[Entrevista] Diseñado con el usuario en mente: el trabajo de investigación avanzada detrás de Audio Eraser

Imagina grabar una presentación callejera y que el sonido de los autos se sobreponga a la música, o filmar un vlog en una cafetería donde el ruido ambiental hace casi imposible escuchar las conversaciones.

Audio Eraser, presentado con la serie Galaxy S25, fue diseñado para resolver estas situaciones al reducir el ruido de fondo no deseado y mejorar los sonidos que el usuario desea resaltar, ayudando así a crear videos más inmersivos[1]. Funciones de Galaxy AI como Audio Eraser, desarrolladas con un profundo entendimiento de las necesidades del usuario, fueron posibles gracias al trabajo proactivo de Samsung Research y del área de Mobile eXperience (MX) de Samsung Electronics.

Samsung Newsroom conversó con expertos en tecnología de audio del Equipo de Soluciones de IA de Samsung Research para conocer más sobre el desarrollo de esta innovadora función.

▲ (De izquierda a derecha): Kyoungbo Min, Hejung Yang, Hosang Sung y Jiwon Kim del Equipo de Soluciones de IA de Samsung Research.

Detección de fuentes: el futuro de la tecnología de audio de próxima generación

Audio Eraser permite a los usuarios ajustar los sonidos dentro de un video al eliminar ruidos no deseados y resaltar el audio que desean destacar. La función analiza rápidamente un video para detectar y separar sonidos por tipo, y puede utilizarse no solo en clips grabados por el usuario, sino también en videos que hayan sido compartidos o recibidos.

Así como Object Eraser mejoró la edición de imágenes y la usabilidad cuando debutó con la serie Galaxy S21, Audio Eraser fue desarrollado para ofrecer una experiencia multimedia más avanzada e integrada, tanto en audio como en video.

▲ Audio Eraser permite a los usuarios ajustar los sonidos por tipo dentro de un video.

Desarrollo de modelos de detección y separación de fuentes de sonido

Audio Eraser reconoce seis tipos de sonido: voces, música, viento, sonidos de la naturaleza, ruido de multitudes y ruido ambiental. Gracias a la tecnología de detección de fuentes de sonido, la función identifica rápidamente qué sonidos están presentes y en qué parte del video se producen. Luego, mediante tecnología de separación de fuentes de sonido, los aísla y clasifica en categorías distintas.

Para construir modelos de IA capaces de detectar y aislar estos tipos de audio, el equipo de investigación comenzó recolectando un conjunto sólido de datos de entrenamiento. Simularon una amplia gama de escenarios reales de grabación de video para generar conjuntos de datos de audio diversos, e incluso salieron al campo para capturar sonidos cotidianos de primera mano.

“El viento fue particularmente desafiante”, comentó Hejung Yang del Equipo de Soluciones de IA de Samsung Research. “Además de perfeccionar nuestra tecnología de simulación de viento, enriquecimos nuestro conjunto de datos grabando sonidos reales del viento al aire libre siempre que había ráfagas fuertes, incluso después del trabajo o los fines de semana.”

Además, el equipo dedicó mucho tiempo a mejorar el rendimiento del modelo de separación de fuentes de sonido, revisando cuidadosamente innumerables clips de video en múltiples ocasiones.

“Cada desarrollador comparó y analizó más de 1,000 muestras de audio por semana en una variedad de condiciones”, comentó Jiwon Kim. “A través de experimentos continuos, trabajamos para identificar el modelo de separación de fuentes de sonido más eficaz y así garantizar resultados consistentes y de alta calidad”.

▲ Investigadores de Samsung trabajan en el desarrollo de la tecnología de audio para Audio Eraser.

Ofreciendo una nueva experiencia auditiva centrada en el usuario

Como Audio Eraser se ejecuta directamente en el dispositivo, ofrece una experiencia mejorada al permitir la edición en tiempo real y una mayor protección de la privacidad. La amplia experiencia de Samsung en el desarrollo de capacidades de IA competitivas en el dispositivo, aplicadas a diversas funciones, fue clave para el éxito de Audio Eraser.

