[發明專利]語音喚醒方法和裝置

有效

• 申請號: 202110650963.6
• 申請日: 2021-06-09
• 公開（公告）號: CN113242163B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 徐超
• 申請（專利權）人: 思必馳科技股份有限公司
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/16;G10L25/57;H04L12/28;G06F3/16;G06K9/62
• 代理公司: 北京商專永信知識產權代理事務所(普通合伙) 11400
• 代理人: 黃謙;鄧婷婷

本發明公開語音喚醒方法和裝置，其中，一種語音喚醒方法，用于主設備，包括：響應于獲取的第一音頻信息中包含喚醒詞，進入預喚醒狀態；基于獲取的第一音頻信息和與第一音頻信息對應的第一視頻信息計算并融合得到第一音視頻指標；接收從設備反饋的至少一個第二音視頻指標；比較第一音視頻指標和第二音頻指標并基于比較結果確定響應設備，使響應設備進入喚醒狀態以與所述用戶進行語音交互。通過計算融合第一音頻指標和第一視頻指標并接受從設備發送的融合后的第二音視頻指標，判斷每一設備計算融合的音視頻指標之間的值判定距離用戶最近的設備，從而可以準確的就近喚醒設備，保證數據傳輸的安全性和降低數據傳輸的延時性。

技術領域

本發明屬于語音喚醒技術領域，尤其涉及語音喚醒方法和裝置。

背景技術

基本場景描述：在智能家居的解決方案中，存在多個具備語音喚醒功能的家居智能設備，當用戶說出指定的喚醒詞時，可能存在多個設備同時響應用戶的應答的情況，而用戶僅希望距離自己最近且正對的設備響應自己的需求。就近喚醒就是面對這樣的場景需求而衍生出的一種技術方案。目前已知的方案主要基于語音技術的就近喚醒方案、基于距離傳感器的就近喚醒方案和基于多類特征數據的就近喚醒方案。

其中，基于語音技術的就近喚醒方案：

隨著智能語音技術的發展與普及，在某些智能音箱助手上已經出現了就近喚醒的功能，即距離用戶越近的設備，才能夠響應用戶的需求(或指令)。例如目前市面上現有的亞馬遜音箱產品以及國內的小愛同學音箱，均通過采集用戶的語音信息來進行處理并判斷哪一臺設備距離用戶最近；

首先，常見的喚醒技術都是基于語音來進行的，因此利用語音處理技術來額外地判斷說話人的距離，是一種相對低成本的方案。用戶說出特定的喚醒詞，當多臺設備各自檢測到喚醒詞之后，會將包含喚醒詞的音頻進一步處理，進而得出與距離相關的語音指標。通過比較同一網絡中不同設備的語音指標值，來決策出離用戶最近的設備，進而只有唯一一臺的設備響應用戶的需求；

首先，由于語音技術僅通過語音來判斷用戶距離設備的遠近，因此在一些復雜的家居場景，如多人聊天場景、音箱電視播放大音量的場景等，相應的效果就會大打折扣；其次，用戶不同的聲音響度、音色等，均可能影響到語音指標的計算；最后，不同的設備選擇的麥克風型號不同，雖然語音處理技術一定程度上可以改善這樣的差異，但卻無法做到所有設備的一致性，因此在進行比較的時候，仍存在誤判的可能性。

基于距離傳感器的就近喚醒方案：

基于傳統主動式的距離探測方案，如采用超聲波、雷達等聲波技術，在設備被成功喚醒之后，可利用此類傳感器主動探測前方用戶的距離，進而依據距離直接判斷距離用戶最近的設備，進而進行下一步的語音交互；

用于短距離測量的傳感器相對較多，如紅外、超聲波、雷達等，同語音技術的就近喚醒方案相似，當多臺設備各自檢測到喚醒詞之后，會立即觸發距離傳感器進行工作，依據計算得出的距離值，在同一網絡中比較距離用戶最近的設備，進而讓唯一一臺設備響應用戶的需求；

其中，距離傳感器，當用到就近喚醒的方案中時，由于其僅具備測量距離的功能，因此僅通過該方法并不能夠判斷用戶是正對著設備還是背對著設備，而用戶期望的是用戶正對著的設備來響應用戶的需求；其次，該類傳感器在測量較大物體或是平面時，其計算出來的距離相對準確，精度也相對較高，而對于像人體這樣的不規則表面，由于反射回來信號的差異性，會影響實際的距離測量。

基于多類特征數據的就近喚醒方案：

基于多類特征數據的就近喚醒方案，主要就是依賴于本地設備中采集的多類距離特征數據，將其直接送至上層通信網絡中進行決策，以此來判斷用戶與哪一個本地設備距離最近；

在語音喚醒之后，采集此時與距離相關的特征數據，再將所有本地的特征數據上傳至服務器，通過服務器來進行綜合決策；