Tách giọng nói bằng AI đã giảm 73% tỷ lệ lỗi từ của chuyển giọng nói thành văn bản trên 265 cuộc hội thoại thực tế trong một bài đánh giá tháng 9 năm 2026, nhưng lại làm tăng nhẹ lỗi ở các bản ghi vốn đã sạch (Krisp, Voice Isolation Benchmark 2026). Sự đánh đổi đó phản ánh toàn bộ hạng mục này: khử tiếng ồn giờ là thiết lập mặc định trong các công cụ họp phổ biến, nhưng giá trị của nó phụ thuộc vào việc âm thanh ban đầu bẩn đến đâu. Google cho biết tính năng khử tiếng ồn của Meet được bật mặc định cho tài khoản Business và Enterprise, Microsoft liệt kê tính năng tách giọng nói của Teams là bật mặc định cho người dùng, và Owl Labs phát hiện 76% nhân viên Mỹ nêu tiếng vang hoặc méo âm thanh là vấn đề phổ biến của các cuộc họp kết hợp (Owl Labs, State of Hybrid Work 2025). Bộ công cụ cộng tác rộng hơn mà các tính năng này nằm trong đó được đề cập trong thống kê truyền thông hợp nhất doanh nghiệp của chúng tôi. Chúng tôi tổng hợp dữ liệu từ các bài báo Deep Noise Suppression Challenge của Microsoft Research, Microsoft, Google, Zoom, Apple, NVIDIA, Krisp, Owl Labs, NIOSH, Tổ chức Y tế Thế giới và các nghiên cứu thính học, giọng nói được bình duyệt được lập chỉ mục trên Europe PMC.
Tóm tắt nhanh
- Tách giọng nói giảm tỷ lệ lỗi từ 73% trên tổng thể 265 cuộc hội thoại được ghi âm (Krisp, Voice Isolation Benchmark 2026).
- WER trong môi trường làm việc giảm từ 31,84% xuống 6,30%, nhưng các cuộc gọi điện thoại sạch lại tăng từ 3,48% lên 3,91% (Krisp, Voice Isolation Benchmark 2026).
- Khử tiếng ồn của Google Meet được bật mặc định cho tài khoản Business và Enterprise (Google, Trung tâm trợ giúp Meet 2026).
- Giá trị chính sách VoiceIsolation của Teams là Enabled theo mặc định (Microsoft Learn, hướng dẫn quản trị tách giọng nói, tháng 4 năm 2026).
- Teams có hơn 320 triệu người dùng hoạt động hàng tháng (Microsoft, cuộc gọi báo cáo thu nhập quý 1 năm tài chính 2024, tháng 10 năm 2023).
- 76% nhân viên Mỹ nêu tiếng vang hoặc méo âm thanh và 75% nêu việc không nghe được mọi người là các vấn đề phổ biến của họp kết hợp (Owl Labs, State of Hybrid Work 2025).
- Khoảng 27 triệu lao động Mỹ tiếp xúc với tiếng ồn nguy hại mỗi năm (NIOSH, CDC).
- DNS Challenge đầu tiên đã công bố 441 giờ giọng nói sạch và nhận 28 bài dự thi từ 19 đội (Reddy và cộng sự, Interspeech 2020).
- Đến năm 2023, cuộc thi yêu cầu độ trễ kết hợp từ 20 ms trở xuống và dùng 760,53 giờ giọng nói sạch trong một đường đua (Dubey và cộng sự, ICASSP 2023 DNS Challenge).
- 60% lãnh đạo CX dự định áp dụng dịch giọng nói bằng AI trong vòng 6 đến 12 tháng, tăng từ 36% năm 2025 (Krisp, 2026 State of Voice in CX).
- Một chương trình máy trợ thính DNN đã nâng khả năng nhận diện câu trong tiếng ồn lên 79% từ 60% ở người dùng ốc tai điện tử song phương kết hợp (Kolberg và cộng sự, J Clin Med 2025).
- 430 triệu người cần phục hồi chức năng do suy giảm thính lực gây tàn tật (WHO, Deafness and hearing loss fact sheet).
