En çok anılan yankı gidericisi rakamı olan ERLE, insan dinleyicilerle yalnızca 0,31 Pearson korelasyonuyla uyuşuyor; Microsoft’un sinirsel AECMOS metriği ise uzak uç yankı puanlarında 0,99’a ulaşıyor (Microsoft, ICASSP 2021 ve ICASSP 2023 AEC Challenge makaleleri). Standartlar tarafında ITU-T G.168 bir şebeke yankı gidericisine yakınsama için kabaca 1 saniye tanıyor, 3GPP TS 26.131 kulaklık setlerinden en az 46 dB yankı kaybı istiyor ve Microsoft’un yarışması gecikme payını 2021 ile 2023 arasında 40 ms’den 20 ms’ye yarıya indirdi. Yankı, insanları daha iyi oda donanımına yönelten sorun da; bunu mikrofon tarafından konferans odası tavan ışın biçimlendirme istatistikleri yazımızda ele almıştık. ITU-T, 3GPP, Microsoft Research’ün dört AEC Challenge makalesi, Amazon Web Services, ByteDance, Alibaba’nın Tongyi Lab’ı, bağımsız arXiv araştırmacıları ve HEAD acoustics kaynaklarından veri derledik.
TL;DR
- Şebeke yankı gidericilerinin Test 2A kapsamında gereken birleşik kayba yaklaşık 1 saniye içinde ulaşması gerekir (ITU-T G.168, 04/2015).
- Kulaklık setleri herhangi bir ses seviyesinde en az 46 dB ağırlıklı terminal kuplaj kaybı gerektirir, nominal ses seviyesinde 55 dB önerilir (3GPP TS 26.131, Rel-19).
- ERLE, dinleyici puanlarıyla PCC 0,31 ve SRCC 0,23 düzeyinde korelasyon gösterir (Microsoft, ICASSP 2021 AEC Challenge makalesi).
- AECMOS, uzak uç yankı puanlarıyla PCC 0,99 düzeyinde korelasyon gösterir (Microsoft, ICASSP 2023 AEC Challenge makalesi).
- Yarışmanın gecikme sınırı 2021’deki 40 ms algoritmik gecikmeden 2023’te 20 ms algoritmik artı tamponlama gecikmesine düştü (Microsoft AEC Challenge makaleleri ve deposu).
- INTERSPEECH 2021’in en yüksek puanlı girişi, 3,87’lik referansa karşı ortalama 4,43 aldı (Microsoft, INTERSPEECH 2021 AEC Challenge sonuçları).
- Mobil cihazlar, çift konuşma bozulmasında masaüstü cihazlardan 0,75 MOS daha düşük puan aldı (Microsoft, ICASSP 2022 AEC Challenge makalesi).
- WebRTC AEC3 yaklaşık 30 dB yankı giderirken sinirsel bir bastırıcı 40,8 dB giderdi (ByteDance, arXiv 2020).
- Ocak 2026 tarihli uçtan uca bir model, 1,2 milyon parametreyle 78,69 dB ERLE’ye ulaştı (Alibaba Tongyi Lab, E2E-AEC arXiv 2026).
- Küçük bir sinirsel yankı ve gürültü modeli kare başına 0,14 ms’de çalışıyor, yani gerçek zamanlı faktör 0,014 (Microsoft, DeepVQE Interspeech 2023).
- En iyi çift konuşma kategorisindeki (kategori 1) eller serbest terminaller, çift konuşma sırasında gönderilen konuşmayı en fazla 3 dB zayıflatır (HEAD acoustics, ITU-T P.340’ı aktararak).
1. ITU-T Kural Kitabı: Yakınsama, Çift Konuşma ve Sızıntı Testleri
Yankı gidericilere ilişkin temel telekom kuralları eskidir ama hâlâ yürürlüktedir. Buradaki “yankı”, kendi sesinizin uzak uca gidip dönüş yoluna sızdıktan sonra size geri gelmesidir. G.168, bir yankı gidericiye gereken kayba ulaşması için kabaca bir saniye tanır; ardından iki kişi aynı anda konuştuğunda (“çift konuşma”) ve hat dakikalarca sessiz kaldığında bu kaybı koruyup korumadığını test etmeyi sürdürür. Doğrusal olmayan işlemci (NLP), uyarlanabilir filtrenin geride bıraktığı artık yankıyı bastıran son aşamadır; bazı testlerde filtrenin kendisi ölçülsün diye NLP kapatılır.
