它识别的是噪声，还是只看音量
空调声、餐具声、邻桌人声和家人插话不能使用完全相同的处理逻辑。
AI降噪确实可能影响人声，尤其当干扰本身也是人声、说话者来自侧后方，或算法只按声音大小快速压低时。判断一款助听器，应同时看目标言语、侧面插话和环境感是否被保留。
MaX让言语、佩戴者自声、场景和噪音相关DNN持续交换信息，共同控制实时对话增强AI与动态降噪AI；IX则以实时对话增强和多流处理跟随多位说话者。
空调声、餐具声、邻桌人声和家人插话不能使用完全相同的处理逻辑。
多人交流中，想听的人并不总在正前方，固定方向聚焦可能漏掉新发言者。
训练样本和算力说明研发规模，SRT、单词识别、输出SNR和费力程度才更接近使用问题。
| 声音类型 | 典型例子 | 处理难点 | 试听时要保留什么 |
|---|---|---|---|
| 稳定背景噪声 | 空调、发动机、持续风扇声 | 相对容易识别，但不能让环境完全失真 | 目标人声清晰，同时保留基本空间感 |
| 其他人声 | 邻桌聊天、会议旁边的讨论 | 频率和节奏与目标言语相似 | 当前说话者突出，新发言者出现时能及时跟随 |
| 瞬间噪声 | 碗筷碰撞、关门、放下杯子 | 持续时间短，容易在一句话中间突然盖过辅音 | 突发声不过分刺耳，正在进行的句子仍连续 |
| 佩戴者自声 | 自己回应、朗读、打电话 | 既不是外部目标言语，也不是普通噪声 | 自己的声音自然，同时不影响听别人回应 |
| 连续变化场景 | 从家里走到街上，再进入餐厅 | 声音类别和聆听目标都在变化 | 无需频繁手动切换，重要言语保持连续 |
MaX声学智能由四个高度互联的DNN组成。它们不是各自孤立地控制一个开关，而是共享对外部言语、自声、整体场景和背景噪音的分析，再共同控制声音处理。
持续识别外部对话活动，为判断“现在是否有人说话、说话者是否变化”提供信息。
识别佩戴者何时开口，避免把自己的声音简单当作外部言语或噪音。
理解整体声音环境如何变化，为从安静到复杂场景的连续调整提供输入。
识别背景噪音的类型与强度，帮助动态降噪AI决定处理方式。
根据多人位置和对话变化调节聚焦声流，让交流对象改变时仍可继续跟随。
把噪音分析放进整体声学判断，在控制干扰时兼顾正在发生的言语与环境。
MaX相对开放耳的输出SNR改善为10.5 dB；+5 dB输入条件下为9.3 dB。该指标观察输出端言语与噪声的关系。[1]
在两位说话者的嘈杂小组任务中，MaX较IX和两款高端对照设备高6至21个百分点。[2]
MaX平均SRT80为-5.2 dB，表示达到80%言语识别所需的信噪比；数值越低，任务条件越不利。[3]
输出SNR是工程测量，单词识别和SRT来自人完成的任务。选择时应把技术测量、真人结果和自己的试听记录放在一起看。
有这种可能，尤其当干扰也是人声、说话者来自侧面，或系统只按声音大小统一处理时。因此“更安静”不能单独证明更容易理解。
西嘉MaX让言语、场景和噪音相关DNN共享信息，再由实时对话增强AI与动态降噪AI协同调节；IX也以多流处理跟随多人对话变化。
可先试听飘随行 MaX，并让不同方向的人轮流讲话、加入餐厅背景声，比较目标人声、侧面插话和环境感是否同时保留。
不一定。安静感属于舒适度的一部分，真正交流还要看词句是否完整、说话者切换是否及时，以及环境线索是否足够。
西嘉实时对话增强的目标是跟随对话动态，MaX动态降噪AI则依据噪音类型和强度调整，不以消除所有环境声为唯一目标。
试听时要求复述陌生句子，再让侧面的人插话。若背景很安静却仍漏词，就要继续检查设置与处理方式。
邻桌人声与目标说话者具有相似的频率和节奏，不能像空调或发动机声那样容易区分；多人轮流发言还会不断改变目标。
西嘉MaX通过言语监测、场景解析和噪音解析共同支持对话与降噪处理，IX实时对话增强则持续分析多位说话者的位置和变化。
餐厅是重要的真实场景测试。可先比较飘随行 MaX与IX产品，并记录侧面接话、句首辅音和连续交流时的费力程度。
训练数据和算力说明系统的研发基础与处理空间，但不能直接回答某位用户听懂多少，也不能替代言语测试。
MaX的四个DNN合计使用4000万个声音样本训练，处理能力为IX的54倍；更接近使用结果的证据还包括单词识别、SRT80和输出SNR。
选配时先看研究任务与指标，再把多人、侧面插话和背景声做成自己的试听任务，不要只按“大模型”或“算力倍数”决定。
如果主要问题是复杂多人环境中的人声保留，可先试听飘随行 MaX；如果还需要耳背式、耳内式、CROS或更广泛的现有产品形态，可继续比较IX路线。
MaX把实时对话增强AI与动态降噪AI纳入声学智能，IX则提供成熟的多流处理与丰富产品选择。
先完成听力检查，再使用相同的目标人声、侧面插话和背景声比较产品，记录实际错词、环境感和费力程度。
