[發(fā)明專利]語音接口設(shè)備上的多用戶個(gè)性化

有效

• 申請(qǐng)?zhí)枺?/td>: 201710918757.2
• 申請(qǐng)日: 2017-09-30
• 公開（公告）號(hào): CN107910007A
• 公開（公告）日: 2018-04-13
• 發(fā)明（設(shè)計(jì)）人: 肯尼斯·米克斯特;迭戈·米倫多卡薩多;徐碧波
• 申請(qǐng)（專利權(quán)）人: 谷歌公司
• 主分類號(hào): G10L17/00
• 分類號(hào): G10L17/00;G10L17/02;G10L25/60;G06F3/16
• 代理公司: 中原信達(dá)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司11219
• 代理人: 周亞榮,安翔

相關(guān)申請(qǐng)

本申請(qǐng)與下述申請(qǐng)有關(guān)，其全部內(nèi)容通過引入整體并入本文：

2016年5月10日提交的題為“Implementations for Voice Assistant on Devices”的美國臨時(shí)專利申請(qǐng)No.62/334,434；以及

2016年5月13日提交的題為“LED Design Language for Visual Affordance of Voice User Interfaces”的美國臨時(shí)專利申請(qǐng)No.62/336,566。

技術(shù)領(lǐng)域

所公開的實(shí)施方式通常涉及語音接口和相關(guān)設(shè)備，包括但不限于用于在語音接口設(shè)備處應(yīng)對(duì)多個(gè)用戶的方法和系統(tǒng)。

背景技術(shù)

集成有麥克風(fēng)的電子設(shè)備已被廣泛用于從用戶收集語音輸入并且根據(jù)語音輸入實(shí)現(xiàn)語音激活的功能。例如，許多現(xiàn)有技術(shù)的移動(dòng)設(shè)備包括語音助理功能(例如Siri，Google助理)，所述語音助理功能被配置為使用語音輸入來發(fā)起電話呼叫、進(jìn)行餐館搜索、在地圖上開始導(dǎo)航、創(chuàng)建日歷事件、向社交網(wǎng)絡(luò)添加帖子、識(shí)別歌曲，并且完成許多其他任務(wù)。

位置(例如，家內(nèi)的房間或空間)可以包括包含語音助理系統(tǒng)的多個(gè)設(shè)備和這些設(shè)備的一個(gè)或多個(gè)用戶。由于設(shè)備尤其被配置為能夠訪問和呈現(xiàn)用戶特定的信息，所以期望語音助理設(shè)備能夠平穩(wěn)地處理多個(gè)用戶并且能夠向適當(dāng)?shù)挠脩籼峁┯脩籼囟ǖ男畔ⅰ榱藴p少用戶混淆，還期望在語音助理設(shè)備中，存在負(fù)責(zé)響應(yīng)用戶語音輸入的領(lǐng)導(dǎo)者。此外，還期望在語音助理設(shè)備位于嘈雜位置的情況下，語音助理設(shè)備包括降噪措施。

發(fā)明內(nèi)容

因此，需要一種具有語音助理系統(tǒng)的電子設(shè)備和/或語音助理服務(wù)器系統(tǒng)，其包括用于處理多個(gè)用戶、用于多設(shè)備協(xié)調(diào)以確定領(lǐng)導(dǎo)者以及用于降噪的方法和系統(tǒng)。設(shè)備和/或服務(wù)器系統(tǒng)可以被配置為基于與語音模型的比較來識(shí)別語音輸入的說話者，并且個(gè)性化對(duì)所識(shí)別的說話者的響應(yīng)。設(shè)備和/或服務(wù)器系統(tǒng)還可以被配置為協(xié)商在多個(gè)設(shè)備中響應(yīng)說話者的領(lǐng)導(dǎo)者。設(shè)備和/或服務(wù)器系統(tǒng)進(jìn)一步可以被配置為檢測(cè)設(shè)備周圍的環(huán)境是否足夠嘈雜，其中，喚醒設(shè)備的熱詞語音輸入的替代方法是可取的。

根據(jù)一些實(shí)現(xiàn)方式，一種方法包括在具有一個(gè)或多個(gè)麥克風(fēng)、揚(yáng)聲器、一個(gè)或多個(gè)處理器以及存儲(chǔ)由一個(gè)或多個(gè)處理器執(zhí)行的一個(gè)或多個(gè)程序的存儲(chǔ)器的電子設(shè)備處：接收第一自由形式的語音輸入；將所述第一語音輸入與語音模型集比較，所述語音模型集與關(guān)聯(lián)于所述電子設(shè)備的多個(gè)用戶相關(guān)聯(lián)，其中，所述語音模型針對(duì)所述電子設(shè)備被訓(xùn)練；基于所述比較，確定所述第一語音輸入對(duì)應(yīng)于所述多個(gè)用戶中的第一用戶；以及根據(jù)所述確定，呈現(xiàn)響應(yīng)。

在一些實(shí)施方式中，一種電子設(shè)備包括一個(gè)或多個(gè)麥克風(fēng)、揚(yáng)聲器、一個(gè)或多個(gè)處理器；以及存儲(chǔ)將由所述一個(gè)或多個(gè)處理器執(zhí)行的一個(gè)或多個(gè)程序的存儲(chǔ)器。所述一個(gè)或多個(gè)程序包括用于執(zhí)行下述操作的指令：接收第一自由形式的語音輸入；將所述第一語音輸入與語音模型集比較，所述語音模型集與關(guān)聯(lián)于所述電子設(shè)備的多個(gè)用戶相關(guān)聯(lián)，其中，所述語音模型針對(duì)所述電子設(shè)備被訓(xùn)練；基于所述比較，確定所述第一語音輸入對(duì)應(yīng)于所述多個(gè)用戶中的第一用戶；以及根據(jù)所述確定，呈現(xiàn)響應(yīng)。

在一些實(shí)施方式中，一種非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)一個(gè)或多個(gè)程序。所述一個(gè)或多個(gè)程序包括指令，當(dāng)所述指令由具有一個(gè)或多個(gè)麥克風(fēng)、揚(yáng)聲器、以及一個(gè)或多個(gè)處理器的電子設(shè)備執(zhí)行時(shí)，使所述電子設(shè)備執(zhí)行包括下述的操作：接收第一自由形式的語音輸入；將所述第一語音輸入與語音模型集比較，所述語音模型集與關(guān)聯(lián)于所述電子設(shè)備的多個(gè)用戶相關(guān)聯(lián)，其中，所述語音模型針對(duì)所述電子設(shè)備被訓(xùn)練；基于所述比較，確定所述第一語音輸入對(duì)應(yīng)于所述多個(gè)用戶中的第一用戶；以及根據(jù)所述確定，呈現(xiàn)響應(yīng)。