Bu testlerin modellediği gerçek dünya yankı yolları kısadır. ITU-T G.168 (04/2015) içinde yeniden üretilen saha verilerinde, Montreal’den Kuzey Amerika genelinde yapılan 101 şehirlerarası çağrı ölçüldü (Haziran 1998 - Nisan 1999); bunların 88’inin histogramı ortalama 6,02 ms dağılım süresi gösterdi ve hiçbir çağrı 12 ms’yi aşmadı. Akustik karşılığı olan G.167 yürürlükten kaldırıldı ve içeriği P.340 ile G.161’e taşındı.
| Metrik | Değer | Kaynak |
|---|---|---|
| Yürürlükteki şebeke yankı gidericisi Tavsiye Kararı sürümü | G.168 (04/2015), artı Düzeltme 1 (12/2022) | ITU-T G.168 |
| Testlerde kullanılan asgari yankı geri dönüş kaybı (yankı yolunun kendisinin sağladığı kayıp); standart yankı yolu modeli sayısı | En az 6 dB; 8 model (m1 - m8), m2, m7 ve m8 için asgari değerler 6,55 dB, 11,06 dB ve 9,27 dB | ITU-T G.168 (04/2015), Ek D |
| Test 2A yakınsaması, doğrusal olmayan işlemci etkin | Yankı yolu gecikmesi ve başlangıç ofseti artı 1 s içinde gereken birleşik kayıp; tepeler sınırın en fazla 5 dB üzerinde | ITU-T G.168 (04/2015) |
| Test 3A, yakın uç sinyali uzak uç seviyesinin 15 dB altında olan çift konuşma (uzak uç -25 ile 0 dBm0 arası) | 5 s içinde yakınsamalı | ITU-T G.168 (04/2015) |
| Test 3B(a) ve Test 4: çift konuşma sırasında ve uzak uç sinyali durduktan 2 dakika sonra izin verilen artık yankı artışı (sızıntı testi) | Her iki durumda da kararlı durum gereksiniminin en fazla 10 dB üzerinde | ITU-T G.168 (04/2015) |
| Özgün akustik yankı denetleyicisi Tavsiye Kararı G.167’nin (03/1993) durumu | Yürürlükten kaldırıldı; 1-5. maddeler için P.340 (2000), 6. madde için G.161 (2002) ile değiştirildi | ITU-T G.167 kaydı |
| Yankı ve çift konuşma performansını kapsayan eller serbest terminal Tavsiye Kararının en son sürümü | P.340 (07/2026) | ITU-T P.340 özeti 2026 |
| Araç içi geniş bantlı eller serbest Tavsiye Kararının frekans aralığı | 50 ila 7.000 Hz; yürürlükteki sürüm P.1110 (10/2025) | ITU-T P.1110 |
Bağlam notu: dBm0, şebekedeki bir referans noktasına göre sinyal seviyesidir; dolayısıyla “-25 ile 0 dBm0” sessizden gürültülüye uzak uç konuşmacıyı ifade eder. P.340 2026 revizyonu yenidir; tam metni yazım sırasında kamuya açık değildi, bu yüzden bu derleme yalnızca yayımlanmış özetini aktarır.
2. Kulaklık Setleri, Eller Serbest Cihazlar ve Şebekeler İçin Yankı Kaybı Hedefleri
Terminal kuplaj kaybı (TCLw), bir cihazın hoparlöründen veya kulaklığından çalınan uzak uç sesinin, cihazın kendi mikrofonuna sızıp geri gönderilmeden önce ne kadar zayıflatıldığını gösterir. Mobil standartlar kulaklık setleri için herhangi bir ses seviyesinde 46 dB’i alt sınır olarak belirler; önerilen 55 dB hedefi ise cihazın kendi boşta gürültüsü nedeniyle her cihazda ölçülemeyebileceği itirafıyla gelir.
