LASS音源分離技術，讓我聽見我要的聲音

FIND研究員：楊育維

人聲？鼓聲？汽車聲？不同聲音該如何分辨？

隨著科技的快速發展，音源分離技術正逐步進入人們的視野。在人工智慧（AI）與深度學習技術的推動下，音訊處理的精細度達到前所未有的高度，並被廣泛應用於音樂製作、語音增強、環境音分析等領域。然而，傳統的音源分離技術主要針對特定類別的聲音（如語音與音樂），但在開放環境中，如何從複雜的混合音訊中精準提取目標聲音，仍是一大挑戰。

【音源分離技術概述與發展】

開放域音源分離（Open-Domain Source Separation）技術的突破，使音訊處理不再受限於既定的音源類別（如人聲、樂器、環境音），更能適應未知或未分類的聲音，大幅提升應用的廣泛性與靈活度，為多元音訊處理需求提供更強大且彈性的解決方案。

隨著自媒體、短影音內容及科技應用的快速發展，聲音的應用方式正經歷顯著變革，在現代數位環境中，各類音訊資訊交錯混雜，使目標音源的精準提取成為一項關鍵挑戰，例如：

• 短影音創作：透過分離人聲與環境音，讓內容編輯更加靈活，或強調特定音效，以增強視聽體驗的沉浸感。
• 智慧監控系統：精準辨識特定聲音（如警報聲、人群喊叫聲），提升監控系統的反應速度與準確性，實現更高效能的安全監控應用。
• 醫療應用：運用音源分離技術提取純淨的心音與肺音，提升心雜音、心律不整、哮喘、肺炎等疾病的診斷準確性，並去除背景雜訊，精準提取關鍵聲音，助力醫療智慧化發展。

隨著對更精細、個性化的聲音處理需求日益增長，傳統的錄音、剪輯與回放技術 已難以滿足現代應用場景。因此，自然語言查詢音源分離技術（Language-queried Audio Source Separation, LASS） 應運而生，成為這場技術革新的核心。

LASS允許使用者透過自然語言描述來分離特定聲音，突破傳統依賴預設標籤的限制，使音訊處理更加靈活、直觀，更貼近多樣化的應用需求。這項技術已廣泛應用於影音製作、智慧監控、醫療輔助、語音增強等領域，為音訊處理帶來前所未有的變革與可能性。

【技術應用現況】

為了應對LASS技術在開放域音源分離中的挑戰，AudioSep模型 採用自然語言查詢作為核心機制，讓使用者僅需透過簡單的文字描述，即可從混合音訊中精準提取目標聲音，達到靈活且高效率的音源分離。

AudioSep 主要由文本編碼器（Text Encoder）和分離模型（Separation Model）兩大關鍵組件構成，其整體架構如圖1所示：

圖1 : 模型架構圖

資料來源: Xubo Liu, Qiuqiang Kong, Yan Zhao, Haohe Liu, Yi Yuan, Yuzhuo Liu, Rui Xia, Yuxuan Wang, Mark D. Plumbley, Wenwu Wang, "Separate Anything You Describe,"

文本編碼器將使用者的語言輸入（如「人聲」或「狗叫聲」）轉換為語義向量嵌入，同時，聲音輸入經短時傅立葉變換（STFT）轉換為頻譜資訊（Magnitude & Phase）。接著，模型透過語義向量與音訊特徵的匹配，利用SeparationNet深度學習網路架構進行處理，根據語義條件選擇並提取對應的音源。最後，經逆短時傅立葉變換（Inverse STFT）還原至時域波形，生成最終分離的音訊，確保輸出的音質清晰且符合語義查詢需求。

圖2 :音源分離結果可視化圖

資料來源: Xubo Liu, Qiuqiang Kong, Yan Zhao, Haohe Liu, Yi Yuan, Yuzhuo Liu, Rui Xia, Yuxuan Wang, Mark D. Plumbley, Wenwu Wang, "Separate Anything You Describe,"

