所以我們會檢測不同的音箱，音樂成分和其他成分(噪音等。).在此基礎上，根據這壹分析，我們應用了可聽音生成算法。這將做壹些事情，如-平衡揚聲器之間的音量，以便您可以聽到每個揚聲器壹樣好，消除背景噪音，過濾和標準化音量。
這個想法是分析音頻，然後像人類壹樣做所有的後期制作步驟——但根據之前的分析。
我創辦這家公司是因為我是壹個重度播客聽眾。在德國有壹個非常著名的播客。他總是抱怨事情太復雜——無論是不同音頻文件格式的制作還是編碼。我學的是音頻工程，計算機科學和機器學習，所以我開始制作簡單的腳本來自動化這個工作流程。我們添加了越來越多的功能，隨著時間的推移而增長，然後我們用它建立了壹個公司。
有其他公司像妳這樣做嗎？是什麽讓妳脫穎而出？沒有多少其他公司像我們這樣做——我們在壹個相當小眾的領域工作。當然，有許多音頻編輯軟件公司，但他們更專註於手動處理壹切，或以妳需要知道妳在做什麽的方式處理壹切——如何應用壓縮器、限制器和不同的濾波器。
在Auphonic，我們盡量不進入編輯領域，而是專註於自動化。壹切都應該自動化，這樣用戶就不必做任何花哨的編輯。他或她只需要輸入壹個文件，壹切都應該是自動化的。據我所知，目前還沒有其他人這樣做。妳的目標市場是誰？
讓我們從播客空間開始，因為許多播客只是想像任何人想寫博客壹樣說話。但是，他們不知道什麽是音頻後期制作。
但是我們現在從事的是其他行業，基本上在任何地方，語音都是錄音的重要部分，錄音量大，不能全部手工完成後期制作，需要壹種自動化的方式來完成。
我們使用的壹些例子是:
講座和會議的錄制對於Auphonic來說非常重要，因為在大學裏，妳沒有時間對每壹次講座進行後期處理。廣播電臺和廣播公司大量使用我們的服務。歐洲有許多小型私人廣播電臺和許多公共廣播電臺。有聲書和播客非常相似。視頻和錄像。
使用基於人工智能的音頻算法。妳能解釋壹下這些是怎麽用的嗎？/是的，我們使用很多基於人工智能或者機器學習的算法。例如，當我們獲得壹個音頻文件時，它將被分析。我們有不同種類的分類器，它們從音頻中學習來檢測這樣的事情:哪裏有聲音或音樂/說話者何時改變，等等。所以我們有許多不同的分類器。然後我們有壹些算法，例如，接收嘈雜的音頻，然後他們從所有的數據和我們的服務中學習並輸出增強的音頻以消除壹些噪聲。所以基於API的算法在我們的系統中基本無處不在，它們是根據我們服務的數據和其他數據集來訓練的。
整個世界都受到了新冠肺炎疫情的影響。這對妳的員工和客戶有什麽影響？/首先，我們客戶的音頻量增加了很多。人們使用大量的演講和播客錄音。所以這對我們的使用來說是壹個巨大的進步，對我們來說是壹個巨大的副作用。就我們的員工而言。很有意思。在疫情之前，我們是壹支偏遠的隊伍。我們在不同的國家有不同的人。當疫情颶風來襲時，他們中的壹些人停止了為聲學公司工作。於是我們找了別人，找了壹個更有地方特色的團隊。今年年初，所有的員工都想再去壹次辦公室。所以現在我們在這個城市有了另壹個辦公室，我們現在有六個人在那裏——所以疫情的影響基本上是每個人都想回到辦公室。在接下來的幾個月裏，我們能從Auphonic中看到什麽？我們與其他播客相關的公司有壹些合作。我們正在開發壹些新的功能和算法，以及新的接口和附加功能。
壹個例子是“監控文件夾”。這將允許您將音頻文件放入Dropbox，我們將檢查您的Dropbox並查看新文件何時出現，我們將獲取它並自動處理它和其他類似內容。