[发明专利]具有分布式麦克风的声学分区

说明书

一种用于估计用户在环境中的位置的方法可涉及从所述环境中的多个麦克风中的每一麦克风接收输出信号。所述多个麦克风中的至少两个麦克风可被包含在所述环境中的单独位置处的单独装置中，且所述输出信号可对应于用户的当前话语。所述方法可涉及从每一麦克风的所述输出信号确定多个当前声学特征，及将分类器应用于所述多个当前声学特征。应用所述分类器可涉及应用针对先前确定的声学特征进行训练的模型，所述先前确定的声学特征源自由所述用户在所述环境中的多个用户区中说出的多个先前话语。所述方法可涉及至少部分地基于来自所述分类器的输出确定所述用户当前所在的所述用户区的估计。

相关申请案的交叉引用

本申请案主张2019年12月18日申请的第62/950,004号美国临时专利申请案、2019年7月30日申请的第62/880,113号美国临时专利申请案及2019年11月29日申请的第19212391.7号EP专利申请案的优先权，所有所述申请案的全部内容均以引用的方式并入本文中。

技术领域

本公开涉及用于协调及实施智能音频装置的系统及方法。

背景技术

智能音频装置已被广泛部署，并正在成为许多家庭的常见特征。尽管用于实施智能音频装置的现存系统及方法提供优点，但改进的系统及方法将是期望的。

标记法及命名法

在本文中，我们使用表达“智能音频装置”来表示智能装置，其为单用途音频装置或虚拟助手(例如，连接的虚拟助手)。单用途音频装置是包含或耦合到至少一个麦克风(且任选地还包含或耦合到至少一个扬声器)且大体上或主要经设计以实现单用途的装置(例如，电视(TV)或移动电话)。虽然电视通常可播放(并被认为能够播放)来自节目材料的音频，但在大多数例项中，现代电视运行一些操作系统，应用程序在所述操作系统上本地运行，包含看电视的应用程序。类似地，移动电话中的音频输入及输出可能会做很多事情，但这些都是由手机上运行的应用程序提供服务。从这个意义上说，具有扬声器及麦克风的单用途音频装置通常经配置以运行本地应用程序及/或服务以直接使用扬声器及麦克风。一些单用途音频装置可经配置以分组在一起，以实现在区或用户配置的区域上播放音频。

在本文中，“虚拟助手”(例如，连接的虚拟助手)是包含或耦合到至少一个麦克风(且任选地还包含或耦合到至少一个扬声器)且可提供将多个装置(与虚拟助手不同)用于某种意义上的云启用或另外未在虚拟助手本身中或其上实施的应用程序的能力的装置(例如，智能扬声器、智能显示器或语音助手集成装置)。虚拟助手有时可能一起工作，例如，以一种非常离散且有条件界定的方式。例如，两个或更多个虚拟助理可在以下意义上一起工作：其中一者，即最有信心其已听到唤醒词(wakeword)的一者对所述词作出响应。连接的装置可形成一种星座，其可由一个主应用程序管理，所述主应用程序可为(或包含或实施)虚拟助手。

在本文中，“唤醒词”在广义上用于表示任何声音(例如，人类说出的词或一些其它声音)，其中智能音频装置经配置以响应于检测到(“听到”)声音而醒来(使用包含在智能音频装置中或耦合到智能音频装置的至少一个麦克风，或至少一个其它麦克风)。在此上下文中，“醒来”表示装置进入其等待(即，正在监听)声音命令的状态。

在本文中，表达“唤醒词检测器”表示经配置以连续搜索实时声音(例如语音)特征与经训练模型之间的对准的装置(或包含用于配置装置的指令的软件)。通常，每当由唤醒词检测器确定已检测到唤醒词的概率已超过预定义的阈值，便触发唤醒词事件。例如，阈值可为预定阈值，其被调谐以在错误接受率与错误拒绝率之间给出良好的折衷。在唤醒词事件之后，装置可能进入其中装置监听命令，并将所接收的命令传递到更大、计算更密集的辨识器的状态(其可被称为“醒来”状态或“专注”状态)。