1. Thiết lập Mặc định của Nền tảng: Khử Tiếng ồn Giờ Đã Tích hợp Sẵn trong Bộ Công cụ Họp
Câu hỏi về mức độ áp dụng phần lớn đã được giải quyết bằng thiết lập mặc định chứ không phải các quyết định mua sắm. Trung tâm trợ giúp của Google Meet nêu rằng tính năng khử tiếng ồn được bật mặc định cho tài khoản Business và Enterprise, trong khi Education Fundamentals, Education Standard và Education Plus tắt mặc định (Google, Lọc tiếng ồn nền trong Google Meet). Tài liệu quản trị của Microsoft liệt kê chính sách cuộc họp Teams VoiceIsolation, cùng các thiết lập hồ sơ giọng nói EnrollVoice và PassiveVoiceEnrollment, là bật (Enabled) theo mặc định (Microsoft Learn, Quản lý tách giọng nói, cập nhật tháng 4 năm 2026). Tách giọng nói tiến thêm một bước so với khử tiếng ồn: nó dùng hồ sơ giọng nói lưu trên thiết bị của người dùng để loại bỏ những âm thanh và giọng nói không khớp với hồ sơ đó.
Phạm vi tiếp cận của các thiết lập mặc định này rất lớn. Microsoft báo cáo hơn 320 triệu người dùng Teams hoạt động hàng tháng và hơn 10.000 khách hàng Teams Premium trả phí vào tháng 10 năm 2023 (Microsoft, cuộc gọi báo cáo thu nhập quý 1 năm tài chính 2024). Dữ liệu mới nhất hiện có: Microsoft, 2023; cuộc gọi tháng 7 năm 2026 của hãng không đưa ra số liệu người dùng Teams mới. Krisp, nhà cung cấp độc lập nổi tiếng nhất, cho biết AI của họ đã xử lý hàng nghìn tỷ phút hội thoại giọng nói (Krisp, Giới thiệu).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Mặc định khử tiếng ồn của Google Meet | Bật cho Business và Enterprise; tắt cho các phiên bản Education | Google, Trung tâm trợ giúp Meet 2026 |
| Khử tiếng ồn trên thiết bị của Meet trên Android | Pixel 4 trở lên, Samsung S10 trở lên, các mẫu khác | Google, Trung tâm trợ giúp Meet 2026 |
| Mặc định chính sách Teams VoiceIsolation | Bật (EnrollVoice và PassiveVoiceEnrollment cũng bật) | Microsoft Learn, tháng 4 năm 2026 |
| Người dùng Teams hoạt động hàng tháng | Hơn 320 triệu | Microsoft, cuộc gọi báo cáo thu nhập quý 1 năm tài chính 2024 (2023) |
| Khách hàng Teams Premium trả phí | Hơn 10.000 | Microsoft, cuộc gọi báo cáo thu nhập quý 1 năm tài chính 2024 (2023) |
| Các mức khử tiếng ồn nền của Zoom | Tự động (mặc định), Thấp, Trung bình, Cao | Hỗ trợ Zoom, cài đặt âm thanh chuyên nghiệp 2026 |
| Chế độ micro Voice Isolation của Apple | FaceTime iOS 15+, cuộc gọi điện thoại iOS 16.4+, chế độ tự động iOS 18+ | Hỗ trợ Apple 2026 |
| Số phút giọng nói Krisp đã xử lý | Hàng nghìn tỷ | Krisp, Giới thiệu 2026 |
Lưu ý về bối cảnh: mức Cao của Zoom được mô tả là mạnh tay nhất, có thể loại bỏ giọng nói nền của người khác và có thể làm tăng mức sử dụng CPU; chế độ âm thanh gốc dành cho nhạc sĩ tắt xử lý hậu kỳ và nâng codec lên 48 kHz, 96 kbps đơn âm hoặc 192 kbps âm thanh nổi (Hỗ trợ Zoom, cài đặt âm thanh chuyên nghiệp). Về phía người sáng tạo nội dung, Noise Removal và Room Echo Removal của NVIDIA Broadcast yêu cầu GPU GeForce RTX 2060, Quadro RTX 3000, TITAN RTX hoặc cao hơn (NVIDIA, ứng dụng Broadcast). Các yêu cầu về chế độ micro của Apple lấy từ Hỗ trợ Apple.
