI，但是一旦想清楚應用場景、確定 AI 可以做得比人類更好，同時又節省人力時，大膽讓 AI 介入工作流程，又何嘗不是黃仁勳說的那一句話呢：
THE MORE YOU BUY … THE MORE YOU SAVE
公開留言