Is AI-ruisonderdrukking echt beter dan traditionele ENC? Wij hebben het uitgetest.
Als u onlangs headsets heeft gekocht, vooral UC-headsets (Unified Communications) die de nadruk leggen op 'high{0}}-gesprekken' of 'conferentiegebruik', heeft u deze twee termen zeker gezien: ENC (Environmental Noise Cancellation) en AI Noise Cancellation. Fabrikanten beweren allemaal dat hun technologie 'achtergrondgeluiden filtert', maar welke is echt betrouwbaar? Is het gewoon een marketinghype, of is er echt een verschil?
Als fabrikant gespecialiseerd in UC-audioapparatuur willen wij niet alleen afgaan op specificaties. Daarom hebben we ons laboratorium verplaatst naar de echte wereld-coffeeshops, metrostations en thuiskantoren- om blinde tests en objectieve analyses uit te voeren van twee van onze eigen headsets, uitgerust met traditionele ENC en de nieuwste AI-ruisonderdrukking. Hier zijn onze bevindingen.
Laten we eerst even verduidelijken: wat is het fundamentele verschil tussen ENC en AI-ruisonderdrukking?
Traditionele ENC (Environmental Noise Cancellation) wordt al meer dan tien jaar gebruikt. Het is doorgaans afhankelijk van twee microfoons: de ene is naar de mond gericht om de menselijke stem op te vangen, en de andere is van de mond af gericht om omgevingsgeluid op te vangen. Het systeem elimineert achtergrondgeluiden door middel van ‘aftrekken’. Het klinkt slim, maar heeft een fatale fout: het gaat ervan uit dat geluid 'stabiel en voorspelbaar' is-zoals het gezoem van een airconditioner of het geluid van een ventilator. Wanneer plotselinge of complexe geluiden optreden (babygehuil, toetsenbordgekletter, sirenes), valt ENC vaak uit elkaar, waardoor het geluid niet wordt onderdrukt of zelfs uw stem wordt gemaskeerd, waardoor het klinkt alsof u onder water spreekt.
AI-ruisonderdrukking is compleet anders. Het is niet afhankelijk van fysieke annulering, maar van ‘begrip’. Het ingebouwde-neurale netwerkmodel in de headsets wordt getraind op enorme hoeveelheden spraak- en ruisgegevens, waardoor het in realtime kan bepalen: "Dit is een menselijke stem, dit is een blaffende hond, dit is het gerommel van een metro." Vervolgens behoudt het alleen het frequentiebereik van de menselijke stem, waardoor de andere nauwkeurig worden geëlimineerd. Cruciaal is dat het 'niet-steady-state'-ruis kan herkennen, en dat het slimmer wordt door gebruik te maken van .
Maar betekent dit dat AI altijd beter is? Niet noodzakelijkerwijs. Het vereist een krachtigere chip, meer kracht en kan een lichte latentie introduceren. Daarom besloten we tests in de echte-wereld uit te voeren.
Onze testmethodologie: geen gefaseerde laboratoriumtests, alleen echte- scenario's.
We hebben twee intern ontwikkelde UC-oortelefoons geselecteerd:
Model ENC: Uitgerust met een volwassen ENC-oplossing met dubbele-microfoons, lage kosten en laag stroomverbruik, gericht op grote zakelijke aankopen.
Model AI: Uitgerust met een zelf-ontwikkelde lichtgewicht AI-stemscheidingsengine, gebaseerd op het Qualcomm QCC5181-platform, dat dynamische ruismodellering ondersteunt.
De tests werden uitgevoerd in vier typische scenario's, waarbij voor elk scenario 30 seconden audio werd opgenomen, aangevuld door drie testers met verschillende stemkenmerken (mannelijk/vrouwelijk/midden-lage stem). Evaluatiecriteria omvatten:
Spraakhelderheid gehoord door de andere partij (subjectieve score 1–5)
Aanhoudende achtergrondruis (SNR gemeten met professionele audiosoftware)
Natuurlijkheid van de stem (vervorming, onderbreking, "robotachtig" geluid)
Scenario 1: Stadsstraat (continu verkeer + af en toe claxongeluiden)
ENC-prestaties: Onderdrukt verkeersgeluiden op de achtergrond, maar elke claxon "lekt" naar binnen, de andere partij hoort duidelijk een "piep"-geluid.
AI-prestaties: hoorngeluiden verdwijnen bijna volledig, stem is stabiel. SNR verbeterde met ongeveer 8 dB.