2. Cái Giá của Âm thanh Kém: Sự cố Cuộc họp và Tiếng ồn Nơi Làm việc
Khử tiếng ồn có thị trường vì âm thanh kém là lỗi phổ biến nhất trong các cuộc họp kết hợp. Trong khảo sát tháng 7 năm 2025 của Owl Labs với 2.000 nhân viên toàn thời gian tại Mỹ, 76% nêu tiếng vang hoặc méo âm thanh và 75% nêu việc không nghe được mọi người là các vấn đề phổ biến của họp kết hợp, chỉ sau thời gian mất đi do khó khăn kỹ thuật ở mức 77% (Owl Labs, State of Hybrid Work 2025). Nhân viên mất trung bình khoảng 6 phút để bắt đầu các cuộc họp kết hợp, và 27% mất 10 phút trở lên mỗi cuộc họp cho việc thiết lập kỹ thuật.
Nghiên cứu của chính Microsoft gắn chất lượng âm thanh và video với việc cuộc họp có hiệu quả với mọi người hay không. Trên 3.290 phản hồi khảo sát qua email và 17.287 đánh giá trong ứng dụng, chất lượng, độ tin cậy và việc có chương trình họp mỗi yếu tố có thể nâng 70% khả năng một cuộc họp được đánh giá là mang tính hòa nhập (Cutler và cộng sự, Meeting Effectiveness and Inclusiveness in Remote Collaboration, arXiv 2021). Dữ liệu mới nhất hiện có: Microsoft Research, 2021. Nghiên cứu đo chất lượng âm thanh và video cùng nhau, nên không thể tách riêng tác động của tiếng ồn nền. Âm học văn phòng, nửa còn lại của vấn đề, được đề cập trong thống kê về sự xao nhãng và âm học văn phòng mở của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Nhân viên nêu tiếng vang hoặc méo âm thanh là vấn đề phổ biến của họp kết hợp | 76% | Owl Labs, State of Hybrid Work 2025 |
| Không nghe được mọi người | 75% | Owl Labs, State of Hybrid Work 2025 |
| Thời gian mất do khó khăn kỹ thuật | 77% | Owl Labs, State of Hybrid Work 2025 |
| Thời gian trung bình mất để bắt đầu một cuộc họp kết hợp | Khoảng 6 phút (27% mất 10+ phút) | Owl Labs, State of Hybrid Work 2025 |
| Mẫu khảo sát cuộc họp (email / trong ứng dụng) | 3.290 phản hồi / 17.287 đánh giá (khoảng 15% tỷ lệ phản hồi trong ứng dụng) | Cutler và cộng sự, Microsoft Research 2021 |
| Tác động của chất lượng âm thanh-hình ảnh, độ tin cậy hoặc chương trình họp lên khả năng hòa nhập | Mỗi yếu tố +70% | Cutler và cộng sự, Microsoft Research 2021 |
| Lao động Mỹ tiếp xúc với tiếng ồn nguy hại mỗi năm | Khoảng 27 triệu | NIOSH, CDC |
| Lực lượng lao động Mỹ gặp khó khăn khi nghe / ù tai | Khoảng 1 trong 9 / khoảng 1 trong 13 | NIOSH, CDC |
Lưu ý về bối cảnh: theo định nghĩa của NIOSH, tiếng ồn nguy hại bắt đầu từ 85 dBA, giới hạn tiếp xúc khuyến nghị tính trung bình trong ngày làm việc tám giờ (NIOSH, About Noise and Hearing Loss), lớn hơn nhiều so với một văn phòng thông thường. Một nghiên cứu EEG năm 2021 cho thấy hoạt động não bộ xác nhận một phần mức tải tinh thần thấp hơn khi dùng tai nghe chống ồn chủ động so với khi ở trong tiếng ồn, mặc dù sự khác biệt chủ quan không đáng kể (Pieper và cộng sự, Frontiers in Neuroscience 2021). Tác động mệt mỏi của họp video được theo dõi trong thống kê mệt mỏi do họp video của chúng tôi.
3. Chuẩn Nghiên cứu: Deep Noise Suppression Challenge của Microsoft
Hầu hết các bộ khử tiếng ồn thời gian thực ngày nay được định hình bởi một chuẩn đánh giá mở duy nhất. Deep Noise Suppression Challenge đầu tiên tại Interspeech 2020 đã công bố 441 giờ giọng nói sạch từ 2.150 người nói cùng 60.000 đoạn tiếng ồn thuộc 150 lớp âm thanh, và nhận 28 bài dự thi từ 19 đội (Reddy và cộng sự, Interspeech 2020 DNS Challenge). Ban tổ chức nhấn mạnh rằng bộ kiểm thử tổng hợp không đại diện cho các bản ghi thực tế, đó là lý do mọi phiên bản sau đều dựa vào các đoạn âm thanh thực tế ẩn danh và đánh giá ITU-T P.808 từ cộng đồng.