İlginç fark eller serbest cihazlarda. Bir masaüstü hoparlörlü telefon azami ses seviyesinde 40 dB’e düşebilir ve yine de uyumlu sayılır; bu yüzden eller serbest çift konuşma davranışının kendi kategorileri vardır: kategori 1 cihaz, karşı taraf konuşurken sesinizi neredeyse hiç kısmaz (en fazla 3 dB), kategori 3 cihaz ise 12 dB’den fazla keser; bu, aynı anda yalnızca bir tarafın duyulduğu telsiz davranışına yakındır.
| Metrik | Değer | Kaynak |
|---|---|---|
| Kulaklık seti ağırlıklı terminal kuplaj kaybı: herhangi bir ses ayarında ve nominal ses seviyesinde önerilen | En az 46 dB ve en az 55 dB | 3GPP TS 26.131 (Rel-19) |
| Masaüstü eller serbest ağırlıklı terminal kuplaj kaybı: herhangi bir ses seviyesinde ve serbest alan koşullarında nominal ses seviyesinde | En az 40 dB ve en az 46 dB | 3GPP TS 26.131 (Rel-19) |
| Masaüstü eller serbest cihaz için nominal ses seviyesinde önerilen performans hedefi | En az 55 dB (boşta kanal gürültüsü nedeniyle ölçülemeyebilir) | 3GPP TS 26.131 (Rel-19) |
| GSM, 3G, LTE veya NR şebekelerinin ara bağlantı noktasında sunduğu yankı kaybı, tek konuşmacı | En az 46 dB | 3GPP TS 26.132 (Rel-19) |
| Yankı gidericinin yakınsayabilmesi için yankı kaybı testinin başında atılan konuşma; test sinyali seviyesi | İlk 17,0 s; 10 dBm0 | 3GPP TS 26.132 (Rel-19) |
| Terminal kuplaj kaybı kılavuzu: dijital girişten çıkışa (P.341’e göre) ve saha koşulları (P.342’ye göre) ve G.131 konuşmacı yankısı hedefleri için istenen | En az 35 dB ve 40 dB üzerinde ve 45 dB üzerinde | ITU-T G.168 (04/2015), Ek I |
| Eller serbest terminaller için çift konuşma kategorileri ve gönderilen konuşmanın zayıflatılması | 5 kategori (1, 2a, 2b, 2c, 3): kategori 1 için en fazla 3 dB, kategori 2b için en fazla 9 dB, kategori 3 için 12 dB’den fazla | HEAD acoustics ACOPT 32 veri sayfası, ITU-T P.340’ı aktarıyor |
Bağlam notu: 3GPP değerleri TS 26.131 ve TS 26.132’nin Rel-19 metninden okundu; TS 26.132’nin 3GPP arşivinde Temmuz 2026 tarihli daha yeni bir Rel-20 dosyası var. HEAD acoustics belgesi, P.340 kategorilerini yeniden aktaran bir test ekipmanı veri sayfasıdır; 2a ve 2c sınırlarını vermez.
3. Gecikme Bütçeleri: Bir Yankı Gidericinin Harcayabileceği Milisaniyeler
Bir yankı gidericinin sesi tamponlamak için harcadığı her milisaniye, konuşmaya eklenen bir milisaniyedir. Araştırma kıyas ölçütü bu konuda sert biçimde değişti: Microsoft’un yarışması 2021’de 40 ms algoritmik gecikmeye izin verdi ve payı 2023’te 20 ms algoritmik artı tamponlama gecikmesine yarıya indirdi; organizatörlerin kendi modeli, daha sıkı sınırda yankı puanlarında esasen hiçbir şey kaybetmedi. ICASSP 2023 makalesi, 50 ms’nin altında bir uçtan uca hedefi (fark edilebilir en küçük fark) ve algoritma artı tamponlama için 5 ms’nin altında bir gelecek hedefini adlandırıyor (Microsoft, ICASSP 2023 AEC Challenge makalesi).
