[發明專利]用于基于多個音頻饋源來標識來自興趣源的聲音的方法和系統

有效

• 申請號: 201680058801.0
• 申請日: 2016-09-14
• 公開（公告）號: CN108140398B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: S·扎德伊薩
• 申請（專利權）人: 微軟技術許可有限責任公司
• 主分類號: G10L25/78
• 分類號: G10L25/78;G10L21/034;H04R3/00;G10L21/0216;G10L21/0208;G10L15/22;G10L15/08
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 錢盛赟;顧嘉運

本文提供了用于標識來自興趣源的聲音的方法和系統。在一些實施例中，第一音頻饋源由第一話筒捕捉，而第二音頻饋源由第二話筒捕捉。第一話筒可以比第二話筒更鄰近興趣源。第一音頻饋源可利用第二音頻饋源來處理以產生可使得能夠標識源自興趣源的聲音的第一經處理音頻饋源。在一些實施例中，第二音頻饋源可利用第一音頻饋源來進行附加處理以產生第二經處理音頻饋源。在此類實施例中，來自第一經處理音頻饋源的頻率可以與第二經處理音頻饋源的頻率進行對比以標識源自興趣源的聲音。本文可描述和/或主張其它實施例。

技術領域

本發明涉及標識聲音，尤其涉及基于多個音頻饋源來標識來自興趣源的聲音。

背景技術

標識源自興趣源的聲音可能是有問題的。這在存在性質上是零星的背景噪聲的情況下尤其如此。諸如語音活動檢測器之類的依靠標識源自興趣源的聲音的系統利用各種機制來嘗試區分何時聲音源自興趣源以及何時聲音僅僅是背景噪聲。然而，這些各種機制遭受多個弱點。一個這樣的弱點是這些各種機制中的許多機制性質上是復雜的并且執行資源密集型計算。結果，這些各種機制通常不適于低功率或低成本應用。另外，這些各種機制中的許多機制依靠通過增大這些系統的復雜性的機器學習或模板匹配來開發的靜態模型或者試探法。開發此類靜態模型或試探法以及對應的用于標識源自興趣源的聲音的系統組件通常需要大量的工作。

發明內容

提供本概述以便以簡化的形式介紹將在以下的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本質特征，也不旨在獨立地用于幫助確定所要求保護的主題的范圍。

本文描述的實施例包括用于標識源自興趣源的聲音的方法、計算機存儲介質以及系統。在各實施例中，第一音頻饋源由計算設備的第一話筒捕捉，而第二音頻饋源由該計算設備的第二話筒捕捉。第一音頻饋源可利用第二音頻饋源來處理以標識源自興趣點的聲音。在一些實施例中，該處理將包括例如通過對第一音頻饋源或第二音頻饋源施加延遲來將第一音頻饋源與第二音頻饋源進行時間同步。該處理還可包括基于第二音頻饋源內的相應頻率來對來自第一音頻饋源的頻率進行衰減或濾波。在各實施例中，該處理還可包括利用第一音頻饋源來處理第二音頻饋源以便進一步使得能夠標識源自興趣點的聲音。同樣，在這些實施例中，該處理可包括基于來自第一音頻饋源的相應頻率來對來自第二音頻饋源的頻率進行衰減或濾波。

附圖說明

下面參考附圖詳細描述本公開。

圖1是其中可以采用本公開的各實施例的操作環境的框圖。

圖2A、2B和2C描繪了根據本公開的各實施例的聲音處理系統配置的說明性示意圖。

圖3A和3B是根據本公開的各實施例的源置信水平和噪聲置信水平的圖形描繪。

圖4描繪了根據本公開的各實施例的具有三個話筒配置的聲音處理系統的說明性示意表示。

圖5是描繪根據本公開的各實施例的用于標識來自興趣源的聲音的說明性方法的流程圖。

圖6是描繪根據本公開的各實施例的用于處理第一和第二音頻饋源以標識來自興趣源的聲音的說明性方法的流程圖。

圖7是適用于實現本文中描述的各實施例的說明性計算環境的框圖。

具體實施方式

本文用細節來描述本公開的各實施例的主題以滿足法定要求。然而，描述本身并非旨在限制本專利的范圍。相反，發明人已構想所要求保護的主題還可結合其他當前或未來技術以其他方式來實施，以包括不同的步驟或類似于本文中所描述的步驟的步驟組合。此外，盡管術語“步驟”和/或“框”可在本文用于指示所采用的方法的不同元素，但除非而且僅當明確描述了各個步驟的順序時，術語不應被解釋為意味著本文公開的各個步驟之中或之間的任何特定順序。