[发明专利]语音唤醒方法和装置

说明书

本发明公开语音唤醒方法和装置，其中，一种语音唤醒方法，用于主设备，包括：响应于获取的第一音频信息中包含唤醒词，进入预唤醒状态；基于获取的第一音频信息和与第一音频信息对应的第一视频信息计算并融合得到第一音视频指标；接收从设备反馈的至少一个第二音视频指标；比较第一音视频指标和第二音频指标并基于比较结果确定响应设备，使响应设备进入唤醒状态以与所述用户进行语音交互。通过计算融合第一音频指标和第一视频指标并接受从设备发送的融合后的第二音视频指标，判断每一设备计算融合的音视频指标之间的值判定距离用户最近的设备，从而可以准确的就近唤醒设备，保证数据传输的安全性和降低数据传输的延时性。

技术领域

本发明属于语音唤醒技术领域，尤其涉及语音唤醒方法和装置。

背景技术

基本场景描述：在智能家居的解决方案中，存在多个具备语音唤醒功能的家居智能设备，当用户说出指定的唤醒词时，可能存在多个设备同时响应用户的应答的情况，而用户仅希望距离自己最近且正对的设备响应自己的需求。就近唤醒就是面对这样的场景需求而衍生出的一种技术方案。目前已知的方案主要基于语音技术的就近唤醒方案、基于距离传感器的就近唤醒方案和基于多类特征数据的就近唤醒方案。

其中，基于语音技术的就近唤醒方案：

随着智能语音技术的发展与普及，在某些智能音箱助手上已经出现了就近唤醒的功能，即距离用户越近的设备，才能够响应用户的需求(或指令)。例如目前市面上现有的亚马逊音箱产品以及国内的小爱同学音箱，均通过采集用户的语音信息来进行处理并判断哪一台设备距离用户最近；

首先，常见的唤醒技术都是基于语音来进行的，因此利用语音处理技术来额外地判断说话人的距离，是一种相对低成本的方案。用户说出特定的唤醒词，当多台设备各自检测到唤醒词之后，会将包含唤醒词的音频进一步处理，进而得出与距离相关的语音指标。通过比较同一网络中不同设备的语音指标值，来决策出离用户最近的设备，进而只有唯一一台的设备响应用户的需求；

首先，由于语音技术仅通过语音来判断用户距离设备的远近，因此在一些复杂的家居场景，如多人聊天场景、音箱电视播放大音量的场景等，相应的效果就会大打折扣；其次，用户不同的声音响度、音色等，均可能影响到语音指标的计算；最后，不同的设备选择的麦克风型号不同，虽然语音处理技术一定程度上可以改善这样的差异，但却无法做到所有设备的一致性，因此在进行比较的时候，仍存在误判的可能性。

基于距离传感器的就近唤醒方案：

基于传统主动式的距离探测方案，如采用超声波、雷达等声波技术，在设备被成功唤醒之后，可利用此类传感器主动探测前方用户的距离，进而依据距离直接判断距离用户最近的设备，进而进行下一步的语音交互；

用于短距离测量的传感器相对较多，如红外、超声波、雷达等，同语音技术的就近唤醒方案相似，当多台设备各自检测到唤醒词之后，会立即触发距离传感器进行工作，依据计算得出的距离值，在同一网络中比较距离用户最近的设备，进而让唯一一台设备响应用户的需求；

其中，距离传感器，当用到就近唤醒的方案中时，由于其仅具备测量距离的功能，因此仅通过该方法并不能够判断用户是正对着设备还是背对着设备，而用户期望的是用户正对着的设备来响应用户的需求；其次，该类传感器在测量较大物体或是平面时，其计算出来的距离相对准确，精度也相对较高，而对于像人体这样的不规则表面，由于反射回来信号的差异性，会影响实际的距离测量。

基于多类特征数据的就近唤醒方案：

基于多类特征数据的就近唤醒方案，主要就是依赖于本地设备中采集的多类距离特征数据，将其直接送至上层通信网络中进行决策，以此来判断用户与哪一个本地设备距离最近；

在语音唤醒之后，采集此时与距离相关的特征数据，再将所有本地的特征数据上传至服务器，通过服务器来进行综合决策；