Hesaplama ise diğer bütçedir. Kare başına milisaniyenin küçük bir kesrine ihtiyaç duyan bir sinirsel model bir toplantıdaki her dizüstü bilgisayarda çalışabilir; bir CPU çekirdeğinin çoğunu isteyen çalışamaz. Gecikme bütçesinin geri kalanının jitter tamponları ve kodekler tarafından nasıl harcandığı için VoIP jitter tamponu ve konuşma kalitesi istatistikleri yazımıza bakın.
| Metrik | Değer | Kaynak |
|---|---|---|
| Esasen şeffaf etkileşim için tek yönlü ağızdan kulağa gecikme ve genel şebeke planlaması için üst sınır | 150 ms altı ve 400 ms | ITU-T G.114 (05/2003) |
| AEC Challenge algoritmik gecikme sınırı, ICASSP 2021 | En fazla 40 ms (10 ms adımlı 20 ms’lik bir kareye, yani 30 ms’ye izin verildi) | Microsoft, ICASSP 2021 AEC Challenge makalesi |
| AEC Challenge gecikme sınırı, ICASSP 2023 | 20 ms algoritmik artı tamponlama gecikmesi | Microsoft AEC-Challenge deposu |
| AEC Challenge hesaplama sınırı, ICASSP 2023 | 2,4 GHz Intel Core i5 dört çekirdekli işlemcide, tek iş parçacığıyla en fazla 0,5 gerçek zamanlı faktör | Microsoft, ICASSP 2023 AEC Challenge makalesi |
| 20 ms’deki Microsoft modeli ve 40 ms’deki 2022 yarışma kazananı: uzak uç yankı MOS; çift konuşma yankı MOS | 4,65 ve 4,66; 4,68 ve 4,68 | Microsoft, ICASSP 2023 AEC Challenge makalesi |
| DeepVQE tam modeli ve DeepVQE-S küçük modeli: parametreler ve kare başına CPU süresi | 7,5M ve 3,66 ms ile 0,59M ve 0,14 ms (gerçek zamanlı faktör 0,014) | Microsoft, DeepVQE, Interspeech 2023 |
| Birleşik doğrusal yankı gidericisi ve sinirsel artık yankı bastırıcısı, 16 kHz yarışma girişi | Bir Intel i7-8565U çekirdeğinin %5,5’i, 10 ms’lik kare başına 0,55 ms | Amazon Web Services, PercepNet yankı kontrolü, arXiv 2021 |
Yarışma sınırları için mevcut en güncel veri: Microsoft, 2023. AEC-Challenge deposu ICASSP 2023’ü hâlâ en son sürüm olarak listeliyor; dolayısıyla bunlar bu seriden gelen en güncel kamuya açık kıyas ölçütü kurallarıdır.
4. AEC Challenge Skor Tabloları, 2021 - 2023
Microsoft’un AEC Challenge yarışması, alanın kamuya açık lig tablosuna en yakın şeydir. Girişler, kitle kaynaklı dinleyiciler tarafından 1 ila 5 ölçeğinde puanlanır (yakın uç konuşma kalitesi için MOS; yankı ve diğer yapay seslenmeler için bir bozulma puanı olan DMOS). INTERSPEECH 2021’de en yüksek puanlı giriş, 3,87’lik referansa karşı ortalama 4,43 aldı (ilk dört giriş istatistiksel olarak berabereydi, bu yüzden Microsoft onları hesaplama karmaşıklığına göre sıraladı) ve kazancın neredeyse tamamı, yakın uç konuşma kalitesinden değil (bu yalnızca 4,18’den 4,25’e çıktı), yankı gidermeden ve çift konuşmadan (eski yankı gidericilerin ya yankıyı geçirdiği ya da yakın uç konuşmacıyı kestiği senaryo) geldi.