Mức chuẩn tiếp tục tăng. Đến phiên bản thứ năm tại ICASSP 2023, một đường đua dùng 760,53 giờ giọng nói sạch (562,72 giờ giọng đọc, 185,41 giờ tiếng Quan Thoại), 181 giờ tiếng ồn thuộc 152 lớp, và các mô hình phải chạy với hệ số thời gian thực từ 0,5 trở xuống trên Intel Core i5 bốn nhân với độ trễ kết hợp từ 20 ms trở xuống (Dubey và cộng sự, ICASSP 2023 DNS Challenge; trang cuộc thi của Microsoft Research). Nhiệm vụ cũng chuyển từ loại bỏ tiếng ồn sang loại bỏ người nói gây nhiễu, và bài báo ghi nhận chất lượng tín hiệu suy giảm ở hầu hết các mô hình, một dấu hiệu cho thấy tách giọng nói khó hơn loại bỏ tiếng ồn.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Giọng nói sạch được công bố, 2020 | 441 giờ từ 2.150 người nói | Reddy và cộng sự, Interspeech 2020 |
| Mức tham gia, 2020 | 28 bài dự thi từ 19 đội (9 đội ở cả hai đường đua) | Reddy và cộng sự, Interspeech 2020 |
| Đánh giá từ cộng đồng cho mỗi đoạn, 2020 | 10 (20 cho các bài dẫn đầu) | Reddy và cộng sự, Interspeech 2020 |
| Giọng nói sạch, ICASSP 2023 Đường đua 2 | 760,53 giờ | Dubey và cộng sự, ICASSP 2023 |
| Dữ liệu tiếng ồn, 2023 | 181 giờ, 152 lớp âm thanh, 60.000 đoạn | Dubey và cộng sự, ICASSP 2023 |
| Mức tham gia, 2023 | 11 bài dự thi mỗi đường đua, 10 đội ở cả hai | Dubey và cộng sự, ICASSP 2023 |
| Mức tăng điểm cuộc thi tốt nhất so với bộ ẩn danh nhiễu, 2023 | 0,145 (tai nghe), 0,141 (loa ngoài), cùng một đội thắng cả hai | Dubey và cộng sự, ICASSP 2023 |
| Giới hạn tính toán, 2023 | Hệ số thời gian thực 0,5 trở xuống; độ trễ kết hợp 20 ms trở xuống | Microsoft Research, ICASSP 2023 DNS Challenge |
Lưu ý về bối cảnh: bộ dữ liệu công khai rất lớn: kho lưu trữ của cuộc thi liệt kê 827 GB giọng nói sạch, 58 GB tiếng ồn và khoảng 1 TB khi giải nén (Microsoft, kho DNS-Challenge). Phiên bản 2022 bổ sung độ chính xác từ làm một chỉ số và kết luận rằng cộng đồng nghiên cứu vẫn còn “một chặng đường dài” trước tiếng ồn thực tế khó nhằn (Dubey và cộng sự, ICASSP 2022 DNS Challenge). Kết quả cuộc thi mới nhất hiện có: ICASSP 2023.
4. Tách Giọng nói và Độ chính xác Nhận dạng Giọng nói
Khử tiếng ồn giờ phục vụ máy móc không kém con người, vì bản ghi cuộc họp và trợ lý giọng nói phụ thuộc vào đầu vào sạch. Trong bài đánh giá năm 2026 của Krisp, tách giọng nói đã giảm tỷ lệ lỗi từ trong môi trường làm việc từ 31,84% xuống 6,30% trên 11 cấu hình chuyển giọng nói thành văn bản từ 9 công cụ (Krisp, Voice Isolation Benchmark 2026). Mức cải thiện lớn nhất khi có giọng nói thứ hai; với các cuộc gọi điện thoại sạch, việc tách giọng nói làm tăng nhẹ lỗi, từ 3,48% lên 3,91%.
