[发明专利]用于在协作环境下控制音频的方法和系统

说明书

技术领域

本发明一般地涉及协作环境(collaboration environment)，尤其涉及控制协作参与者的音频流。

背景技术

旅行中的花销和不便增加了对使得来自不同地方的参与者能够很容易地与另一个联系来讨论话题的有效协作环境的需求。当会议呼叫为一小群讨论特定话题的参与者提供了合适的环境时，会议呼叫并不适合于更大群的参与者，或者对于非常复杂问题的探讨。会议呼叫的一个问题在于承载参与者语音的音频流是单声道的，并且每一个参与者的语音都好像在相同的位置。在每个参与者彼此认识并且可以相互识别其他人的语音的少数参与者的会议呼叫中，非立体语音频流是令人满意的。但是当会议呼叫中参与者同时开始说话，跟讨论增长势头所发生的频率一样的时候，由于聆听者无法识别谁说的什么，因而通信就迅速变得无法辨识了。许多会议系统通过仅仅将最活跃发言者的语音信号、以及那些试图打断活跃发言者且声音最大的发言者的语音信号提供给参与者来改善这种情况。然而，这种方法有效地将会议限制于单个的发言者，并且趋向于优选大声并且持续的发言者。

即使没有同时发生的会话，在单声道会议呼叫的参与者会遇到谁正在发言的麻烦，除非他们就个人来说，非常熟悉发言者以识别他们的语音。即使发言者之前介绍了他们自己，这也可能在困难的几分钟之后才能识别你不熟悉的人的语音，特别是有许多参与者时。这其中极大的原因是在于每个参与者听起来就好像他们在相同的地方，并且一个聆听者只留下了极少的线索用于他们来回忆谁是谁。由于知道谁在会话中说话一般来说非常重要，因此每次当一个人开始说话的时候，由于聆听者要求发言者介绍他们自己，这就会导致令人尴尬的中断。

传统协作环境的另一缺点，比如作为会议呼叫，是不能够相对容易地实施用于普通面对面会议中的常见的问题解决技术。例如，在商业环境中，这对于一群雇员在会议室中面对面的见面来讨论包括多个子话题的复杂话题来说是很普通的。这群人可以开始讨论该话题，并且确定解决该问题的最有效的方式是将他们自己分成子群(subgroup)，并且给每一个子群分配一个子话题来解决。在子群讨论和解决关于他们各自的子话题的问题之后，他们以更大的群再次会面来合作和解决所有的问题。不幸地是，在传统的会议环境中，形成可以分别与另一个子群进行会话的参与者的子群、并且可以在子群完成了他们的会话之后很容易地再次形成整个群，这是非常困难的。而且，这样的子群与上述提及的单声道通信存在相同的困难。

考虑到传统的协作环境的缺点，提供一个协作环境来实际地模拟面对面的会议，将会是有益的。而且，提供一个协作环境来允许参与者更容易地参加多个同时存在的交谈，更容易地基于发言者语音的位置识别发言者，以及允许以简单直观的方式形成参与者的子群，也将会是有益的。

发明内容

本发明提供了一种协作环境，其中主持人可以定位会议参与者的语音在期望的听觉位置。所述会议包括若干参与者和一个主持人。所述参与者和所述主持人通过诸如计算机的通信设备来通信。每一个通信设备建立与在媒体服务器中的会议处理器的通信会话。当参与者发言时，所述通信设备产生包含参与者语音信号的输入音频流，并发送该输入音频流到会议处理器。所述通信会话也可以传递来自会议处理器的输出音频流到通信设备，该通信设备可以被提供给参与者。主持人使用诸如立体声耳机或立体声麦克风的具有多声道功能的设备来聆听由会议处理器给主持人的通信设备提供的输出音频流。

用户界面向主持人显示与每一个会议参与者对应的参与者图标。主持人可以通过在所述用户界面操作参与者的图标来指定参与者语音的听觉位置。通信设备耦合到所述会议处理器。基于从主持人接收到的输入，所述通信设备产生和发送听觉位置控制信号，指示会议处理器处理指定的输入音频流，以及提供能够被诸如主持人的聆听者所感知的输出音频流，就好像来自相对于聆听者的特定听觉位置一样。会议处理器接收听觉位置控制信号并处理指定的输入音频流以生成输出音频流，该输出音频流包括诸如频率和/或相位特性的特性，这些特性将输出音频流定位在相对于聆听者的特定听觉位置处。特定听觉位置可以通过听觉位置标识符在听觉位置控制信号中被标识，所述听觉位置标识符包括标识相对于聆听者的基准位置的期望听觉位置的数据。