Veri kümeleri her turda büyüdü: ICASSP 2021 için 2.500’den fazla gerçek ortam ve cihaz (Microsoft, ICASSP 2021 AEC Challenge makalesi), INTERSPEECH 2021 için 5.000 ve 2023 turu için 10.000’den fazla (2022 sayısı Microsoft’un makaleleri arasında farklılık gösteriyor, Metodoloji bölümüne bakın). Yankının üretimdeki çağrılarda kullanıcılara ne sıklıkla ulaştığına dair kamuya açık veri hâlâ eksik: Microsoft’un makaleleri yankıyı yalnızca “zayıf konuşma kalitesi puanlarının başlıca kaynaklarından biri” olarak tanımlıyor, yüzde vermiyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| ICASSP 2021: referans ve birinci sistem, dört öznel testin ortalaması | 3,68 ve 4,11 (17 başvuru) | Amazon Web Services, PercepNet yankı kontrolü, arXiv 2021 |
| ICASSP 2021: referans ve birinci sistem, çift konuşma sırasında yakın uç konuşmanın bozulması (DMOS) | 3,28 ve 4,07 | Amazon Web Services, PercepNet yankı kontrolü, arXiv 2021 |
| INTERSPEECH 2021: en yüksek puanlı giriş (ERCESI) ve referans, ortalama puan | 4,43 ve 3,87 | Microsoft, INTERSPEECH 2021 AEC Challenge sonuçları |
| INTERSPEECH 2021: en yüksek puanlı giriş ve referans, uzak uç tek konuşma yankı DMOS; çift konuşma diğer bozulmalar DMOS | 4,59 ve 3,82; 4,18 ve 3,45 | Microsoft, INTERSPEECH 2021 AEC Challenge sonuçları |
| INTERSPEECH 2021: ortalaması referansın üzerinde olan sıralanmış takım girişleri | 14 girişten 10’u (sonuç tablosundan sayıldı) | Microsoft, INTERSPEECH 2021 AEC Challenge sonuçları |
| ICASSP 2022: başvurular; çift konuşma bozulmasında mobil ve masaüstü farkı | 18 başvuru; mobil 0,75 MOS daha düşük | Microsoft, ICASSP 2022 AEC Challenge makalesi |
| ICASSP 2023: girişler; kazanan skor ve model boyutu | 20 giriş (17 kişiselleştirilmemiş, 3 kişiselleştirilmiş); 1,5M parametreyle 0,854 | Microsoft, ICASSP 2023 AEC Challenge makalesi |
| ICASSP 2023: referans ve kazanan, nihai skor ve konuşma tanıma kelime doğruluğu | 0,736 ve 0,852; %64,9 ve %82,3 | Microsoft, DeepVQE, Interspeech 2023 |
Bağlam notu: 2023 nihai skoru, yeniden ölçeklenmiş beş öznel skorun kelime doğruluğuyla ortalamasını alan 0 ile 1 arasında bir bileşiktir; dolayısıyla 2021 MOS ortalamalarıyla karşılaştırılamaz. İki Microsoft makalesi 2023 için biraz farklı kazanan skorlar yazdırıyor (Metodoloji bölümüne bakın). Mevcut en güncel veri: Microsoft, 2023.
5. Yankıyı Ölçmek: ERLE Neden Algısal Metrikler Karşısında Geriledi
ERLE (yankı geri dönüş kaybı iyileştirmesi), bir yankı gidericinin mikrofon sinyalinden desibel cinsinden ne kadar giderdiğini gösterir. Hesaplaması kolaydır, bu yüzden veri sayfalarında hâlâ manşet olur; ancak ERLE, dinleyici puanlarıyla yalnızca 0,31 (Pearson) korelasyon gösterir, çünkü bir yankı giderici hattı susturarak ve yakın uç konuşmacının sesini bozarak muazzam bir ERLE puanı alabilir. Çıktıyı temiz bir referansla karşılaştıran daha eski, müdahaleci bir konuşma kalitesi metriği olan PESQ, 0,67 ile daha iyidir.
Microsoft’un sinirsel tahmincisi AECMOS temiz bir referansa ihtiyaç duymaz ve dinleyicilerin vereceği yankı ve bozulma puanlarını tahmin eder. Pratik değişiklik şudur: ekipler artık her seferinde bir dinleme testi için ödeme yapmadan modelleri sıralayabiliyor. Bu, cihazları gerçek odalarda değil laboratuvarda karşılaştırmış herkes için önemlidir; bu boşluğu yankısız oda akustik test istatistikleri yazımızda ele almıştık.