Kết quả đó khớp với hồ sơ học thuật. Một bài báo năm 2026 ghi nhận rằng việc tăng cường giọng nói đơn kênh “chưa được chứng minh là một bộ tiền xử lý hiệu quả” cho nhận dạng so với các mô hình được huấn luyện trên giọng nói nhiễu, rồi báo cáo mức giảm WER tương đối 28,4% trên CHiME-2 bằng cách tách rời hai giai đoạn (Yang, Pandey và Wang, Computer Speech and Language 2026). Điều rút ra trong thực tế: tách giọng nói là cách khắc phục nhiễu chéo và giọng nói nền, không phải bản nâng cấp miễn phí cho mọi cuộc gọi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Thay đổi WER tổng thể khi tách giọng nói | -73% | Krisp, Voice Isolation Benchmark 2026 |
| Môi trường làm việc (gốc so với đã tách) | WER 31,84% xuống 6,30% | Krisp, Voice Isolation Benchmark 2026 |
| Cuộc gọi điện thoại sạch (gốc so với đã tách) | WER 3,48% lên 3,91% (suy giảm nhẹ) | Krisp, Voice Isolation Benchmark 2026 |
| AssemblyAI Universal-3 Pro theo lô | 30,32% xuống 3,75% (-88%) | Krisp, Voice Isolation Benchmark 2026 |
| ElevenLabs Scribe v2 / Soniox STT v5 | -85% / -82% | Krisp, Voice Isolation Benchmark 2026 |
| Bộ dữ liệu đánh giá | 265 cuộc hội thoại: 96 văn phòng, 106 trung tâm cuộc gọi, 63 di động hoặc trong xe | Krisp, bài về bộ dữ liệu đánh giá 2026 |
| Tăng cường tách rời cộng ASR trên CHiME-2 | Giảm WER tương đối 28,4% (WER 5,6%) | Yang, Pandey và Wang, Computer Speech and Language 2026 |
| Cùng phương pháp, CHiME-4 đơn kênh | WER 3,3% mô phỏng, 4,4% thực tế | Yang, Pandey và Wang, Computer Speech and Language 2026 |
Lưu ý về bối cảnh: bài đánh giá của Krisp do nhà cung cấp tự thực hiện và kiểm thử chính các mô hình của Krisp, dù bộ dữ liệu được công bố trên Hugging Face. Bài đánh giá bao gồm 4 mô hình tách giọng nói, 24 thiết bị văn phòng, 18 mẫu tai nghe trung tâm cuộc gọi và 18 mẫu điện thoại (Krisp, cách bài đánh giá được ghi âm). Chưa có bản tái lập độc lập nào được công bố.
5. Trung tâm Cuộc gọi: Nơi Loại bỏ Tiếng ồn Gặp AI Giọng nói
Trung tâm cuộc gọi kết hợp những căn phòng ồn nhất với các quy trình phụ thuộc nhiều nhất vào giọng nói. Trong bài đánh giá của Krisp, âm thanh trung tâm cuộc gọi giảm từ tỷ lệ lỗi từ 23,83% xuống 6,86% sau khi tách giọng nói, bối cảnh mà phân tích giọng nói, hỗ trợ nhân viên và dịch thuật đều thừa hưởng chất lượng luồng micro của nhân viên (Krisp, Voice Isolation Benchmark 2026). Ý định đầu tư rất rõ ràng: 60% lãnh đạo CX dự định áp dụng dịch giọng nói bằng AI trong vòng 6 đến 12 tháng, tăng từ 36% năm 2025 (Krisp, The 2026 State of Voice in CX).
