[發(fā)明專利]一種智能麥克風(fēng)陣列

在審

• 申請(qǐng)?zhí)枺?/td>: 201911336378.8
• 申請(qǐng)日: 2019-12-23
• 公開(kāi)（公告）號(hào): CN113096665A
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 周著華;汪松;宗升亞;廖新剛;闋海燕
• 申請(qǐng)（專利權(quán)）人: 上海浩宜信息科技有限公司
• 主分類號(hào): G10L15/26
• 分類號(hào): G10L15/26;G10L21/0216;G06F40/30
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明涉及一種智能麥克風(fēng)陣列，其中，包括：麥克風(fēng)陣列模塊，負(fù)責(zé)采集音頻和降噪音頻，將降噪后的音頻傳送給人工智能平臺(tái)模塊；人工智能平臺(tái)模塊接收到音頻后，將音頻通過(guò)語(yǔ)音識(shí)別能力處理模塊處理得到識(shí)別文本，將文本通過(guò)語(yǔ)義理解能力處理模塊處理得到語(yǔ)義結(jié)果，將文本通過(guò)語(yǔ)音合成能力處理模塊處理得到合成音頻，四麥環(huán)形麥克風(fēng)陣列由四個(gè)麥克風(fēng)環(huán)形間隔排列。本發(fā)明中集成了離線的人工智能平臺(tái)，提供了離線的語(yǔ)音識(shí)別、語(yǔ)音合成和語(yǔ)義理解的能力。可以在不聯(lián)網(wǎng)的情況下提供高效快速的人工智能能力，配合高速處理芯片，讓人工智能能力進(jìn)一步提升。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能、音頻降噪領(lǐng)域，尤其是一種帶人工智能能力的智能麥克風(fēng)陣列。

背景技術(shù)

麥克風(fēng)陣列(Microphone Array)是一個(gè)特指應(yīng)用于語(yǔ)音處理的系統(tǒng)，是一組位于空間不同位置的全向麥克風(fēng)按一定的形狀規(guī)則布置形成的陣列，是對(duì)空間傳播聲音信號(hào)進(jìn)行空間采樣的一種裝置，主要解決在特定場(chǎng)景語(yǔ)音識(shí)別的問(wèn)題，以保證真實(shí)場(chǎng)景下的語(yǔ)音識(shí)別率。

語(yǔ)音識(shí)別(Auto Speech Recognize，ASR)技術(shù)，是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程使之聽(tīng)懂人類語(yǔ)言的技術(shù)。語(yǔ)音識(shí)別技術(shù)是信息技術(shù)中人機(jī)交互的關(guān)鍵技術(shù)，目前已經(jīng)在呼叫中心、電信增值業(yè)務(wù)、企業(yè)信息化系統(tǒng)中有了廣泛的應(yīng)用。隨著語(yǔ)音識(shí)別在語(yǔ)音搜索、語(yǔ)音控制等全新應(yīng)用領(lǐng)域的深入應(yīng)用，語(yǔ)音識(shí)別技術(shù)被業(yè)界權(quán)威人士譽(yù)為有可能引發(fā)人機(jī)界面領(lǐng)域革命的關(guān)鍵技術(shù)。自動(dòng)語(yǔ)音識(shí)別技術(shù)所要解決的問(wèn)題是讓計(jì)算機(jī)能夠“聽(tīng)懂”人類的語(yǔ)音，將語(yǔ)音中包含的文字信息“提取”出來(lái)。ASR技術(shù)在“能聽(tīng)會(huì)說(shuō)”的智能計(jì)算機(jī)系統(tǒng)中扮演著重要角色，相當(dāng)于給計(jì)算機(jī)系統(tǒng)安裝上“耳朵”，使其具備“能聽(tīng)”的功能，進(jìn)而實(shí)現(xiàn)信息時(shí)代利用“語(yǔ)音”這一最自然、最便捷的手段進(jìn)行人機(jī)通信和交互。

語(yǔ)音合成(Text To Speech，TTS)技術(shù)能夠自動(dòng)將任意文字實(shí)時(shí)轉(zhuǎn)換為連續(xù)的自然語(yǔ)音，是一種能夠在任何時(shí)間、任何地點(diǎn)，向任何人提供語(yǔ)音信息服務(wù)的高效便捷手段，非常符合信息時(shí)代海量數(shù)據(jù)、動(dòng)態(tài)更新和個(gè)生化查詢的需求。

語(yǔ)義理解(Natural Language Processing，NLP)自然語(yǔ)言處理，即實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信，或?qū)崿F(xiàn)自然語(yǔ)言理解和自然語(yǔ)言生成是十分困難的。造成困難的根本原因是自然語(yǔ)言文本和對(duì)話的各個(gè)層次上廣泛存在的各種各樣的歧義性或多義性(ambiguity)。

目前的麥克風(fēng)產(chǎn)品存在以下缺點(diǎn)：

不能有效的提供特定場(chǎng)景下的降噪需求，目前的麥克風(fēng)產(chǎn)品不管是雙麥降噪還是多麥降噪、線形排列還是環(huán)形排列，都只能針對(duì)單一場(chǎng)景的降噪需求。因?yàn)榻翟胨惴ㄖ挥幸环N，無(wú)法變更。

市場(chǎng)對(duì)麥克風(fēng)降噪需求的同時(shí)，一般也需求語(yǔ)音識(shí)別等的人工智能服務(wù)的需求。但是如果只是通過(guò)降噪麥克風(fēng)采集音頻，并且通過(guò)私有云或者公有云進(jìn)行語(yǔ)音識(shí)別，都會(huì)存在網(wǎng)絡(luò)延時(shí)、數(shù)據(jù)安全、并發(fā)需求大服務(wù)器性能無(wú)法滿足等的問(wèn)題。

因此，設(shè)計(jì)一種智能麥克風(fēng)陣列(即將人工智能平臺(tái)集成進(jìn)麥克風(fēng)陣列產(chǎn)品)應(yīng)對(duì)當(dāng)前的音頻采集和降噪、語(yǔ)音識(shí)別等的人工智能服務(wù)就很有必要了。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種智能麥克風(fēng)陣列，解決當(dāng)下網(wǎng)絡(luò)延時(shí)、數(shù)據(jù)安全、高并發(fā)下服務(wù)器性能不足的問(wèn)題。

本發(fā)明是一種智能麥克風(fēng)陣列，其中，包括：麥克風(fēng)陣列模塊，負(fù)責(zé)采集音頻和降噪音頻，將降噪后的音頻傳送給人工智能平臺(tái)模塊；人工智能平臺(tái)模塊接收到音頻后，將音頻通過(guò)語(yǔ)音識(shí)別能力處理模塊處理得到識(shí)別文本，將文本通過(guò)語(yǔ)義理解能力處理模塊處理得到語(yǔ)義結(jié)果，將文本通過(guò)語(yǔ)音合成能力處理模塊處理得到合成音頻，四麥環(huán)形麥克風(fēng)陣列由四個(gè)麥克風(fēng)環(huán)形間隔排列。

根據(jù)本發(fā)明的智能麥克風(fēng)陣列的一實(shí)施例，其中，還包括：降噪芯片，用于接麥克風(fēng)陣列的音頻降噪，得到單聲道音頻。

根據(jù)本發(fā)明的智能麥克風(fēng)陣列的一實(shí)施例，其中，智能麥克風(fēng)陣列和PC以及智能銀行柜員機(jī)之間通過(guò)USB連接，并且通過(guò)USB供電。