\\Noize//

Peggy Sylopp , Aislyn Rose  

Welches Problem willst Du mit Deinem Projekt lösen?

Wir leben in einer lärmenden Umwelt. Leise Umgebungsgeräusche können Stress bewirken, laute Geräusche bekanntermaßen Hörschäden. Für Menschen mit moderater Hörschwäche tritt bei Nebengeräuschen das Problem des „Cocktail-Party-Effekts“ auf, sie verstehen also ihr Gegenüber bei Gesprächen mit Nebengeräuschen schlecht.
Durch das NoIze-Projekt soll einerseits eine technische Lösung hierfür entwickelt werden und andererseits auf Geräuschwahrnehmung und einen bewussten Umgang mit Folgen von Geräuschbelastung hingewiesen.
Mit dem selektiven Noisefilter wird eine sonst exklusive technische Lösung frei zugänglich und somit einen Beitrag zur für Gesundheit, Prävention von Hörschäden und besseres Hören für Höreingeschränkte leisten.
Das Projekt soll außerdem zur Demystifizierung von Maschinenlernen beitragen, Open Data Sound-Datenbanken unterstützen und selbstbestimmtes Hören als Gesundheitsbeitrag für Leute ohne und mit Hörschwäche zugänglicher machen.

Wie löst Dein Projekt das Problem?

Zum Trainieren des Algorithmus greift Noize zunächst auf bestehende Sound-Datenbanken wie freesound.org, Urban SoundClassification oder das Soundarchiv des Deutschlandfunks zurück.
Nutzer*innen sammeln Aufnahmen von „ihrem“ Alltags-Störgeräusch. Dieser Trainingsdatensätze werden parametrisiert, z.B. bezüglich Frequenz, Samplelängen bzw. Zeitintervallen oder Relationen.
Die Programmierung des Lern-Algorithmus erfolgt als mehrstufig: Während der Recherchephase entscheidet das Team, welche Technologien benutzt werden sollen und eine Topologie (z.B. RNNoise) deployt wird. Anschliessend wird die Topologie auf einer lokalen Testmaschine (mit entsprechender GPU und Arbeitsspeicher) als maschinelles Lernen trainiert und anschliessend als
Deployment auf Raspberry Pi. 1-3 iteriert. Getestet und angepasst wird diese Topologie mit den im Selbstversuch aufgenommen Geräuschdatensätzen, programmiert in Python und übersetzt in C.
Dokumentiert und deployed wird in einer Jupyter-Notebook-Umgebung. Die Audio-Signalverarbeitung entwickeln das Noize-Team u.a. in Faust. Getestet wird auf einem Raspberry Pi mit Hardware-Setup von openMHA.
Zur Steuerung soll eine plattformunabhängige Webapp aufgesetzt werden, z.B. mit Filter An/Aus, Login, Modularer Auswahl von Noise-Typen, Intensitätsfilter, Voreinstellungen, Ortskoordinaten und Soundfile-Upload-Funktion.
\\NoIze// als Open Source Projekt unter MIT Lizenz ermöglicht Integration in diverse Anwendungen sowie eine auch kommerzielle Weiterentwicklung .

An wen richtet sich Dein Tool?

Angesprochen werden sollen u.a. Unternehmen, die mit Hardware-Lösungen für Lärmschutz und Störgeräuschunterdrückung arbeiten, beispielsweise für:
– Normalhörende mit Gefährdung von Lärmstress
– Leute mit Höreinschränkungen (verbesserter Cocktail-Party-Effekt, also Verstehbarkeit von Gesprächspartner*innen bei Nebengeräuschen)
– Menschen mit sensiblen Gehör (als Hör- und Stressschutz)
Das projekt will mit potentziell interessierten Netzwerken, Organisationen und Einzelpersonen in Kontakt treten. Beispielsweise solche, die sich mit Arbeitsschutz, HNO-Medizin, Hearingaid-Hacks, Open- Source, Maker, Bildung, Audiowiedergabe-Geräten, Komposition und Musik beschäftigen.
Insbesondere möchte es technische Interessierte und -Versierte dazu ermutigen, sich selbst an der Entwicklung zu beteiligen.

Logo: Das Bundesministerium für Bildung und Forschung (BMBF)
Logo: Open Knowledge Foundation Deutschland