Đôi tai của chính các nhân viên cũng quan trọng. Một nghiên cứu của Ba Lan trên 78 nhân viên trung tâm cuộc gọi đo được mức tiếp xúc tiếng ồn cá nhân trung bình hằng ngày là 74,7 dBA, trong đó 92,3% có thính lực bình thường ở cả hai tai (Pawlaczyk-Luszczynska và cộng sự, Noise and Health 2018). Một nghiên cứu lớn hơn năm 2022 trên 213 người dùng tai nghe, trong đó có 177 nhân viên trung tâm cuộc gọi, ghi nhận mức tiếp xúc từ 57 đến 96 dB, dù chỉ 1,4% nhân viên vượt 85 dB (Pawlaczyk-Luszczynska và cộng sự, IJOMEH 2022). Dữ liệu về khối lượng công việc và tỷ lệ nghỉ việc của các nhóm này nằm trong thống kê kiệt sức và nghỉ việc của nhân viên trung tâm cuộc gọi của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| WER trung tâm cuộc gọi, gốc so với tách giọng nói | 23,83% xuống 6,86% | Krisp, Voice Isolation Benchmark 2026 |
| Lãnh đạo CX dự định dịch giọng nói bằng AI trong 6-12 tháng | 60% (36% năm 2025) | Krisp, 2026 State of Voice in CX (815 lãnh đạo, 12 quốc gia) |
| Chuyển đổi giọng vùng miền, mức áp dụng hiện tại hoặc dự kiến | 61% | Krisp, 2026 State of Voice in CX |
| Mức áp dụng phân tích giọng nói | 80% | Krisp, 2026 State of Voice in CX |
| Thách thức hàng đầu: tuyển nhân viên đúng khu vực và ngôn ngữ | 40% (chi phí hỗ trợ ngôn ngữ 37%; tích hợp công nghệ 14%) | Krisp, 2026 State of Voice in CX |
| Mức tiếp xúc tiếng ồn trung bình hằng ngày, 78 nhân viên trung tâm cuộc gọi | 74,7 dBA (khoảng 68-79) | Pawlaczyk-Luszczynska và cộng sự, Noise and Health 2018 |
| Người dùng tai nghe vượt 85 dB, 177 nhân viên | 1,4% | Pawlaczyk-Luszczynska và cộng sự, IJOMEH 2022 |
| Người dùng tai nghe có thính lực bình thường cả hai bên (250-8000 Hz) | 42% trong 213 người | Pawlaczyk-Luszczynska và cộng sự, IJOMEH 2022 |
Lưu ý về bối cảnh: khảo sát State of Voice in CX do một nhà cung cấp bán dịch giọng nói và chuyển đổi giọng vùng miền công bố, vì vậy các số liệu về mức áp dụng nên được xem như chỉ báo xu hướng. Nghiên cứu năm 2018 là dữ liệu mới nhất hiện có về mức tiếp xúc của nhân viên trung tâm cuộc gọi trong nhóm đó; nghiên cứu cũng phát hiện các khuyết tần số cao ở 15,4% thính lực đồ.
6. Ngoài Cuộc họp: Giảm Ồn bằng Học sâu trong Chăm sóc Thính giác
Cùng những ý tưởng khử nhiễu bằng mạng nơ-ron hiện đã có mặt trong máy trợ thính, nơi mức độ quan trọng cao hơn nhiều so với một bản ghi sạch hơn. Trong một nghiên cứu năm 2025 với 11 người dùng ốc tai điện tử song phương kết hợp độ tuổi 71-89, chương trình máy trợ thính DNN đã nâng khả năng nhận diện câu trong tiếng ồn lên 79%, so với 60% khi dùng thiết lập thông thường (p < 0,001), và mang lại lợi ích song phương 40% so với chỉ dùng ốc tai, so với 21% (Kolberg và cộng sự, Journal of Clinical Medicine 2025). Dữ liệu thực địa cũng chỉ về cùng hướng: ở 40 người dùng có kinh nghiệm đã ghi lại 3.614 đánh giá tức thời và 6.812 giờ âm thanh, máy trợ thính dựa trên DNN giữ mức hài lòng nhất quán bất kể mức tiếng ồn nền (Christensen và cộng sự, American Journal of Audiology 2024).