上圖（圖 2）展示了AudioSep-CLAP 模型在音源分離任務中的表現，透過自然語言查詢（Text Query）提取特定音源，並可視化比較音訊混合物（Mixture）、分離結果（Separation Result）及目標音源（Target）的頻譜圖。「FIND研究員：楊奕琦

隨著健康意識的提升和數位技術的進步，運動健康產業迎來了數位轉型的新機遇。資策會數轉院輔導永悅健康攜手跨域合作夥伴，打造「數位健走整合平台」，透過數據分析、建立常模對比與個人化推薦，將健走活動數位化，解決產業及消費者痛點，並串聯運動、健康相關產業廠商，建立完整數位化健康管理生態系統。

數位轉型挑戰：健康需求的個性化缺口

隨著全民健康意識的提高，愈來愈多消費者希望獲得符合自身需求的健康解決方案，對於運動服務產業的需求也逐漸顯現。對普通民眾而言，錯誤的運動方式不僅難以達到預期效果，甚至可能造成運動傷害；缺少適當的運動強度指導和健康監測，也讓他們在參與運動時感到不安，更缺乏持續運動的動機。然而，目前的運動服務和產品仍以大眾化需求或教練個人經驗為主，消費者仍需耗費大量時間在市場中尋找適合的課程或產品，缺乏精準、個人化的選擇。

資策會數轉院團隊採用4D顧問方法（Demand、Design、Deploy、Diffusion），依託需求預測、設計思維和技術生態建構等策略，把握個人化運動服務的商業需求，輔導廠商整合建立生態系，並實現健走數據應用的商業價值轉化：

• 增強數位整合：建立常模分群

  以運動數據公益平台的步行數據集作為基礎，整合報名資料與健行筆記App數據，開發健走數據常模。並根據常模進行分群分析，針對不同群組特徵提供個性化的健走建議與產品，從而提升用戶的參與感與黏著度。

• 提升參與動機：個人化推薦模組

  平台針對用戶每日步數、運動強度等參數，動態生成個性化健走建議，解決用戶想要運動卻缺乏明確目標、難以堅持執行的痛點。更進一步結合佳格食品產品與線上課程資源，打造全方位的健康解決方案，並藉由可視化回饋提升用戶運動成效的感知。

• 拓展數據價值：實體課程驗證

  在健走班課程中應用高齡體適能常模數據，設計降階、標準與進階課程內容，並結合達特富足壓檢測結果，實施個人化調整。提供學員量身訂製的課程體驗，同時收集數據，用於進一步的課程優化與模式實證。

創新數據應用，開創健康未來

藉由數據分析的深度應用與生態系統的整合構建，永悅健康不僅成功整合運動健康相關產業夥伴，把握消費者個人化需求的缺口，設計驗證應用數據分析量身打造的健走課程與建議、建立AI健走建議模組、AI產品與課程個人化推薦模組，更為健康管理帶來個性化、高效的創新解決方案。未來將持續優化並擴大應用範疇，引入多元化生態系夥伴，並攜手相關產業，以整合完整健走生態全為目標，帶動全民健康生活風氣的提升，共同實現數據驅動的健康願景。

參考資料來源：資策會數轉院健康數據科技中心運動資料組整理

區塊鏈：打造數位世界的信任基礎

FIND研究員：王楨芸 隨著數位時代的發展，資訊安全與數據管理成為全球關注的焦點。傳統的數據儲存與交易模式仰賴中央機構，如銀行、政府或企業伺服器，然而，這些模式存在單點故障、數據竄改、隱私洩露等風險。>

Club Tourism 為銀髮族重拾活潑、健康的生活

FIND研究員：數位生態價創組、綠色製程科技中心 Club Tourism 是一家位於日本的旅遊公司，也是目前日本規模最大的銀髮族俱樂部之一，專門針對老年旅客提供量身打造的旅遊服務。該公司以安全、舒適且高品質的旅行體驗聞名，除了多樣化的旅遊主題行程外，也會充分考慮高齡旅客的特殊需求，>