微软研究院自1991年成立以来一直致力于音频研究。他们在语音识别、自然用户界面、捕捉和再现声音、空间音频、声学模拟和音频分析等领域取得了显著进展,并将这些技术应用于微软的产品和服务中,如Windows 10、Kinect、HoloLens和Teams等。他们的研究包括音频数据和其他线索的自动摘要、语音增强算法、麦克风阵列处理、空间音频渲染等。微软团队还探索了如何利用神经网络进行语音增强、虚拟麦克风阵列捕捉会议对话、头相关传递函数(HRTFs)的个性化等技术。此外,他们还研究了在虚拟现实和混合现实中实现更逼真音频效果的方法。微软持续努力改进音频处理和增强技术,并将其应用于各种场景,包括辅助技术、游戏、协作和生产力工具等。他们的研究不仅关注技术创新,也注重科学、艺术和工艺的平衡整合。《单声道噪声语音中的盲目房间体积估计》是一篇关于从单声道噪声语音中估计房间体积的论文。该论文提出了一种基于预计算方法的声波模拟概念,旨在实现交互式音频和游戏中的物理精确波动效果。与此相关的论文还包括《用于虚拟和增强现实的3D音频的捕捉、表示和渲染》以及《通过球谐域锐化和色调补偿改善双耳环绕声解码》和《通过非个性化头相关传递函数提升高度感知的频谱操纵》等。在音频模拟方面,微软的Triton项目探索了一种基于物理的虚拟环境建模方法,并成功应用于游戏《战争机器》和《盗贼之海》中。该项目通过预先计算实现了动态场景中实时声音传播的波动模拟。该项目后来扩展到支持混合现实体验,并成功应用于《悬崖屋》和《无主之地3》等游戏。除此之外,还有关于音频分析的项目,旨在从人类语音中提取非语言线索,检测特定音频事件和背景噪声,以及进行音频搜索和检索等。这些技术在客服电话分析、媒体内容分析和检索、医疗诊断辅助设备等领域具有潜在应用价值。