| Metrik | Değer | Kaynak |
|---|---|---|
| ERLE ve öznel puanlar: Pearson (PCC) ve Spearman (SRCC) korelasyonu | 0,31 ve 0,23 | Microsoft, ICASSP 2021 AEC Challenge makalesi |
| PESQ ve öznel puanlar: PCC ve SRCC | 0,67 ve 0,57 | Microsoft, ICASSP 2021 AEC Challenge makalesi |
| AECMOS (2023 sürümü), dinleyici puanlarıyla Pearson korelasyonu: uzak uç tek konuşma yankısı; çift konuşma yankısı; çift konuşma diğer bozulmalar | 0,99 (SRCC 0,92); 0,99; 0,96 | Microsoft, ICASSP 2023 AEC Challenge makalesi |
| Özgün AECMOS eğitim kümesi; klip başına kitle kaynaklı oy sayısı | 64.013 klip (145,8 saat); klip başına 5 oy | Microsoft, AECMOS makalesi, ICASSP 2022 |
| Özgün AECMOS yığın sıralaması: sıralanan modeller; uzak uç tek konuşma yankısında yarışmacı başına PCC | 22 model (14 yarışmacı, yazarlardan 4 derin ve 4 DSP modeli); 0,996 | Microsoft, AECMOS makalesi, ICASSP 2022 |
| Konuşma tanıma kelime doğruluğu ve ICASSP 2022 girişleri genelinde ortalama öznel skor (PCC) | 0,85 | Microsoft, ICASSP 2022 AEC Challenge makalesi |
| ICASSP 2021 öznel testlerinde ifade başına dinleyici sayısı; %95 güven aralığı | 10 dinleyici; 0,01 MOS | Amazon Web Services, PercepNet yankı kontrolü, arXiv 2021 |
Aykırı değer notu: klip başına korelasyonlar model başına olanlardan çok daha zayıftır. Özgün AECMOS makalesi, çift konuşma yankısı için klip başına 0,582 PCC bildiriyor; yani metrik sistemleri sıralamak için güvenilir, tek bir kaydı yargılamak için değil.
6. Sinirsel ve Doğrusal Yankı Kontrolü: Kafa Kafaya Karşılaştırmalar Ne Gösteriyor
Doğrusal uyarlanabilir filtreler yankı yolunu düz çizgili bir sistem olarak modeller; bu yüzden ucuz, aşırı sürülmüş bir dizüstü bilgisayar hoparlörü tarafından bozulmuş yankıda zorlanırlar. ICASSP 2022 ilk beşinde sinirsel sistemlerin çoğu, doğrusal bir filtrenin yerini almak yerine onun üzerine inşa edilmişti. Bir ByteDance testinde WebRTC AEC3 yaklaşık 30 dB yankı giderirken sinirsel bir artık bastırıcı 40,8 dB’e ulaştı; AEC3 ayrıca 0 dB sinyal-yankı oranında (yankı, yakın uç ses kadar yüksek) çift konuşma kalitesini hiçbir şey yapmamaktan bile daha kötü hale getirdi.
ERLE rakamlarına 5. bölümde açıklanan ihtiyatla yaklaşın: 78,69 dB ERLE, uzak uç konuşması sırasında hattın çok sessiz olduğunu söyler; yakın uç sesin hayatta kaldığını değil. Satıcı tarafında Microsoft, Teams yankı modelinin 30.000 saatlik konuşma örneğiyle eğitildiğini söylüyor (Microsoft 365 Blog 2022, satıcının kendi iddiası) ve DeepVQE araştırmacıları küçük modelin Teams’te yüz milyonlarca kullanıcı için test edildiğini belirtiyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| ERLE, konuşmalı uzak uç tek konuşma: doğrusal uyarlanabilir filtre, WebRTC AEC3 ve uyarlanabilir filtre artı sinirsel artık bastırıcı | 16,612 dB, 29,976 dB ve 40,786 dB | ByteDance, artık yankı bastırma, arXiv 2020 |
| ERLE, konuşma artı müzikli uzak uç tek konuşma: WebRTC AEC3 ve sinirsel artık bastırıcı | 25,376 dB ve 43,144 dB | ByteDance, artık yankı bastırma, arXiv 2020 |
| 0 dB sinyal-yankı oranında çift konuşma sırasında PESQ: işlenmemiş, WebRTC AEC3 ve sinirsel artık bastırıcı | 1,908; 1,610 ve 2,816 | ByteDance, artık yankı bastırma, arXiv 2020 |
| ERLE: Speex, WebRTC ve uyarlanabilir filtrenin yinelemeli sinir ağıyla birleşimi | 25 dB, 40 dB ve 68 dB | Ma ve diğerleri, arXiv 2020 |
| Çift sinyalli LSTM yankı gidericisi (DTLN-aec): AEC Challenge referansına göre MOS kazancı; eğitim verisi | 0,30 MOS; gerçek ve sentetik yankı senaryolarından 60 saat | Westhausen ve Meyer, DTLN-aec, arXiv 2020 |
| ICASSP 2022 ilk 5 sistem: doğrusal artı sinirsel hibrit tasarımlar; parametre aralığı | 5 sistemden 3’ü; 1,5M ila 55,5M parametre | Microsoft, ICASSP 2022 AEC Challenge makalesi |
| ICASSP 2023 girişleri: nihai skorun model boyutuyla korelasyonu; hibrit tasarım kullanımıyla korelasyonu (PCC) | -0,54; 0,10 | Microsoft, ICASSP 2023 AEC Challenge makalesi |
| Uçtan uca sinirsel yankı gidericisi (Ocak 2026): ses etkinliği maskelemesiyle ERLE; parametreler; bir eğitim stratejisinden ortalama MOS kazancı | 78,69 dB; 1,2M parametre; 4,31 ila 4,38 | Alibaba Tongyi Lab, E2E-AEC, arXiv 2026 |
Bağlam notu: bu sonuçlar farklı test kümelerinden geliyor; dolayısıyla yöntemleri her makalenin içinde sıralar, makaleler arasında değil. AEC3 ve Speex karşılaştırmaları için mevcut en güncel veri: ByteDance ve Ma ve diğerleri, 2020.
