Už to zkouším na GTX 1070 (díky odkazu pana Jahody), funguje to opravdu pěkně. Nespraví to kvalitu zvuku, pokud je celkově špatná, ale okolní hluk odstraní dobře.

Testoval jsem například na této nahrávce:

https://www.youtube.com/watch?v=0-QqFuhWKa0

100x zmíněno RTX ale už je to zmodováno a funguje i na non RTX kartách bez tensor jader

Jsou to jen hradla, žádná abstrakce, tam kde není rozumět to nic s hlasem neudělá, nemá data, domyslet si neumí. I tak si nemyslím, že je to moc prakticky využitelné, vyjma nějakých filfrů ruchu pro studiové mikrofony.

Také se jedná o odstranění hluku, nikoli rekonstrukci hlasu.

Supr by bylo, kdyby to dokázalo odfiltrovat řvoucí děti na pozadí.

No asi by i mělo.

Už je návod jak to rozchodit i na starších grafikách tak to chci večer vyzkoušet.

Impresivni to je, ale krome sumu klesla i srozumitelnost. Se sumem nebyl problem rozumet. Na vycisteny zvuk jsem se musel vic soustredit.

Je to jen muj osobni dojem, nebo to nekdo mate stejne? Problem neni nepritomnost sumu, ale zkresleni hlasu.

Napriklad hned 13. sekunda. Rika: "Ja tam mam ???? kapesniky a nabizim kazdy den". Pustil jsem si to asi 10x a nedekodoval. Slysim neco jako nezretelne "burt", ale to nezapada do kontextu vety.

Je to slušné, ale musí se to ručně vyladit. Na vyšší nastavení to může vynechávat slova, ale jde najít bod, kde je to čisté. Zkoušela jsem i na YT videu, které má zajímavé informace v mluvené podobě, ale na pozadí hraje otravná hudba. "Hudbu" to odstranilo.

Jedna z mála užitečných vychytávek.

Moc pěkné. Teď přemýšlím, jestli by podobnou úlohu zvládla i tensorová jádra v chytrých telefonech. Neviděl jsem žádné srovnání, ale předpokládám, že jádra v RTX budou výkonnější. Třeba se toho někdo chytí a zkusí to zreplikovat pro Tensor flow.

Schválně jsem se teď podíval - rozdíl ve spotřebě RTX4000 při vypnuté a zapnuté funkci RTX Voice je 26 W, takže ten využitý výkon není vůbec malý a pokud se nepodaří proces nějak zásadně zefektivnit, tak na využití v mobilních zařízeních si zřejmě ještě počkáme.