[發明專利]活動說話者標識

無效

• 申請號: 200880020159.2
• 申請日: 2008-05-30
• 公開（公告）號: CN101689998A
• 公開（公告）日: 2010-03-31
• 發明（設計）人: R·J·克林恩;H·M·卡恩;D·庫克利卡
• 申請（專利權）人: 微軟公司
• 主分類號: H04L12/18
• 分類號: H04L12/18
• 代理公司: 上海專利商標事務所有限公司
• 代理人: 陳 斌;錢靜芳

背景

媒體會議參與者可能難以標識其他會議參與者。參與者可能不熟悉說話者 的話音或參與者的面孔或者音頻交換可能使收聽者混淆。在后一種情況下，如 果若干參與者同時說話或者如果在多個參與者之間存在快速交換，則無論是否 正在說話，收聽者都可能被混淆。在某些情況下，說話者可包括他/她的名字“這 /他是Bob，...”或者收聽者可詢問在前說話者的身份。該問題的復雜性可隨著 說話或提供音頻輸入的參與者的數量的增加而提高。雖然收聽者可從對話中的 “上下文線索”中導出說話者的身份，但在某些情況下，參與者可能不會了解 哪些參與者正在提供音頻輸入。

另外，可能期望最小化帶寬消耗或者用于攜帶信息的數據吞吐量。例如， 雖然用于傳輸數據的物理連接可具有額外的吞吐量，但消耗通信鏈路資源可減 少對其他數據傳輸可用的吞吐量，或者可能在用戶恰巧具有有限的網絡帶寬的 情況下影響會議音頻數據傳輸。

如果媒體會議改進不是“向后兼容的”，則對該改進的接受可能是有限的。 例如，如果修改與現有協議和版本不相容，則用戶可能必須獲得已更新的版本 以便與實現經修改版本的參與者進行通信和/或尋求組織批準。上述情形可能抑 制對經修改的技術的接受。

概述

描述了用于標識音頻或音頻/視頻事件中的客戶機的過程。在一示例中， 媒體服務器可基于輸入電平來對提供音頻的客戶機進行排序。標識符可以與客 戶機相關聯以標識在事件中提供輸入的客戶機。經排序的客戶機可被包括在列 表中，該列表可被插入到攜帶音頻內容的分組首部中。

提供本概述是為了以簡化的形式介紹將在以下詳細描述中進一步描述的 一些概念。本概述不旨在標識所要求保護的主題的關鍵特征或必要特征，也不 旨在用于幫助確定所要求保護的主題的范圍。

附圖簡述

參考附圖來描述該詳細描述。在附圖中，附圖標記中的最左邊的數字標識 該附圖標記首次出現的附圖。在說明書和附圖中的不同的實例中使用相同的附 圖標記可指示相似或相同的項目。

圖1示出了可使用各種技術來準許標識活動說話者的示例性實現中的環 境。

圖2是描繪在貢獻源(CSRC)字段的列表中包括經排序/經重新排序的活 動客戶機列表的實時協議數據分組的示圖。

圖3是描繪用于標識活動客戶機的示例性實現中的過程的流程圖。

圖4是描繪用于標識實時協議會議中的活動客戶機的示例性實現中的過 程的流程圖。

詳細描述

概覽

描述了標識媒體事件中的活動音頻貢獻者的技術。在各實現中，貢獻或參 與音頻的客戶機的列表可基于該客戶機對會話的貢獻來排列。標識符可以與參 與的客戶機相關聯以使得這些客戶機可標識哪一個/哪些客戶機正活動地為事 件作貢獻。經排列的列表可被插入到供轉發給各會議客戶機的數據流分組首部 中。在各實現中，標識信息可被包括在結合數據傳輸使用的控制分組中。此處 所討論的技術可提供說話者信息同時消耗最少的網絡資源且不會引發同步問 題。

在其他實現中，用于切換/混合音頻流的媒體服務器可被配置成將將排序 的活動客戶機列表插入到數據分組首部中。例如，媒體服務器可包括活動說話 者的列表，該列表可基于當前活動說話者來排序以使得向客戶機提供關于哪些 客戶機正活動地說話的信息。該列表可在不增加網絡的媒體傳輸開銷的情況下 提供。

示例性環境

圖1示出了可用于使用活動說話者標識的示例性實現中的環境100。例如， 媒體服務器102可在混合客戶機在媒體事件中提供的音頻流并在其間切換時標 識活動音頻客戶機。雖然討論了音頻數據處理，但媒體服務器102可基于會議 和客戶機設備的能力來處理包括視頻等在內的其他類型的媒體數據。例如，媒 體服務器102可操縱某些客戶機的音頻/視頻數據，同時將音頻數據轉發給缺乏 視頻能力等的客戶機。

例如，媒體服務器處理器104可在混合/切換對應于客戶機的音頻流時確 定哪一個或哪些客戶機正在活動地貢獻音頻內容。媒體服務器處理器104可基 于該處理器所采用的混合/切換算法/技術來確定哪些客戶機正在活動地輸入音 頻數據以生成發送媒體流。該確定可用于對為來自媒體服務器102的出站媒體 流作貢獻的客戶機，或者為媒體服務器輸出作貢獻的客戶機的列表進行排序。