[發(fā)明專利]車載多音區(qū)語音交互方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202310057346.4
• 申請(qǐng)日: 2023-01-19
• 公開（公告）號(hào): CN115881125B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 吳俊楠;湯欣鈺;高鵬;王育軍
• 申請(qǐng)（專利權(quán)）人: 小米汽車科技有限公司;北京小米松果電子有限公司
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;B60R16/037;G10L25/18
• 代理公司: 北京法勝知識(shí)產(chǎn)權(quán)代理有限公司 11922
• 代理人: 黃海艷

1.一種車載多音區(qū)語音交互方法，其特征在于，車輛座艙內(nèi)設(shè)置兩對(duì)麥克風(fēng)，所述兩對(duì)麥克風(fēng)形成多個(gè)音區(qū)，所述方法包括：

對(duì)所述兩對(duì)麥克風(fēng)中的目標(biāo)麥克風(fēng)采集的語音信號(hào)進(jìn)行頻域轉(zhuǎn)換，以獲取所述目標(biāo)麥克風(fēng)采集的語音信號(hào)對(duì)應(yīng)的頻譜信號(hào)，其中，所述頻譜信號(hào)上包括多個(gè)頻點(diǎn)；

針對(duì)所述頻譜信號(hào)上的每個(gè)頻點(diǎn)，確定第一對(duì)麥克風(fēng)采集的語音信號(hào)在所述每個(gè)頻點(diǎn)上的第一相位差及第二對(duì)麥克風(fēng)采集的語音信號(hào)在所述每個(gè)頻點(diǎn)上的第二相位差；

根據(jù)所述每個(gè)頻點(diǎn)對(duì)應(yīng)的第一相位差和第二相位差，確定所述每個(gè)頻點(diǎn)所屬的音區(qū)；

根據(jù)各頻點(diǎn)所屬的音區(qū)，確定每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)；

根據(jù)所述每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)的識(shí)別結(jié)果，控制相應(yīng)車載設(shè)備執(zhí)行相應(yīng)動(dòng)作；

其中，在所述對(duì)所述兩對(duì)麥克風(fēng)中的目標(biāo)麥克風(fēng)采集的語音信號(hào)進(jìn)行頻域轉(zhuǎn)換，以獲取所述目標(biāo)麥克風(fēng)采集的語音信號(hào)對(duì)應(yīng)的頻譜信號(hào)之前，還包括：

獲取每個(gè)麥克風(fēng)采集的語音信號(hào)；

根據(jù)所述語音信號(hào)的強(qiáng)度，確定聲源所屬的音區(qū)；

根據(jù)所述聲源所屬的音區(qū)，從所述兩對(duì)麥克風(fēng)中確定出所述目標(biāo)麥克風(fēng)。

2.如權(quán)利要求1所述的方法，其特征在于，所述第一對(duì)麥克風(fēng)將所述座艙分為前方區(qū)域和后方區(qū)域，所述第二對(duì)麥克風(fēng)將所述座艙分為左側(cè)區(qū)域和右側(cè)區(qū)域，所述根據(jù)所述每個(gè)頻點(diǎn)對(duì)應(yīng)的第一相位差和第二相位差，確定所述每個(gè)頻點(diǎn)所屬的音區(qū)，包括：

根據(jù)所述第一相位差，從所述前方區(qū)域和所述后方區(qū)域中確定出所述每個(gè)頻點(diǎn)所屬的第一位置區(qū)域；

根據(jù)所述第二相位差，從所述左側(cè)區(qū)域和所述左側(cè)區(qū)域中確定出所述每個(gè)頻點(diǎn)所屬的第二位置區(qū)域；

根據(jù)所述第一位置區(qū)域與所述第二位置區(qū)域之間的交集，確定所述每個(gè)頻點(diǎn)所屬的音區(qū)。

3.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)各頻點(diǎn)所屬的音區(qū)，確定每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)，包括：

根據(jù)所述各頻點(diǎn)所屬的音區(qū)，確定每個(gè)音區(qū)對(duì)應(yīng)的掩碼信息；

根據(jù)所述掩碼信息和任一麥克風(fēng)采集的語音信號(hào)，確定所述每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)。

4.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)各頻點(diǎn)所屬的音區(qū)，確定每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)，包括：

根據(jù)所述各頻點(diǎn)所屬的音區(qū)，確定屬于同一音區(qū)的頻點(diǎn)；

將屬于同一音區(qū)的頻點(diǎn)按照時(shí)間順序進(jìn)行組合，以獲取所述每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)。

5.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)的識(shí)別結(jié)果，控制相應(yīng)車載設(shè)備執(zhí)行相應(yīng)動(dòng)作，包括：

利用預(yù)先訓(xùn)練的降噪模型，對(duì)每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)進(jìn)行降噪處理，以獲取降噪信號(hào)；

對(duì)所述每個(gè)音區(qū)對(duì)應(yīng)的降噪信號(hào)進(jìn)行語音識(shí)別，以獲取識(shí)別結(jié)果；

根據(jù)所述識(shí)別結(jié)果控制相應(yīng)車載設(shè)備執(zhí)行相應(yīng)動(dòng)作。

6.一種車載多音區(qū)語音交互裝置，其特征在于，車輛座艙內(nèi)設(shè)置兩對(duì)麥克風(fēng)，所述兩對(duì)麥克風(fēng)形成多個(gè)音區(qū)，所述裝置包括：

轉(zhuǎn)換模塊，用于對(duì)所述兩對(duì)麥克風(fēng)中的目標(biāo)麥克風(fēng)采集的語音信號(hào)進(jìn)行頻域轉(zhuǎn)換，以獲取所述目標(biāo)麥克風(fēng)采集的語音信號(hào)對(duì)應(yīng)的頻譜信號(hào)，其中，所述頻譜信號(hào)上包括多個(gè)頻點(diǎn)；

第一確定模塊，用于針對(duì)所述頻譜信號(hào)上的每個(gè)頻點(diǎn)，確定第一對(duì)麥克風(fēng)采集的語音信號(hào)在所述每個(gè)頻點(diǎn)上的第一相位差及第二對(duì)麥克風(fēng)采集的語音信號(hào)在所述每個(gè)頻點(diǎn)上的第二相位差；

第二確定模塊，用于根據(jù)所述每個(gè)頻點(diǎn)對(duì)應(yīng)的第一相位差和第二相位差，確定所述每個(gè)頻點(diǎn)所屬的音區(qū)；

第三確定模塊，用于根據(jù)各頻點(diǎn)所屬的音區(qū)，確定每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)；

控制模塊，用于根據(jù)所述每個(gè)音區(qū)對(duì)應(yīng)的語音信號(hào)的識(shí)別結(jié)果，控制相應(yīng)車載設(shè)備執(zhí)行相應(yīng)動(dòng)作；

獲取模塊，用于獲取每個(gè)麥克風(fēng)采集的語音信號(hào)；

第四確定模塊，用于根據(jù)所述語音信號(hào)的強(qiáng)度，確定聲源所屬的音區(qū)；

第五確定模塊，用于根據(jù)所述聲源所屬的音區(qū)，從所述兩對(duì)麥克風(fēng)中確定出所述目標(biāo)麥克風(fēng)。