Özet: Rakamlarla Akustik Yankı Giderme
| Metrik | Değer | Kaynak |
|---|---|---|
| G.168 Test 2A yakınsama süresi | Yaklaşık 1 s artı yankı yolu gecikmesi | ITU-T G.168 (04/2015) |
| Kulaklık seti ağırlıklı terminal kuplaj kaybı, herhangi bir ses seviyesi ve nominal | En az 46 dB ve en az 55 dB | 3GPP TS 26.131 (Rel-19) |
| Ara bağlantı noktasında şebeke yankı kaybı | En az 46 dB | 3GPP TS 26.132 (Rel-19) |
| Eller serbest çift konuşma kategorileri | 5; kategori 1 gönderilen konuşmayı en fazla 3 dB zayıflatır | HEAD acoustics, ITU-T P.340’ı aktararak |
| Eller serbest terminal Tavsiye Kararı, en son sürüm | P.340 (07/2026) | ITU-T P.340 özeti 2026 |
| Şeffaf etkileşim için tek yönlü gecikme | 150 ms altı | ITU-T G.114 (05/2003) |
| AEC Challenge gecikme sınırı, 2023 | 20 ms algoritmik artı tamponlama | Microsoft AEC-Challenge deposu |
| ERLE ve dinleyici puanları | PCC 0,31 | Microsoft, ICASSP 2021 AEC Challenge makalesi |
| AECMOS ve uzak uç yankı puanları | PCC 0,99 | Microsoft, ICASSP 2023 AEC Challenge makalesi |
| Özgün AECMOS eğitim kümesi | 64.013 klip, 145,8 saat | Microsoft, AECMOS makalesi, ICASSP 2022 |
| ICASSP 2021 referans ve kazanan | 3,68 ve 4,11 | Amazon Web Services, PercepNet yankı kontrolü, arXiv 2021 |
| INTERSPEECH 2021 en yüksek puanlı giriş ve referans | 4,43 ve 3,87 | Microsoft, INTERSPEECH 2021 AEC Challenge sonuçları |
| Mobil ve masaüstü, çift konuşma bozulması | Mobil 0,75 MOS daha düşük | Microsoft, ICASSP 2022 AEC Challenge makalesi |
| DeepVQE-S kare başına CPU süresi | 0,14 ms (gerçek zamanlı faktör 0,014) | Microsoft, DeepVQE, Interspeech 2023 |
| WebRTC AEC3 ve sinirsel artık bastırıcı, ERLE | 29,976 dB ve 40,786 dB | ByteDance, artık yankı bastırma, arXiv 2020 |
| Speex, WebRTC ve hibrit RNN, ERLE | 25 dB, 40 dB ve 68 dB | Ma ve diğerleri, arXiv 2020 |
| DTLN-aec’in yarışma referansına göre kazancı | 0,30 MOS | Westhausen ve Meyer, DTLN-aec, arXiv 2020 |
| Uçtan uca sinirsel AEC, ERLE (2026) | 1,2M parametreyle 78,69 dB | Alibaba Tongyi Lab, E2E-AEC, arXiv 2026 |
Metodoloji ve Kaynaklar
- ITU-T: G.168, Dijital şebeke yankı gidericileri (04/2015, Düzeltme 12/2022), G.167, Akustik yankı denetleyicileri (03/1993, yürürlükten kaldırıldı), P.340 özeti (07/2026), P.1110, Motorlu taşıtlarda geniş bantlı eller serbest iletişim (10/2025), G.114, Tek yönlü iletim süresi (05/2003)
- 3GPP: TS 26.131, Telefon için terminal akustik özellikleri; Gereksinimler (Rel-19) ve TS 26.132, Konuşma ve görüntülü telefon terminali akustik test spesifikasyonu (Rel-19)
- HEAD acoustics: ACOPT 32 Konuşma Tabanlı Çift Konuşma veri sayfası (ITU-T P.340 kategorilerini aktarıyor)