Conclusie: AI presteert aanzienlijk beter, vooral bij het omgaan met plotselinge hoog-ruis.
Scenario 2: Coffeeshop (achtergrondmuziek + meerdere gesprekken)
ENC-optreden: De muziek werd gedempt, maar gesprekken aan aangrenzende tafels waren nog steeds vaag hoorbaar, vooral wanneer de andere partij zijn stem verhief.
AI-prestaties: achtergrondstemmen werden effectief onderdrukt, waarbij slechts een zeer zwakke weerkaatsing van de muziek overbleef. Feedback van testers: "De andere partij dacht dat ik in een rustig kantoor zat."
Belangrijk detail: Het AI-model kan onderscheid maken tussen 'niet-doelstemmen' en 'doelstemmen', iets wat ENC helemaal niet kan.
Scenario 3: Thuiswerken (mechanisch toetsenbord + airconditioning + blaffende hond)
ENC-prestaties: Het geluid van de airconditioner werd goed afgehandeld, maar het klikken op het toetsenbord en het blaffen van honden waren volledig doordringend. De andere partij vroeg herhaaldelijk: 'Ben je daar aan het renoveren?'
AI-prestaties: toetsenbordgeluiden zijn aanzienlijk verminderd (waarbij lichte voelbare feedback behouden blijft zonder de spraak te beïnvloeden) en het blaffen van honden werd geïdentificeerd als een 'niet-spraakgebeurtenis' en verwijderd. Het enige zwakke punt: af en toe waren er kleine onderbrekingen in de spraak tijdens snel, continu typen.
Interessante bevinding: AI verwerkt 'routinematige ruis' (zoals toetsenbordgeluid) slechter dan 'plotselinge ruis'-, wat aangeeft dat er nog steeds ruimte is voor verbetering in de trainingsgegevens.
Scenario 4: Stil kantoor (benchmark) Beide presteerden vrijwel identiek, met natuurlijke, vervormde-vrijheid van meningsuiting. Dit bewijst dat AI het geluid niet heeft "oververwerkt" in een schone omgeving.
Stroomverbruik en latentie: hoeveel kost AI?
We hebben het batterijverbruik gecontroleerd gedurende 2 uur onafgebroken bellen:
Model E (ENC): 12% stroomverbruik
Model A (AI): 16% stroomverbruik Er bestaat een verschil, maar de impact ervan op reguliere UC-headsets (die doorgaans een batterijduur van 15+ uur bieden) is beperkt. Wat de latentie betreft, introduceert het AI-model ongeveer 15-20 ms extra verwerkingstijd-volledig onmerkbaar bij spraakoproepen (de menselijke gehoordrempel is ongeveer 30-50 ms), maar voorzichtigheid is geboden in scenario's met lage- latentie (zoals live voice-over).
Dus, hoe moeten gewone gebruikers kiezen?
Kies voor traditionele ENC als u dat wilt:
Zijn budget-gevoelig (gebruikelijk bij grootschalige- bedrijfsimplementaties)
Gebruik in relatief stille of monotone omgevingen (bijvoorbeeld callcenters, vaste werkplekken)
Zeer waardevolle batterijduur (bijv. 24/7 buitendienstpersoneel)
Kies AI-ruisonderdrukking als u:
Regelmatig bellen in gevarieerde en lawaaierige omgevingen (coffeeshops, luchthavens, gedeelde kantoren)
Bent u een verkoper, consultant of telewerker,-met een duidelijke stem= professioneel imago
Bent u bereid iets meer te betalen voor de schaamte dat "de andere partij u niet kan horen"
Voor ons is het antwoord duidelijk: AI-ruisonderdrukking is niet de toekomst, het is er al. Naarmate de chipkosten dalen, brengen we deze technologie geleidelijk terug naar onze midden- productlijn. In het Zoom-tijdperk wilde niemand immers een grote klant missen vanwege achtergrondgeluiden.
Laten we tot slot eerlijk zijn: er bestaat geen absoluut goede of slechte technologie, alleen of deze aansluit bij het scenario. Als fabrikant pleiten we niet voor 'AI-almacht', maar we zijn van mening dat een goede audio-ervaring gebruikers moet doen vergeten dat de technologie bestaat.-Of je nu in de metro, in de keuken of in een vergaderruimte zit, de andere partij mag alleen jou horen, en niet je dagelijkse lawaai.
Wilt u vergaderheadsets kopen voor uw zakelijke team? [Neem contact op met onze experts op het gebied van UC-oplossingen]
