Есть такой проект - "радиогугл".
Главная проблема - это ШШШ.
Сигнал на наблюдаемой частоте может иметь супер разную интенсивность во времени, и при любой интенсивности из него нормально демодулируется речь.
Но иногда энергия сигнала падает ниже критической и демодулятор уже не осиливает вытягивать речь, слишком большой фазовый/частотный шум возникает.
Частотная модуляция уже становится неотличима от шума и демодулятор честно делает ШШШ на выходе.
Казалось бы - сделай просто: упал уровень сигнала ниже порога, прекрати демодулировать.
Но это не очень приятно на практике: человек с рацией идёт по помещению в котором много бетонных колонн и сигнал на миллисекунды прерывается когда он за них заходит.
Останавливать демодуляцию в эти моменты очень плохо, потому что мозг человека распознаёт речь лучше, когда слово имеет полную длину, но с шумами, чем имеет вырезанные куски, поэтому обкромсанное слово звучит крайне херово, хоть и чище.
Неприятность ШШШ в том, что оно всегда на максимальной амплитуде. Тут можно было бы подумать о том, чтобы резко снижать амплитуду выходного сигнала при снижении энергии ниже порога - решение тоже опробовано, но становится очень похоже на первый вариант. Слово хоть и имеет полную длину, но провалы бесят. Этот вариант ещё предстоит опробовать повторно с лучшими настройкаим.
То есть, у шумодава есть 2 параметра: уровень сигнала и время реакции. Время реакции нужно стаивть, например, 200 мсек, чтобы провалы по 200 мсек оставались в записи, но провалы длиннее 200 мсек считались концом записи.
И вот на практике самым охуенным решением оказалось достаточно тупое: если зафиксировано падение сигнала 200 мсек, то прервать запись не в этот момент, а в прошлом - на минус 200 мсек. Возможно это очевидно. Если шумодав зафиксировал порогое время отсутствия полезного сигнала, то надо откусить жопу сигналу в размере этого порога как минимум. Но на практике оказалось, что можно откусывать чуть больше - например 300 мсек, потому что в конце записи человек уже мял рацию в руке и ничего не говорил.
Вот обсудим новый алгоритм шумодава.
В радиогугле щас два ресторана.
"rest" и "SEA-RESTAURANT".
Это разные рестораны.
На "rest" старый алгоритм борьбы с говном, на "SEA-RESTAURANT" новый.
Обсудим новый алгоритм:
Все критичные ШШШ тупо вырезаны, заодно и хвосты записей, у которых нужность и так маловероятна.
Тут надо заметить, что между передачами мужика и бабы тоже были ШШШ, точнее были прерывания сигнала на "критичное время", ибо один отпускал кнопку, второй брал рацию и нажимал кнопку передачи. Эти места тоже автоматически вырезались и всё застыковалось.
В целом есть ещё куда поработать в направлении откуса сигнала и закругления краёв откуса.
Почему радиогугл не пилит весь радиообмен за день в один файл, потому что он режет разные радиообмены по порогу в 6 секунд. Перестали пиздеть 6 секунд, значит тема пиздежа завершена.
Типичная тема пиздежа
- лена ты где
- я курить вышла
- кто тебя отпускал сцуко
- я уже щас вернусь
не имеет больших пауз между фразами, а между отдельными эпизодами/темами паузы долгие.