Nhóm đối tượng tiềm năng rất lớn. WHO ước tính hơn 430 triệu người cần phục hồi chức năng do suy giảm thính lực gây tàn tật và gần 2,5 tỷ người sẽ bị suy giảm thính lực ở mức độ nào đó vào năm 2050 (WHO, Deafness and hearing loss fact sheet). Một nghiên cứu năm 2023 báo cáo một bộ khử nhiễu học sâu dùng một micro, giúp khôi phục độ rõ lời cho người dùng máy trợ thính lên mức của nhóm đối chứng có thính lực bình thường và chạy theo thời gian thực trên máy tính xách tay (Diehl và cộng sự, Scientific Reports 2023).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Nhận diện câu trong tiếng ồn, DNN so với chương trình thông thường | 79% so với 60% (p < 0,001), 11 người dùng độ tuổi 71-89 | Kolberg và cộng sự, J Clin Med 2025 |
| Lợi ích song phương so với chỉ dùng ốc tai trong tiếng ồn hội thoại | 40% (DNN) so với 21% | Kolberg và cộng sự, J Clin Med 2025 |
| Thử nghiệm máy trợ thính DNN trong đời thực | 40 người dùng, 3.614 đánh giá, 6.812 giờ âm thanh | Christensen và cộng sự, Am J Audiol 2024 |
| DNN kết hợp định hướng chùm tia ở người lớn tuổi | Vượt các chương trình khác trên mọi chỉ số (20 người tham gia) | Folkeard và cộng sự, Trends in Hearing 2026 |
| Giảm ồn ở người suy giảm thính lực nặng đến sâu | Giảm đáng kể nỗ lực lắng nghe (25 người tham gia) | Dong và cộng sự, Frontiers in Neuroscience 2024 |
| Đánh giá DNN khách quan | 1.152 bản ghi bằng hình nhân ở SNR -5, 0 và +5 dB | Ashkanichenarlogh và cộng sự, Trends in Hearing 2025 |
| Người cần phục hồi chức năng do suy giảm thính lực gây tàn tật | Hơn 430 triệu (hơn 5% dân số thế giới) | Tờ thông tin của WHO |
| Chi phí toàn cầu hằng năm của suy giảm thính lực không được giải quyết | Gần US$1 nghìn tỷ | Tờ thông tin của WHO |
Lưu ý về bối cảnh: các thử nghiệm này có quy mô nhỏ, từ 11 đến 40 người tham gia, và một số được thực hiện với thiết bị của một nhà sản xuất duy nhất. Kết quả của Folkeard, Dong và Ashkanichenarlogh được tóm tắt từ phần tóm lược của họ (Folkeard và cộng sự 2026; Dong và cộng sự 2024; Ashkanichenarlogh và cộng sự 2025), và lợi ích trong nghiên cứu khách quan năm 2025 giảm đi khi có độ vang vừa phải.
Tổng kết: Phần mềm Khử Tiếng ồn AI qua các Con số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Thay đổi WER tổng thể khi tách giọng nói | -73% trên 265 cuộc hội thoại | Krisp, Voice Isolation Benchmark 2026 |
| WER môi trường làm việc, gốc so với đã tách | 31,84% xuống 6,30% | Krisp, Voice Isolation Benchmark 2026 |
| WER cuộc gọi điện thoại sạch, gốc so với đã tách | 3,48% lên 3,91% | Krisp, Voice Isolation Benchmark 2026 |
| WER trung tâm cuộc gọi, gốc so với đã tách | 23,83% xuống 6,86% | Krisp, Voice Isolation Benchmark 2026 |
| Khử tiếng ồn của Google Meet | Bật mặc định cho Business và Enterprise | Google, Trung tâm trợ giúp Meet 2026 |
| Chính sách Teams VoiceIsolation | Bật theo mặc định | Microsoft Learn, tháng 4 năm 2026 |
| Người dùng Teams hoạt động hàng tháng | Hơn 320 triệu (2023) | Microsoft, cuộc gọi báo cáo thu nhập quý 1 năm tài chính 2024 |
| Các mức khử tiếng ồn của Zoom | 4 (Tự động mặc định, Thấp, Trung bình, Cao) | Hỗ trợ Zoom 2026 |
| Tiếng vang hoặc méo âm thanh là vấn đề phổ biến của họp kết hợp | 76% | Owl Labs, State of Hybrid Work 2025 |
| Không nghe được mọi người | 75% | Owl Labs, State of Hybrid Work 2025 |
| Lao động Mỹ tiếp xúc với tiếng ồn nguy hại | Khoảng 27 triệu mỗi năm | NIOSH, CDC |
| DNS Challenge 2020 giọng nói sạch / bài dự thi | 441 giờ / 28 từ 19 đội | Reddy và cộng sự, Interspeech 2020 |
| DNS Challenge 2023 giọng nói sạch, Đường đua 2 | 760,53 giờ | Dubey và cộng sự, ICASSP 2023 |
| DNS Challenge 2023 giới hạn độ trễ | 20 ms trở xuống | Microsoft Research 2023 |
| Giảm WER tương đối, tăng cường tách rời trên CHiME-2 | 28,4% | Yang, Pandey và Wang 2026 |
| Lãnh đạo CX dự định dịch giọng nói bằng AI | 60% (36% năm 2025) | Krisp, 2026 State of Voice in CX |
| Mức tiếp xúc tiếng ồn trung bình hằng ngày của nhân viên trung tâm cuộc gọi | 74,7 dBA | Pawlaczyk-Luszczynska và cộng sự 2018 |
| Nhận diện câu trong tiếng ồn với máy trợ thính DNN | 79% so với 60% | Kolberg và cộng sự 2025 |
| Người cần phục hồi chức năng thính giác | Hơn 430 triệu | Tờ thông tin của WHO |
Phương pháp luận và Nguồn
Mọi con số ở trên đều được đọc trong quá trình nghiên cứu cho bài viết này từ tài liệu công ty, trang trung tâm trợ giúp, bản ghi cuộc gọi báo cáo thu nhập, trang của cơ quan chính phủ, bài báo của cuộc thi hoặc phần tóm tắt được bình duyệt. Các bài đánh giá và khảo sát của nhà cung cấp được gắn nhãn như vậy.
