[發(fā)明專利]基于有意聲音相比無(wú)意聲音的檢測(cè)來(lái)控制電子會(huì)議

有效

• 申請(qǐng)?zhí)枺?/td>: 201480011954.0
• 申請(qǐng)日: 2014-02-28
• 公開(kāi)（公告）號(hào): CN105144628A
• 公開(kāi)（公告）日: 2015-12-09
• 發(fā)明（設(shè)計(jì)）人: 馬特·安德森;卡加達(dá)斯·埃弗倫·蓋雷德
• 申請(qǐng)（專利權(quán)）人: 思杰系統(tǒng)有限公司
• 主分類號(hào): H04L12/18
• 分類號(hào): H04L12/18
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 倪斌

背景技術(shù)

傳統(tǒng)網(wǎng)絡(luò)會(huì)議通常在多個(gè)參會(huì)成員之間共享視覺(jué)和語(yǔ)音數(shù)據(jù)。為新建網(wǎng)絡(luò)會(huì)議，參會(huì)成員將他們的設(shè)備連接到會(huì)議服務(wù)器(例如通過(guò)互聯(lián)網(wǎng))。會(huì)議服務(wù)器通常處理視覺(jué)數(shù)據(jù)(例如，正在講話的成員的桌面視角、每個(gè)參會(huì)成員的相機(jī)視角等)并在參會(huì)成員的顯示屏上顯示該視覺(jué)數(shù)據(jù)，一般所有的參會(huì)成員都能夠觀看相同的視覺(jué)數(shù)據(jù)。此外，會(huì)議服務(wù)器通常將來(lái)自所有參會(huì)成員的語(yǔ)音數(shù)據(jù)組成一個(gè)組合音頻饋送，并和所有參會(huì)成員共享該組合音頻反饋。因此，盡管參會(huì)成員可能分布在較遠(yuǎn)位置，參會(huì)成員能夠觀看視覺(jué)內(nèi)容，還能夠提出問(wèn)題、插入評(píng)論以形成協(xié)作溝通。

就一些傳統(tǒng)網(wǎng)絡(luò)會(huì)議而言，會(huì)議服務(wù)器在參會(huì)成員的顯示屏上顯示音頻信息，使參會(huì)成員能夠確定當(dāng)前誰(shuí)在講話。例如，會(huì)議服務(wù)器可以向每個(gè)參會(huì)成員顯示音量計(jì)(即，每個(gè)參會(huì)成員的當(dāng)前音量)。作為另一個(gè)示例，會(huì)議服務(wù)器可以顯示姓名列表以標(biāo)識(shí)當(dāng)前誰(shuí)在講話。

發(fā)明內(nèi)容

不幸的是，上述傳統(tǒng)網(wǎng)絡(luò)會(huì)議存在以下缺陷：簡(jiǎn)單地將來(lái)自所有參會(huì)成員的語(yǔ)音數(shù)據(jù)組成一個(gè)組合音頻饋送，并與所有參會(huì)成員共享該組合音頻饋送。具體地，當(dāng)一個(gè)或更多個(gè)參會(huì)成員引入了無(wú)意噪聲時(shí)，這種傳統(tǒng)網(wǎng)絡(luò)會(huì)議的體驗(yàn)質(zhì)量將會(huì)下降。這些無(wú)意噪聲的示例包括鍵盤(pán)打字、鼠標(biāo)點(diǎn)擊、不在講話的參會(huì)成員的紙張翻動(dòng)。這些無(wú)意噪聲的其他示例包括環(huán)境聲音，例如由參會(huì)成員的客戶端設(shè)備無(wú)意拾取的背景及人群噪聲、機(jī)器及車輛噪聲等。

這些噪聲不僅會(huì)使參會(huì)成員感到沮喪，當(dāng)參會(huì)成員發(fā)現(xiàn)特定參會(huì)成員是會(huì)議期間噪聲源(例如，喧鬧參會(huì)者)時(shí)，還會(huì)使他/她感到尷尬。此外，參會(huì)成員可能會(huì)克制提醒能被別人聽(tīng)到喧鬧參會(huì)者，因?yàn)閰?huì)成員不想顯得無(wú)禮，或者使體驗(yàn)質(zhì)量變得更差。

