[发明专利]检测自我生成的唤醒声调

说明书

本发明公开了一种基于语音的音频装置，其可以被配置来检测用户发出的唤醒声调且通过将后续单词或词语解译为命令来作出响应。为了区分所述用户发出的所述唤醒声调与所述装置本身生成的所述唤醒声调，可以分析定向音频信号以检测所述唤醒声调是否接收自多个方向。如果所述唤醒声调接收自许多方向，那么宣布所述唤醒声调是由所述音频装置生成且被忽略。否则，如果所述唤醒声调接收自单一方向或有限数量的方向，那么宣布所述唤醒声调是由所述用户发出且后续单词或词语是由所述音频装置解译和作用。

相关申请

本申请要求2013年6月27日提交的名为“检测自我生成的唤醒声调(DetectingSelf-Generated Wake Expressions)”的第13/929,540号美国专利申请的优先权，所述申请的全部内容以引用方式并入本文中。

背景技术

家庭、办公室、汽车和公共空间正越来越多地进行联网且与诸如笔记本计算机、平板计算机、娱乐系统和便携式通信装置的计算装置的增长密切相关。随着计算装置的演变，其中用户与这些装置交互的方式继续演变。例如，人们可通过机械装置(例如，键盘、鼠标等等)、电气装置(例如，触屏、触控板等等)和光学装置(例如，运动检测器、照相机等等)与计算装置交互。与计算装置交互的另一方式是通过采集并响应人类语音的音频装置进行。

附图说明

参考附图描述详述。在图中，元件符号的最左侧数字识别其中元件符号首次出现的图。相同元件符号在不同图中的使用指示类似或相似组件或特征。

图1是包括声控音频装置的说明性语音交互计算架构的方框图。

图2是诸如可能在图1的架构中使用的声控音频装置的视图。

图3和4是说明可以被实施来区分用户发出唤醒声调与装置产生的唤醒声调的功能的方框图。

图5是说明用于获取可以用于检测装置产生的唤醒声调的参考参数的示例性程序的流程图。

图6是说明用于区分用户发出的唤醒声调与装置产生的唤醒声调的示例性程序的流程图。

具体实施方式

本公开内容通常涉及一种提供与用户的基于语音的交互的语音接口装置或其它音频装置。音频装置具有在用户和采集用户语音的麦克风的环境内产生音频的扬声器。音频装置可以被配置来通过执行功能和提供服务响应于用户语音。用户命令可以开始于唤醒声调(又称作触发声调，诸如预定义单词、词语或其它声音)。响应于检测到唤醒声调，音频装置将任何紧邻单词或词语解译为可操作输入或命令。

在给用户提供服务时，音频装置本身可以在其扬声器处生成唤醒声调，这可以使音频装置的反应如同用户说出唤醒声调一样。为了避免此反应，音频装置可以被配置来评估从其中接收到唤醒声调的方向。通常，将全方位接收由音频装置生成的唤醒声调。另一方面，将从一个方向或有限数量的方向接收由用户生成的唤醒声调。因此，音频装置可以被配置来忽略全方位或从一个或两个以上方向接收的唤醒声调。注意，用户发出的唤醒声调有时候由于特定环境内的声波反射而可以表现为源自于一个以上方向。

更特定地说，音频装置可以被配置来对多个定向音频信号执行唤醒声调检测。音频装置还可被配置来比较包括唤醒声调的定向音频信号的数量或图案与参考数量或图案。参考可以指示定向输入信号的阈值数量或定向信号的图案或集合。当参考包括阈值时，如果包括唤醒声调的定向输入音频信号的数量超过阈值，那么唤醒声调被视为由音频装置生成。当参考包括图案或集合时，基于包括唤醒声调的特定定向输入音频信号是否匹配所述图案或集合来评估唤醒声调。

在一些实施方式中，音频装置可以被配置来获取或训练其自身关于音频特性的图案是装置生成的唤醒声调的特性。例如，音频装置可以被配置来在初始化之后生成唤醒声调或另一声音，且识别其中检测到声调或声音的定向音频信号的组合。随后，音频装置可以被配置来当在定向音频信号的获取组合中检测到唤醒声调时忽略所述唤醒声调。