- Krisp: Giới thiệu, Voice Isolation Benchmark, tháng 9 năm 2026, bài về ghi âm bộ dữ liệu đánh giá, tháng 9 năm 2026, The 2026 State of Voice in CX, tháng 8 năm 2026
- Microsoft: cuộc gọi báo cáo thu nhập quý 1 năm tài chính 2024, tháng 10 năm 2023, Microsoft Learn, Quản lý tách giọng nói (tháng 4 năm 2026)
- Microsoft Research DNS Challenge: bài báo Interspeech 2020, bài báo ICASSP 2022, bài báo ICASSP 2023, trang cuộc thi ICASSP 2023, kho DNS-Challenge
- Nghiên cứu về cuộc họp của Microsoft Research: Cutler và cộng sự, Meeting Effectiveness and Inclusiveness in Remote Collaboration, 2021
- Google: Lọc tiếng ồn nền trong Google Meet
- Zoom: Bài hỗ trợ về cài đặt âm thanh chuyên nghiệp
- Apple: Bài hỗ trợ về chế độ micro
- NVIDIA: Ứng dụng Broadcast
- Owl Labs: State of Hybrid Work 2025
- NIOSH (CDC): About Noise and Hearing Loss
- Tổ chức Y tế Thế giới: Deafness and hearing loss fact sheet
- Nghiên cứu được bình duyệt qua Europe PMC: Yang, Pandey và Wang 2026, Pieper và cộng sự 2021, Pawlaczyk-Luszczynska và cộng sự 2018, Pawlaczyk-Luszczynska và cộng sự 2022, Kolberg và cộng sự 2025, Christensen và cộng sự 2024, Diehl và cộng sự 2023
- Lưu ý về dữ liệu: Chúng tôi không đưa vào con số quy mô thị trường nào cho phần mềm khử tiếng ồn AI, vì không thể đọc ước tính của hai công ty nghiên cứu độc lập ở dạng nguồn gốc và sẽ không trích dẫn riêng một công ty. Krisp là công ty tư nhân và không công bố số người dùng; tuyên bố “hàng nghìn tỷ phút” của họ là phát biểu của công ty, và cả bài đánh giá lẫn khảo sát CX của họ đều do nhà cung cấp tự thực hiện. Số người dùng Teams (320 triệu) có từ tháng 10 năm 2023 và cuộc gọi tháng 7 năm 2026 của Microsoft không cập nhật số liệu này. Bài đăng trên blog Microsoft Teams công bố khử tiếng ồn bằng AI năm 2020 và bài trợ giúp về loại bỏ tiếng ồn của Webex không thể tải được, nên Cisco Webex không được đề cập. Bài báo DNS Challenge 2023 đưa ra mức tăng điểm nhưng không thể trích xuất bảng kết quả đầy đủ. Nghiên cứu về cuộc họp của Cutler và cộng sự (2021), nghiên cứu năm 2018 về mức tiếp xúc tại trung tâm cuộc gọi và DNS Challenge 2023 là dữ liệu mới nhất hiện có thuộc loại của chúng. Các thử nghiệm máy trợ thính có quy mô nhỏ (11 đến 40 người tham gia) và một phần liên quan đến nhà sản xuất. Các tỷ lệ phần trăm về sự cố cuộc họp của Owl Labs do nhân viên toàn thời gian tại Mỹ tự báo cáo trong khảo sát tháng 7 năm 2025.
Cập nhật lần cuối: ngày 3 tháng 10 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi Owl Labs công bố báo cáo State of Hybrid Work 2026 và Microsoft công bố kết quả của cuộc thi Deep Noise Suppression hoặc chất lượng giọng nói tiếp theo.