與上述容易受到無(wú)意噪聲影響而降低體驗(yàn)質(zhì)量的傳統(tǒng)網(wǎng)絡(luò)會(huì)議不同，一種改進(jìn)技術(shù)涉及基于聲音相比無(wú)意聲音的檢測(cè)來(lái)控制電子會(huì)議。具體地，通過(guò)使用上下文因素，將來(lái)自參會(huì)人員的音頻信號(hào)分類為表示有意人員聲音或無(wú)意人員聲音。這些上下文因素可以包括語(yǔ)言/詞語(yǔ)檢測(cè)、聲音音量、聲音重復(fù)、聲音持續(xù)時(shí)間、聲音歷史/參會(huì)等級(jí)、特定位置、用于確定當(dāng)前活躍講話者的比較結(jié)果等。一旦音頻信號(hào)被分類，各種增強(qiáng)體驗(yàn)質(zhì)量的動(dòng)作就變得可用，例如，調(diào)整聲音等級(jí)(例如，修改被分類為當(dāng)前攜帶無(wú)意人員聲音的音頻信號(hào)的方面)，改變用戶行為(例如，輸出警報(bào)或指示符)等等。

一個(gè)實(shí)施例涉及一種管理電子會(huì)議的方法。該方法包括從電子會(huì)議的參會(huì)者集合接收音頻信號(hào)集合，每個(gè)音頻信號(hào)是從相應(yīng)的參會(huì)者接收的。該方法還包括將從參會(huì)者集合接收的音頻信號(hào)集合分類，每個(gè)音頻信號(hào)單獨(dú)地被分類為在當(dāng)前表示(i)有意參會(huì)者聲音，或者(ii)無(wú)意參會(huì)者聲音。該方法還包括基于已分類的音頻信號(hào)集合來(lái)控制電子會(huì)議的操作。

在一些實(shí)施例中，將音頻信號(hào)集合分類包括：(i)標(biāo)識(shí)來(lái)自特定參會(huì)者的特定音頻信號(hào)的上下文因素集合；(ii)基于上下文因素集合，提供特定音頻信號(hào)的分類結(jié)果。因此，分類結(jié)果可以至少部分基于上下文因素，例如特定參會(huì)者是否正在活躍地講話，特定參會(huì)者是否正在使用多個(gè)麥克風(fēng)，特定音頻信號(hào)是否包括人類說(shuō)話等。

在一些實(shí)施例中，分類結(jié)果還基于來(lái)自特定參會(huì)者的非音頻數(shù)據(jù)。這些非音頻數(shù)據(jù)可以包括特定參會(huì)者的地理位置(例如，用于確定參會(huì)者是否在私密辦公室設(shè)定或公開(kāi)零售區(qū)域)、視頻圖像(例如，用于確定參會(huì)者是否在網(wǎng)絡(luò)相機(jī)或麥克風(fēng)前)、位置歷史(例如，用于確定參會(huì)者是否在汽車中移動(dòng))等。

在一些布置中，被控制的操作可以包括，在混合音頻信號(hào)以產(chǎn)生在參會(huì)者中傳遞的聚合音頻信號(hào)時(shí)，修改聲音成分集合(例如調(diào)整音量水平集合、濾波等)。例如，會(huì)議服務(wù)器的音頻引擎可以降低被分類為在當(dāng)前表示無(wú)意聲音的音頻信號(hào)的各音量水平，與此同時(shí)，保持被分類為在當(dāng)前表示有意聲音的一個(gè)或更多個(gè)音頻信號(hào)的各音量水平。

在一些布置中，被控制的操作可以包括，一旦檢測(cè)到表示無(wú)意聲音的音頻信號(hào)就輸出警報(bào)。例如，會(huì)議服務(wù)器的音頻引擎可以向一個(gè)或更多個(gè)參會(huì)者提供視覺(jué)通知或聲音指示。

在一些布置中，該方法還包括，在對(duì)從參會(huì)者集合接收的音頻信號(hào)集合進(jìn)行分類前，分析音頻信號(hào)集合以確定是否至少兩個(gè)音頻信號(hào)并發(fā)表示音頻活動(dòng)(例如人類說(shuō)話、噪聲等)。在這些布置中，電子設(shè)備僅在響應(yīng)于確定至少兩個(gè)音頻信號(hào)同時(shí)表示音頻活動(dòng)時(shí)執(zhí)行將音頻信號(hào)集合進(jìn)行分類。也就是說(shuō)，在這些布置中，分類并不一直持續(xù)。與此相反，僅當(dāng)檢測(cè)音頻信號(hào)中存在并發(fā)音頻活動(dòng)時(shí)，才進(jìn)行分類。因此，可以自動(dòng)和快速地檢測(cè)和解決任何潛在沖突，以提高體驗(yàn)質(zhì)量。