[發(fā)明專利]一種分布式強魯棒無線音頻控制方法、裝置及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011084713.2
• 申請日: 2020-10-12
• 公開（公告）號: CN112509589A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 王洪宇;王楠;王洪巖
• 申請（專利權(quán)）人: 紹興市愛丘科技有限公司
• 主分類號: G10L17/22
• 分類號: G10L17/22;G10L17/00;G10L17/04;G10L17/14;G10L21/0224;G10L25/24
• 代理公司: 紹興市寅越專利代理事務(wù)所(普通合伙) 33285
• 代理人: 焦亞如

本發(fā)明涉及一種分布式強魯棒無線音頻控制方法、裝置及介質(zhì)，所述裝置包括主控模塊、中央處理器、至少一個從控模塊和與所述從控制模塊相對應(yīng)的喚醒單元，各個所述喚醒單元與所對應(yīng)的從控模塊進行通信，所述從控模塊與所述主控模塊進行通信，所述中央處理器包括語音識別模塊和指令生成模組。通過采用本發(fā)明，解決了分布式場景下的無線音箱的語音控制需求。只有當確定響應(yīng)時才對用戶進行語音回復(fù)，減少了分布式語音系統(tǒng)中對同一語音指令進行回復(fù)的語音設(shè)備的數(shù)量，減少了對用戶的冗余回復(fù)。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，尤其涉及物聯(lián)網(wǎng)、智能語音交互領(lǐng)域，具體是指一種分布式強魯棒無線音頻控制方法、裝置及介質(zhì)。

背景技術(shù)

隨著消費級別智能音箱不斷進入各種場所，分布式音箱智能控制就成為難題。利用綜合布線技術(shù)、網(wǎng)絡(luò)通信技術(shù)、安全防范技術(shù)、自動控制技術(shù)、音視頻技術(shù)等將家居生活有關(guān)的設(shè)施集成，構(gòu)建高效的住宅設(shè)施與家庭日常事務(wù)的管理系統(tǒng)，需要提升家居安全性、便利性、舒適性、藝術(shù)性，并實現(xiàn)環(huán)保節(jié)能的居住環(huán)境。

隨著消費性電子產(chǎn)品的普及，各式各樣的無線音箱層出不窮。智能音箱包括前端的語音采集模塊和智能控制器件，智能控制器件用于對前端的語音采集模塊采集的語音信號進行一定的預(yù)處理，通過自動語音識別(ASR)模塊能夠識別用戶的語音指令，并以語音形式對用戶的語音指令進行響應(yīng)，控制該房間內(nèi)的智能設(shè)備進行相應(yīng)的動作。為用戶提供更加擬人化的人機交互方式。但現(xiàn)有技術(shù)的音箱智能化程度不高，特別是多個智能音箱存在的情況下，根據(jù)語音進行控制，順利操作仍然不夠智能。語音模塊接收到用戶的語音指令后都會對用戶進行語音回復(fù)。由于用戶在各個房間內(nèi)均需要進行語音控制，或者多個人同時呼喚音箱，或者每個房間內(nèi)均設(shè)置智能音箱，導(dǎo)致智能音箱語音控制系統(tǒng)整體不夠輕量化。

在這種分布式語音系統(tǒng)中，由于在同一網(wǎng)絡(luò)或同一空間中同時存在多個語音模塊，所以在短時間內(nèi)先后對用戶的語音指令進行響應(yīng)，造成多次冗余回復(fù)，而且執(zhí)行順序上會出現(xiàn)錯亂，導(dǎo)致用戶體驗很差。

另一方面，ASR(Automatic Speech Recognition，自動語音識別技術(shù))系統(tǒng)用以解釋從人那里接收到的語音，在很大程度上取決于語言響應(yīng)的清晰度。ASR系統(tǒng)可以使用諸如語言聽起來像沒有這些困難這樣的假設(shè)來編程。用戶提出的各種含混不清或不流暢的語音進入。因此，ASR系統(tǒng)可能不能準確地解釋那些說話困難的人所提供的語言。無法及時生成語言響應(yīng)。也會帶來分布式音箱系統(tǒng)的處理難題，需要提高自動語音識別的魯棒性。

因此，提供一種成本低且輕量化的用于分布式智能音箱強魯棒的語音控制系統(tǒng)是目前需要解決的問題。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提供了一種分布式強魯棒無線音頻控制方法，實現(xiàn)了成本低且輕量化。

為了實現(xiàn)上述目的，本發(fā)明具有如下構(gòu)成：

本發(fā)明提供了一種分布式強魯棒無線音頻控制方法，采用無線音頻控制裝置實現(xiàn)，所述裝置包括主控模塊、中央處理器、至少一個從控模塊和與所述從控制模塊相對應(yīng)的喚醒單元，各個所述喚醒單元與所對應(yīng)的從控模塊進行通信，所述從控模塊與所述主控模塊進行通信，所述中央處理器包括語音識別模塊和指令生成模組；

所述方法包括如下步驟：

所述喚醒單元符合喚醒條件時，喚醒所對應(yīng)的從控模塊；

被喚醒的從控模塊接收用戶的語音控制指令，并將所述語音控制指令發(fā)送至所述主控模塊；

所述主控模塊將所述語音控制指令發(fā)送至語音識別模塊，所述語音識別模塊對所述語音控制指令進行識別處理；

所述指令生成模組根據(jù)所述語音識別模塊的識別結(jié)果進行處理并給用戶反饋。

在該實施例中，所述語音識別模塊包括預(yù)處理模塊、聲紋特征加工模塊和分類校正模塊，所述語音識別模塊對所述語音控制指令進行識別處理，包括如下步驟：