CN106331956A - 集成远场语音识别和声场录制的***和方法 - Google Patents

Abstract

本发明提供了一种集成远场语音识别和声场录制的***和方法，***包括麦克风阵列和数据处理终端，并具有远场语音识别和声场录制两种工作模式，麦克风阵列对声音信号进行采集，数据处理终端连接麦克风阵列，接收麦克风阵列采集的声音信号，并对声音信号进行处理，实现远场语音识别和声场录制。本发明可以工作于远场语音识别和声场录制两种模式，分别完成远场语音识别功能和声场录制功能，利用一个麦克风阵列和一套***即可同时实现远场语音识别功能和声场录制功能，功能多样，一机两用，节约了设备成本；可以采用语音指令或者移动终端切换工作模式，切换方式灵活简单，便于用户操作。

Description

集成远场语音识别和声场录制的***和方法

技术领域

本发明总体上涉及语音处理技术领域，尤其涉及集成远场语音识别和声场录制的***和方法。

背景技术

近几年人工智能，人工智能的前端最重要的是信息的正确获取，特别是音视频技术受到格外关注，但与视频技术的进步相比，虽说在近场单通道语音识别上获得很大进展，已经达到非常高的正确识别率，但远场语音交互技术还需要更大的发展，基于麦克风阵列的远场语音识别是其中最关键的技术。同样的，AR(Augmented Reality，增强现实)/VR(Virtual Reality，虚拟现实)技术在近些年开始逐步走向应用，相对于视觉体验，音频体验同样相对滞后，其中一项重要的技术是原始声场的采集与重现，利用麦克风技术阵列技术，同样可以实现原始声场的采集。

但是现有产品及技术都是针对其中某项应用进行的设计，仅仅能实现远场语音识别或者声场录制，而在实际应用过程中，例如在办公场所或者家庭客厅中，一方面有远场语音识别与控制的需求，例如利用远场识别控制电视或者投影仪的操作灯；另一方面又有声场录制的需求，例如与远方朋友或亲人全息通话，或者会议室内的全息音视频会议通讯等，现有技术并没有能够同时满足上述两种需求的***。

例如，亚马逊推出的echo音箱利用麦克风阵列技术进行远场语音采集。在音箱顶部布放了6+1个麦克风，其中6个麦克风均匀布放构成一个环形阵列，另外中心布放一个麦克风，利用麦克风阵列信号处理技术，实现远场语音识别，但并没有声场录音的功能。其他类似的智能音箱都采用了类似的方案，但都只实现远场语音识别功能。1.2.2现有技术一的缺点

又例如，CN104754471A利用麦克风阵列中的两两组合成新的麦克风对进行处理，计算获得声场各阶分量，利用解码矩阵合成各扬声器激励，从而重建二维声场。但其只能进行声场录制，没有远场语音识别功能。

发明内容

(一)要解决的技术问题

本发明提供了一种集成远场语音识别和声场录制的***和方法，既能实现远场语音识别，又能够实现声场录制，并且能进行两种模式的灵活切换。

(二)技术方案

本发明提供了一种集成远场语音识别和声场录制的***，包括：麦克风阵列和数据处理终端；其中，所述***包括远场语音识别和声场录制两种工作模式；所述麦克风阵列对声音信号进行采集；所述数据处理终端连接所述麦克风阵列，接收所述麦克风阵列采集的声音信号，并对所述声音信号进行处理，实现远场语音识别和声场录制。

本发明还提供了一种集成远场语音识别和声场录制的方法，包括：进入远场语音识别模式，采集远场语音信号，对远场语音信号进行远场语音识别；当需要进行声场录制时，切换至声场录制模式，采集多通道音频信号，对多声道音频信号进行声场录制；当声场录制结束或需要进行远场语音识别时，切换至远场语音识别模式，对远场语音信号进行远场语音识别。

(三)有益效果

从上述技术方案可以看出，本发明的集成远场语音识别和声场录制的***和方法具有以下有益效果：

(1)将远场语音识别和声场录制集成在一个***中，利用同一个小型麦克风阵列，即可实现远场语音识别又可实现声场录制，相对于现有技术，只需一套***即可同时实现远场语音识别功能和声场录制功能，功能多样，一机两用，节约了设备成本；