“Nos enfocamos en desarrollar modelos y algoritmos de IA capaces de procesar rápidamente en el dispositivo”, dijo Hosang Sung. “Se invirtió un gran esfuerzo en crear una solución de IA optimizada que funcione sin problemas y con bajo consumo de energía”.

Apoyado por una sólida infraestructura de investigación en IA, Samsung Research continúa fortaleciendo sus capacidades en tecnologías de audio avanzadas.

“Estamos comprometidos con el desarrollo de soluciones de próxima generación que mejoren la usabilidad de los dispositivos móviles”, expresó Hoonyoung Cho, Vicepresidente y Head del Equipo de Soluciones de IA en Samsung Research. “A través del control del sonido y las tecnologías de mejora de audio, buscamos ofrecer una experiencia auditiva verdaderamente selectiva y personalizada”.

Colaboración integrada con los equipos de desarrollo de productos

Convertir investigaciones avanzadas en una solución lista para el consumidor trajo consigo nuevos desafíos. Por ejemplo, al editar audio y video simultáneamente, la reproducción debía mantenerse fluida y sin interrupciones. Además, procesar videos de más de una hora requería tecnología especializada capaz de completar la tarea en ese mismo lapso de tiempo.

Para enfrentar estos retos, Samsung Research y el área de Mobile eXperience (MX) trabajaron en conjunto, desde la propuesta de ideas centradas en el usuario hasta la realización de pruebas continuas de optimización de software y evaluación de calidad de audio. Juntos, exploraron múltiples enfoques para determinar la solución más eficaz.

Esta colaboración interfuncional ya había demostrado ser exitosa en el desarrollo de la serie Galaxy Buds3 (Buds3, Buds3 Pro). A medida que crecen las necesidades de escucha en entornos ruidosos, ya sea para disfrutar música, contenido multimedia o llamadas telefónicas más claras, el Active Noise Cancellation (ANC) se ha convertido en una función cada vez más esencial en los audífonos inalámbricos. Samsung elevó el estándar al desarrollar su propia tecnología Adaptive ANC. La serie Galaxy Buds3 se adapta a la forma en que se ajustan los audífonos a cada usuario y a los cambios en ese ajuste por uso prolongado, ofreciendo así un rendimiento ANC optimizado.

Dado que los audífonos se usan directamente en el oído, fue esencial una coordinación estrecha entre los equipos de hardware y software para finalizar las especificaciones del producto y ajustar la tecnología ANC.

“Desarrollamos múltiples algoritmos por adelantado para adaptarnos a distintas condiciones de hardware”, explicó Kyoungbo Min. “A través de extensas simulaciones, preparamos una solución que pudiera adaptarse rápidamente a cualquier chipset o dispositivo. El proceso de desarrollo incluyó revisiones e iteraciones constantes, pero la colaboración estrecha entre los equipos de investigación avanzada y desarrollo de producto ayudó a acelerar la comercialización”.

La separación de fuentes de sonido es un área clave en la tecnología de audio de próxima generación, y Samsung continúa avanzando en sus innovaciones fundamentales en este campo. Con Audio Eraser aprovechando al máximo esta capacidad, la compañía se prepara para expandirse hacia una variedad de nuevas aplicaciones. Se espera que la evolución constante de Galaxy AI brinde aún más funciones prácticas e intuitivas para los consumidores.

[1] Los resultados pueden variar según el video, dependiendo de cómo se presenten los sonidos en el mismo. Se requiere inicio de sesión en una cuenta Samsung. Se pueden detectar ciertos tipos de sonido, como voces, música, viento, naturaleza, multitudes y ruido. La detección real de sonidos puede variar según la fuente de audio y las condiciones del video. No se garantiza la precisión de los resultados.