噪聲廣泛存在于現實生活中，所以在對噪聲比較敏感的場合下，經常要求對噪聲進行分離，由于需要噪聲分離的場合對噪聲的算法需求及程度的不同，實現噪聲抑制的方法也有所區別，下面為大家介紹數字音頻處理器在會議系統、法院系統、錄播系統、教育系統等應用場景中常見的兩種降噪算法：ANS（噪聲抑制）&AI CASA（智能語音分離） 。

　　ANS(噪聲抑制)

　　經驗讓我們總結出了可以針對大多數噪聲的特異點，那就是“持續且穩態”;ANS又稱自適應噪聲抑制算法（Adaptive Noise Suppression） ，它是以噪聲規律為靈感，采集外界的聲波信號進濾波器，根據這一邏輯判斷其是否是噪聲波。然而這種區別人聲、噪聲的方法相對簡單，雖可滿足大部分要求不高的場景，但無法做到不影響人聲、音樂等一些所需音源;和噪聲重合的部分會被壓制，較穩態的音樂會被誤認為噪聲。

　　同時，這種算法只會對滿足邏輯判斷條件的音頻進行處理，也就是說不滿足條件的，都將被認定為有效音頻直接通過：

　　事實上，并不是所有短促無規律的聲音都是有效音源，如：金屬碰撞聲，吃東西，敲鍵盤、翻書聲等。當出現此類噪聲時，因其未滿足相應條件，所以并不會對此類噪聲產生積極的處理，這就導致我們在使用一些降噪設備時，會出現某些噪聲無法壓制的情況，從而大大影響終端用戶的工作及生活體驗。這時，AI CASA（智能語音分離） 成了更好的選擇。

　　AI CASA(語音分離)

　　NO“ANS”，IS“CASA”

　　AI CASA 是一種基于寬度學習的聲源分離技術。 簡單來說將CASA聲源分離理論借助寬度學習工具與數字音頻處理器有機結合，從而實現智能去除非人聲信號。

　　這種算法多用于噪聲源多樣、聲場情況復雜、對聲音要求較高的場景(如精品錄播課堂，討論型會議室等)，對各類噪聲都能做到有效壓制且最大程度保障人聲的飽滿和高還原度。

　　AI CASA（智能語音分離）特點

　　CASA聲源分離： 讓計算機模仿人類對聽覺信號的處理過程進行建模，從而具備和人類一樣從復雜混合聲源中感知聲音、處理聲音、解釋聲音的能力;

　　10萬+小時寬度學習： 將有效音源及噪聲樣本進行學習的同時能對周圍聲場環境進行分析，使其對音頻的識別能力大大提升，從而最大程度上保證“人聲分離”，實現智能去除非人聲信號。

　　，時長01:15

　　總結及使用場景

　　參考了以上兩種算法的介紹，我們不難得出：AI CASA在對噪聲的處理上明顯優于ANS。 ANS降噪能滿足大多數的場景，但降噪能力有限，無法對人聲和噪聲進行精準區分;AI CASA可智能去除非人聲信號，提升語音清晰度，同時聲音還原度高、延時低 。在一些聲場環境復雜、噪聲源較多且收聽質量要求高的場所可以給予現場用戶更好的體驗。