(2)可以采用语音指令或者移动终端切换工作模式，切换方式灵活简单，便于用户操作。

附图说明

为了更完整地理解本发明及其优势，现在将参考结合附图的以下描述，其中：

图1为本发明实施例的集成远场语音识别和声场录制的***的结构示意图；

图2为本发明实施例的集成远场语音识别和声场录制的***的处理流程图；

图3为本发明实施例的集成远场语音识别和声场录制的方法流程图。

具体实施方式

根据结合附图对本发明示例性实施例的以下详细描述，本发明的其它方面、优势和突出特征对于本领域技术人员将变得显而易见。

在本发明中，术语“包括”和“含有”及其派生词意为包括而非限制；术语“或”是包含性的，意为和/或。

在本说明书中，下述用于描述本发明原理的各种实施例只是说明，不应该以任何方式解释为限制发明的范围。参照附图的下述描述用于帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。下述描述包括多种具体细节来帮助理解，但这些细节应认为仅仅是示例性的。因此，本领域普通技术人员应认识到，在不背离本发明的范围和精神的情况下，可以对本文中描述的实施例进行多种改变和修改。此外，为了清楚和简洁起见，省略了公知功能和结构的描述。此外，贯穿附图，相同参考数字用于相似功能和操作。

本发明实施例提供了一种集成远场语音识别和声场录制的***，该***可以工作于远场语音识别和声场录制两种模式，分别完成远场语音识别功能和声场录制功能，如图1所示，该***包括：麦克风阵列和数据处理终端；其中，

麦克风阵列包括四个麦克风构成的小型圆形阵列，麦克风阵列用于对声音信号进行采集，当***进行远场语音识别时，麦克风阵列采集远场语音信号，当***进行声场录制时，麦克风阵列采集多通道音频信号。

数据处理终端连接麦克风阵列，接收麦克风阵列采集的声音信号，并对声音信号进行处理。数据处理终端具有远场语音识别和声场录制两种工作模式，当其工作于远场语音识别模式时，对远场语音信号进行远场语音识别，当其工作于声场录制模式时，对多声道音频信号进行声场录制。

由此可见，本发明将远场语音识别和声场录制集成在一个***中，利用同一个小型麦克风阵列，即可实现远场语音识别又可实现声场录制，相对于现有技术，只需一套***即可同时实现远场语音识别功能和声场录制功能，功能多样，一机两用，节约了设备成本。

在本发明中，数据处理终端可以是计算机等数据处理设备，包括：语音控制模块、远场语音识别模块和声场录制模块。用户根据所需的应用场景和使用目的，可以通过语音切换数据处理终端的工作模式。例如，当需要进行远场语音识别时，用户可发出相应的语音指令，语音控制模块接收语音指令，并根据语音指令生成控制信号，远场语音识别模块对远场语音信号进行远场语音识别，使数据处理终端工作于远场语音识别模式。当需要进行全息音/视频会议或环绕声场采集时，用户可发出相应的语音指令，语音控制模块接收语音指令，并根据语音指令生成控制信号，声场录制模块对多声道音频信号进行声场录制，使数据处理终端工作于声场录制模式，从而实现工作模式的切换。

除了通过上述方式切换工作模式外，本发明还可以采用远程控制的方式。本发明的***还可以包括控制端，数据处理终端还可以包括远程控制模块。

控制端可以是手机等移动终端，其与远程控制模块无线连接，控制端与远程控制模块可以通过例如Wi-Fi或蓝牙等无线协议通信。用户根据所需的应用场景和使用目的，可以通过控制端切换数据处理终端的工作模式。例如，当需要进行远场语音识别时，用户可以通过启动控制端的特定应用程序，使控制端发出相应的控制信号，远程控制模块接收控制信号，在控制信号的控制下，远场语音识别模块对远场语音信号进行远场语音识别，使数据处理终端工作于远场语音识别模式。当需要进行全息音/视频会议或环绕声场采集时，控制端发出相应的控制信号，远程控制模块接收控制信号，在控制信号的控制下，声场录制模块对多声道音频信号进行声场录制，使数据处理终端工作于声场录制模式，从而实现工作模式的切换。

由此可见，本发明的***可以采用语音指令或者移动终端切换工作模式，切换方式灵活简单，便于用户操作。

如图2所示，远场语音识别模块可以采用GSC(广义旁瓣对消器)实时识别远场语音，获得单通道语音信号，并输出语音识别结果。

声场录制模块可以利用麦克风阵列的麦克风生成指向不同方向的多个虚拟麦克风，录制不同方向的多通道音频信号，例如2.0通道，5.0通道，7.0通道等等，得到多通道声场数据，采用多通道编码技术对多通道数据进行编码，完成环绕声场录制。

麦克风阵列由于物理尺寸受到限制，麦克风之间的间距较小，因此也可以利用差分信号处理方法实现环绕声场录制。声场录制模块可以基于ambisonics方法，采用多通道音频信号进行差分阵列处理获得基本声场分量B-format，实现环绕声场录制，并传输B-format信号到远端设备，通过解码合成重建环绕声场。

