Zum Inhalt

Selektives Hören

Ich will im echten Leben einen einzelnen Menschen oder ein Geräusch ausblenden können, während alles andere hörbar bleibt.

Prüfstrecke mit 330 Szenen und 12 Geräuscharten steht

Jemand tippt, daneben heult eine Sirene.Am Mac gerechnet, noch nicht live.

Sirene und Tastatur: Freesound, aus der Sammlung FSD50K · beide CC0

Worum es geht

Kopfhörer mit Geräuschunterdrückung machen alles leiser. Ich will etwas anderes: im echten Leben einen einzelnen Menschen oder ein Geräusch ausblenden können, während alles andere hörbar bleibt.

Die Hörprobe oben ist eine Szene aus meiner festen Prüfung, und zwar die, die bisher am besten lief: Jemand tippt, daneben heult eine Sirene, und die Sirene lässt sich abschalten. Nicht jede Szene gelingt so, die Zahlen dazu stehen unten. Gerechnet ist sie am Mac, noch nicht live.

Wie ich vorgehe

Der Auftrag an das Programm kommt als Klangprobe: ein paar Sekunden „so etwas wie das hier“, keine feste Liste von Geräuschen. Derselbe Eingang soll später auch eine bestimmte Stimme nehmen.

Die Modelle trainiere ich selbst, am Mac. Angefangen habe ich mit eigenen kleinen Netzen von Grund auf. Im heutigen Modell stammt nur der Hörteil aus einem offenen Forschungsmodell. Den Teil, der das Geräusch herausnimmt, habe ich selbst gebaut und mit eigenem Übungsstoff trainiert, den ich aus freien Aufnahmen von Stimmen, Geräuschen und Räumen selbst mische.

Gemessen wird immer beides: wie viel leiser das Ziel wird und ob der Rest heil bleibt. Bestanden ist eine Szene erst, wenn das Ziel um mindestens 20 Dezibel leiser ist und sich der Rest um höchstens 1 Dezibel ändert. Am Ende entscheidet das Ohr: Die feste Prüfung höre ich blind gegen eine Leiter aus bekannten Stufen ab.

Wo andere stehen

Am nächsten dran ist eine Gruppe der Universität Washington in Seattle. Ihre Programme laufen live, sogar am Handy, arbeiten aber mit einer festen Liste von 20 Geräuscharten. Programme, die flexibel einer Klangprobe folgen, gibt es auch, nur nicht live. Beides zusammen habe ich bei niemandem gefunden.

Ich habe die fertigen Programme auf meiner Prüfstrecke gemessen. An sechs festen Hörstellen nimmt das Live-Programm aus Seattle das Ziel um 21, 3, 1, 6, 26 und 2 Dezibel zurück. Meine aktuelle Fassung liegt nach Gehör an allen sechs bei 30 Dezibel oder mehr. Der Vergleich ist nicht ganz fair: Meine Fassung rechnet noch nicht live.

Was daran schwer ist

Der echte Raum

Programme, die am Rechner zwei sauber gemischte Stimmen trennen, scheitern an einem echten Abendessen mit Hall und Lärm. Sie nehmen dann die eine Stimme weg und verschlucken die andere gleich mit.

Erkennen, nicht entfernen

Wo meine Fassung eingreift, ist sie meist gut: Von 18 solchen Szenen besteht sie 14, elf davon sogar mit 30 Dezibel. In den anderen zwölf tut sie so gut wie nichts. Das Problem ist also das Erkennen des Ziels, nicht die Tiefe des Entfernens.

Ehrlich messen

Am Anfang bestand das beste fertige Programm 5 von 30 Szenen der festen Prüfung. Meine Fassung besteht heute 14, gefordert sind 24, ohne einen hörbaren Schaden am Rest. Der Ausgang ist offen.

Eckdaten

Stand
am Mac gerechnet, noch nicht live
Ziel
Kopfhörer
Gebaut
seit November 2026
Technik
Python, selbst trainierte Modelle, eigene Prüfstrecke