Peredam kebisingan bertenaga AI dilatih melalui Deep Neural Network (DNN), model ini dihasilkan dengan lebih dari 500 juta data, mensimulasikan cara kerja otak manusia. Saat suara terdengar, model secara otomatis mengenali dan memisahkan suara voal dari suara latar sehingga dapat menyaring semua kebisingan yang tidak diinginkan. Fitur ini sangat meningkatkan pengalaman komunikasi pengguna.

Untuk "Microphone (MSI Sound Tune)" – Berbicara tanpa kebisingan

Singkirkan kebisingan latar dari Microphone, sehingga orang lain dapat mendengar suara Anda dengan jelas.

Untuk "Speaker (MSI Sound Tune)" – Mendengarkan tanpa kebisingan

Singkirkan kebisingan latar dari audio yang masuk, sehingga Anda selalu dapat mendengar suara orang lain dengan lebih jelas.

Otak manusia dapat mengidentifikasi apakah suatu suara adalah vokal atau nonvokal sekalipun itu adalah bahasa yang tidak diketahui oleh otak. Sistem pendengaran juga dapat berkonsentrasi pada suara vokal dan mengabaikan kebisingan di sekitarnya. MSI Sound Tune didasarkan pada konsep ini untuk mendobrak batasan tradisional pada fungsi pengurangan kebisingan. Pengurangan kebisingan tradisional perlu mengasumsikan keadaan kebisingan yang berkurang, menyebabkan pengurangan kebisingan pada kebisingan yang tidak stabil menjadi buruk, mencakup kebisingan dari suara ketikan keyboard, suara dari lokasi konstruksi, atau suara ketika orang mengobrol di kedai kopi yang bahkan terkadang kekuatan suaranya melebihi suara vokal. Hal ini karena teknologi pengurangan kebisingan tradisional didasarkan pada pengetahuan tentang sinyal, menggunakan algoritma yang dikompilasi secara manual, dan hanya dapat menekan kebisingan pada tingkat yang stabil atau ketika SNR relatif tinggi. MSI Sound Tune di sisi lain dapat mengekstrak suara vokal di bawah lingkungan dengan kebisingan yang kompleks, memungkinkan pengguna untuk melakukan panggilan yang lancar di lingkungan yang berbeda, serta memastikan pesan tersampaikan dengan jelas.