由于封闭式阵列形态可以获得二维平面内任意方向波束，同时麦克风数量越多，远场语音识别和声场录制的效果就越好。因此。麦克风之间的间距优选小于8cm，麦克风阵列的麦克风数量不做限制，可以是5、6甚至更多。麦克风阵列的形状也不做限制，只要可以构成封闭式阵列形态，例如矩形，椭圆形等，就可以实现同时进行远场语音识别和声场录音，本发明的麦克风阵列布阵形态更加自由。本发明不仅可以应用于智能音箱领域，还可以应用于其它利用麦克风阵列的设备中。

在本发明的***的默认工作模式为远场语音识别模式，即在默认情形下，***运行在远场语音识别模式，实时识别远场语音。当需要进行全息音/视频会议或环绕声场采集时，自动切换到声场录制模式，进行声场录制。当全息音/视频会议或环绕声场采集结束后，或者需要进行远场语音识别时，***自动切换至远场语音识别模式。

本发明还提供了一种集成远场语音识别和声场录制的方法，利用上述集成远场语音识别和声场录制的***进行远场语音识别和声场录制，包括：

进入远场语音识别模式，采集远场语音信号，对远场语音信号进行远场语音识别；

当需要进行声场录制时，切换至声场录制模式，采集多通道音频信号，对多声道音频信号进行声场录制；

当声场录制结束或需要进行远场语音识别时，切换至远场语音识别模式，对远场语音信号进行远场语音识别。

至此，已经结合附图对本实施例进行了详细描述。依据以上描述，本领域技术人员应当对本发明的集成远场语音识别和声场录制的***和方法有了清楚的认识。

需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换，例如：

(1)还可以采用其他方式实现工作模式的切换；

(2)实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本发明的保护范围；

(3)上述实施例可基于设计及可靠度的考虑，彼此混合搭配使用或与其他实施例混合搭配使用，即不同实施例中的技术特征可以自由组合形成更多的实施例。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种集成远场语音识别和声场录制的***，其特征在于，包括：麦克风阵列和数据处理终端；其中，所述***包括远场语音识别和声场录制两种工作模式；

所述麦克风阵列对声音信号进行采集；

所述数据处理终端连接所述麦克风阵列，接收所述麦克风阵列采集的声音信号，并对所述声音信号进行处理，实现远场语音识别和声场录制。

2.如权利要求1所述的***，其特征在于，

当***处于远场语音识别工作模式时，所述麦克风阵列采集远场语音信号，所述数据处理终端对所述远场语音信号进行远场语音识别；

当***处于声场录制工作模式时，所述麦克风阵列采集多通道音频信号，所述数据处理终端对所述多声道音频信号进行声场录制。

3.如权利要求2所述的***，其特征在于，所述***通过语音完成远场语音识别工作模式和声场录制工作模式的切换。

4.如权利要求3所述的***，其特征在于，所述数据处理终端包括：语音控制模块、远场语音识别模块和声场录制模块；

在所述语音控制模块的控制下，所述远场语音识别模块对远场语音信号进行远场语音识别，***进入远场语音识别工作模式；

在所述语音控制模块的控制下，所述声场录制模块对多声道音频信号进行声场录制，***进入声场录制工作模式，实现工作模式的切换。

5.如权利要求2所述的***，其特征在于，还包括控制端，所述***通过所述控制端完成远场语音识别工作模式和声场录制工作模式的切换。

6.如权利要求5所述的***，其特征在于，所述数据处理终端包括远程控制模块，远场语音识别模块和声场录制模块，所述远程控制模块与所述控制端无线连接；

所述控制端向所述远程控制模块发送控制信号，在所述远程控制模块的控制下，所述远场语音识别模块对远场语音信号进行远场语音识别，***进入远场语音识别工作模式；

所述控制端向所述远程控制模块发送控制信号，在所述远程控制模块的控制下，所述声场录制模块对多声道音频信号进行声场录制，***进入声场录制工作模式，实现工作模式的切换。

7.如权利要求4或6所述的***，其特征在于，所述远场语音识别模块为广义旁瓣对消器。

8.如权利要求5所述的***，其特征在于，所述控制端为手机。

9.如权利要求1所述的***，其特征在于，所述麦克风阵列为封闭式阵列形态，所述数据处理终端为计算机。

10.一种集成远场语音识别和声场录制的方法，利用权利要求1所述的集成远场语音识别和声场录制的***进行远场语音识别和声场录制，包括：

进入远场语音识别模式，采集远场语音信号，对远场语音信号进行远场语音识别；

当需要进行声场录制时，切换至声场录制模式，采集多通道音频信号，对多声道音频信号进行声场录制；

当声场录制结束或需要进行远场语音识别时，切换至远场语音识别模式，对远场语音信号进行远场语音识别。