- Microsoft Research: ICASSP 2021 AEC Challenge makalesi, INTERSPEECH 2021 AEC Challenge sonuçları, ICASSP 2022 AEC Challenge makalesi, ICASSP 2023 AEC Challenge makalesi, AECMOS makalesi, DeepVQE, Interspeech 2023, AEC-Challenge deposu
- Amazon Web Services: Low-complexity joint neural echo control and speech enhancement based on PercepNet (2021)
- ByteDance: Residual acoustic echo suppression based on efficient multi-task convolutional neural network (2020)
- Ma, Huang, Zhao ve Su: Acoustic echo cancellation by combining adaptive digital filter and recurrent neural network (2020)
- Westhausen ve Meyer: Acoustic echo cancellation with the dual-signal transformation LSTM network (2020)
- Alibaba Tongyi Lab: E2E-AEC, an end-to-end neural network approach for acoustic echo cancellation (Ocak 2026)
- Microsoft 365 Blog: How Microsoft Teams uses AI and machine learning to improve calls and meetings (2022, satıcı iddiası)
- Veri notu: hiçbir platform gerçek çağrılardaki yankının telemetriye dayalı bir oranını yayımlamadı, bu yüzden bu derleme böyle bir oran vermiyor; Microsoft’un makaleleri yankıyı yalnızca niteliksel olarak başlıca şikayetlerden biri olarak tanımlıyor. İki Microsoft kaynağı 2023 kazananı konusunda hafifçe ayrışıyor: ICASSP 2023 yarışma makalesi birinci sıradaki skoru 0,854 olarak listeliyor, DeepVQE makalesinin tablosu ise AEC kazananını 0,852 olarak gösteriyor. Microsoft’un kaynakları ICASSP 2022 veri kümesi konusunda da ayrışıyor: ICASSP 2022 makalesi 10.000’den fazla ortam ve cihaz diyor, ICASSP 2023 makalesi ise o tur için 7.500 listeliyor. ERLE 0,31 ve PESQ 0,67 korelasyonları 2021, 2022 ve 2023 yarışma makalelerinde aynıdır; bu, üç bağımsız ölçümden çok tek bir temel çalışmaya işaret ediyor. AECMOS korelasyonları model sürümüne göre değişir (ICASSP 2022 makalesi uzak uç yankı için 0,828 PCC bildirirken 2023 makalesi 0,99 bildiriyor). INTERSPEECH 2021 makalesi katılımcıların neredeyse tamamının referansı geçtiğini söylüyor, kamuya açık sonuç tablosu ise sıralanan 14 girişten 10’unun referans ortalamasının üzerinde olduğunu gösteriyor. 2020 tarihli Speex ve WebRTC karşılaştırmalarındaki ERLE değerleri her makalenin kendi test kümesinden ve ayarlarından gelir. AEC Challenge verilerinin çoğu 2021 - 2023 dönemindendir çünkü AEC-Challenge deposu ICASSP 2023’ü en son sürüm olarak listeliyor; P.340 (07/2026) tam metni ve 3GPP TS 26.132 Rel-20 dosyası kontrol edilecek sonraki güncellemelerdir.
Son güncelleme: 24 Ekim 2026. Bu derlemeyi üç ayda bir güncelliyoruz ve bir sonraki yenilemenin ITU-T P.340’ın (07/2026) tam metni yayımlandığında yapılması bekleniyor.