想拥有超高精度的助听器吗？
声音需要被更精确地放大！
一旦声音场景被AI全声景领航系统通过DNN（深度神经网络）等技术进行合适的平衡，场景中有意义的声音与背景声就需要对其做完全不同的处理，以满足用户的需求。
在平衡的场景信息下，在放大有意义声音时，需要传达所有重要的细节，因为我们知道，即使声音能被听到，但听力损失会使大脑难以获取声音中的细节,这种区分声音的困难也会使人的听觉系统下对背景噪音和干扰声的抵抗力下降。
打个视觉的比方，我们可以把MSI传递的声音场景看作是一张小图片，我们必须把它放大成一张大图片，但不影响它的清晰度。我们如何做到这一点?
过去的声音压缩放大技术
传统的助听器压缩系统在过去的十年中已经发展到能使用自适应时间常数。虽然这类系统的优势在于可以根据声音水平随时间变化的快慢来控制放大，既能让人听到声音，又能避免大声音带来的不适。
但它们通常以固定的频率分辨率(即固定的通道数量)运行，而且通常保持较低的频率分辨率，以避免声音在压缩时的可听到的失真。
回到我们的视觉类比，我们很容易想象，放大低分辨率的小图片将不可避免地导致像素化的大图片失去清晰度和细节，而一旦图片被放大，你就无法恢复这些细节。
全声景言语提升技术
为了让大脑在任何给定的时间都能接触到声音场景的重要细节，More中的全声景言语提升技术(MSA)不仅在速度方面进行了调整，更重要的是，还调整了分辨率（这取决于声音场景的特征及其随时间的变化）。MSA能够以过去6倍分辨率运行来保护语音信息，同时仍然保持速度和高精度：
当声音场景快速变化时，我们需要确保准确地传达这些变化，这样响亮的声音就会让人感到舒服，而微小的声音也会让人听得见。在这种情况下，MSA优先于时间上的精确再保持高分辨率。
当声音场景缓慢变化时，我们需要确保在放大时场景细节不会丢失。因此，只要声音场景更稳定，系统就会切换到使用更高的频率分辨率，以使所有相关的声音细节都能听到。
这种更高的分辨率允许不同声音被更好地分离，从而更准确地被系统放大，并相互保持最佳平衡状态。
参考文献
Santurette, S., Ng, E. H. N., Juul Jensen, J., Micula, A. & Man K. L., B. (2020). Oticon More clinical evidence. Oticon Whitepaper.
Pichora-Fuller, M. K., Alain, C., & Schneider, B. A. (2017). Older adults at the cocktail party. In The auditory system at the cocktail party (pp. 227-259). Springer, Cham.
文章来源：Demant听力在线
