Gürültülü Ortamlarda Konuşmayı Temizleme: Clear Voice, Yapay Zeka ile Ses Kalitesini Artırıyor

Gazi Üniversitesi Bilgisayar Mühendisliği öğrencisi Muhammed Emin Korkut’un 34. IEEE Sinyal İşleme ve İletişim Uygulamaları Kurultayı’nda sunduğu bildiriden doğan Clear Voice; podcast, toplantı, röportaj ve eğitim kayıtlarındaki arka plan gürültüsünü azaltarak konuşmayı daha anlaşılır hâle getiriyor.

Haberi okuduğunuz için teşekkürler, bizi takip etmeyi unutmayın!

Türkiye’de geliştirilen yapay zekâ destekli ses işleme platformu Clear Voice, gürültülü ortamlarda alınan ses kayıtlarını tarayıcı üzerinden temizlemek isteyen kullanıcıları hedefliyor. Platform; arka plan gürültüsü, dip ses, rüzgâr, elektriksel cızırtı ve oda yankısı gibi kayıt kalitesini düşüren unsurları azaltırken insan sesinin anlaşılırlığını ve doğallığını korumayı amaçlıyor.

Clear Voice’un çıkış noktası, akademik bir araştırmaya dayanıyor. Platformun geliştiricisi Muhammed Emin Korkut, 34. IEEE Sinyal İşleme ve İletişim Uygulamaları Kurultayı’nda (SİU 2026) **“Gürültülü Ortamlarda Konuşma İyileştirme için Derin Öğrenme Modellerinin Karşılaştırmalı Analizi”** başlıklı bildiriyi sundu. Çalışma, farklı derin öğrenme modellerinin gürültülü konuşma kayıtlarındaki performansına odaklandı.

Araştırma sürecinde modellerin gürültüyü bastırma gücü kadar konuşma doğallığını koruması ve kullanılabilir bir sürede sonuç üretmesi de ele alındı. Her modelin farklı kayıt koşullarında ayrı güçlü yönler göstermesi, Clear Voice’un ürün yaklaşımını belirledi. Korkut, tek bir modeli tüm ses dosyalarına uygulamak yerine, kullanıcıların ihtiyaçlarına göre seçim yapabileceği çok modelli bir yapı geliştirdi.

Clear Voice, farklı işlem gücü ve ses iyileştirme karakterine sahip beş model seçeneği sunuyor. Kullanıcı, kaydının niteliğine ve beklediği sonuca göre V1’den V5’e kadar uzanan seçeneklerden birini kullanabiliyor. Daha hafif modeller hızlı ve temel gürültü temizleme işlemlerine odaklanırken gelişmiş modeller daha güçlü işleme seçenekleri sunuyor.

Platform, kullanıcıların ses dosyalarını çevrim içi olarak yükleyip yapay zekâ modelleriyle işlemesine imkân veren web tabanlı bir platformdur. Kullanıcı bir ses dosyası yükler, kullanmak istediği modeli seçer ve işlemi başlatır. Sistem konuşma ile arka plan seslerini analiz ettikten sonra temizlenmiş bir çıktı oluşturur.

Clear Voice’un başlıca kullanım alanları şunlardır:

– Ev veya ofis ortamında kaydedilen podcast bölümlerindeki dip seslerin azaltılması

– Saha röportajlarında duyulan trafik, rüzgâr ve çevre gürültüsünün temizlenmesi
– Çevrim içi toplantı ve görüşme kayıtlarında konuşmanın daha anlaşılır hâle getirilmesi
– Eğitim videoları ve ders kayıtlarındaki oda yankısının azaltılması
– Video içerikleri, seslendirmeler ve arşiv kayıtlarının yayına hazırlanması

Platform, profesyonel ses düzenleme yazılımlarındaki karmaşık filtre ve parametrelerle uğraşmak istemeyen kullanıcıları hedefliyor. İçerik üreticileri, gazeteciler, öğrenciler, eğitimciler ve küçük ekipler kayıtlarını tek bir web arayüzü üzerinden işleyebiliyor.

Clear Voice, kullanıcıların ses dosyalarını genel veya kamuya açık yapay zekâ modellerini eğitmek amacıyla kullanmadığından ve üçüncü taraflarla paylaşılmadığından eminleniyor. Kullanıcılar hesap ayarları üzerinden dosyaları için otomatik silme süresi belirleyebiliyor. Dosyaların aktarımı şifreli bağlantı üzerinden gerçekleştiriliyor.

Muhammed Emin Korkut, Clear Voice’un geliştiricisi ve Gazi Üniversitesi Bilgisayar Mühendisliği öğrencisidir. Görüntü işleme, derin öğrenme, ses teknolojileri ve dil modelleri üzerine çalışmalar yürütüyor. Profesyonel profilinde DeepZeka Bilişim Yazılım Teknoloji Sanayi ve Ticaret A.Ş. bünyesinde görev aldığı bilgisi yer alıyor.

Korkut’un yapay zekâ alanındaki çalışmaları lise yıllarında başladı. “Derin Öğrenme Modelleri ile Cilt Kanseri Teşhisi” adlı projesi, 2023 TÜBİTAK 2204-A Lise Öğrencileri Araştırma Projeleri Yarışması’nın Yazılım alanında Teşvik Ödülü aldı. TÜBİTAK’ın resmî sonuç listesinde Korkut’un projesi Yapay Zekâ tematik alanında kayıtlı bulunuyor.

Clear Voice projesi, Korkut’un sinyal işleme ve derin öğrenme konusundaki akademik çalışmalarının doğrudan ürün geliştirme sürecine aktarılmasının bir örneğini oluşturuyor. Araştırmada karşılaştırılan yaklaşımlar, kullanıcıların tarayıcı üzerinden erişebildiği çok modelli ses temizleme altyapısının geliştirilmesine temel sağladı.