一、现状与问题
现实生活中，大多数场景拾取的语音信号都带有噪声，在进一步处理信号前，往往要对信号进行降噪，来提升语音的主管听感和可懂度。随着信噪比的减小，降噪方法处理的效果也随之变差，也经常使得语音丢字或者波形失真。如何在低信噪比情况下，达到不错的降噪效果，是一个值得探究的问题。
二、处理方式
现在的语音降噪一般分为两种。
传统信号处理方式：如最小均方算法、谱减法、维纳滤波法；以及基于深度学习的方式，使用深度学习网络直接在时域、时频域处理，使用带噪声语音以及干净语音样本训练降噪模型，使用模型对输入语音进行降噪处理。
基于深度学习（Deep Neural Network）的AI降噪技术：技术优势在于能够快速精确地跟踪环境噪声水平，保持高输出语音质量，将失真度降低到最低。这样可以帮助实现预期目的的抑制稳态和非稳态的噪音，如水声、空调噪声、车辆声、敲击声等。
三、快鱼AI深度降噪
快鱼AI深度降噪，在声音的时频域声谱图上进行，利用精心设计的深度神经网络结构将语音成分从声谱图中提取出来。本方法基于上百小时的清晰语音和几百类日常生活中的常见噪声，采用类U-Net结构的卷积循环网络，经过长时间训练收敛后得到降噪模型。该模型对于常见噪声如风噪、敲击、流水等等有较好的降噪效果，能大大提高音频信噪比，重点获取到音频中的语音信号。